可能特斯拉的辅助自动驾驶系统没想过这么复杂的情况。

美国大部分地方的路况比这个好太多了。

【 在 mafama 的大作中提到: 】
: 标  题: 这就是特斯拉最新的FSD的真实水平
: 发信站: 水木社区 (Mon Sep 19 23:27:28 2022), 站内
:
: 起步就要人工介入，不然不走……第一分钟车主就介入了三回……第五分钟对着隔离带撞过去被车主拉回来……这路况在中国也就是四线城市非高峰期水平吧
:  
:   https://www.bilibili.com/video/BV1ct4y1j74s
:
:   终于知道为什么油管上99%的FSD视频都在旧金山了，因为一旦去了曼哈顿，那就露馅了
:
:   这就是美国特斯拉车主要花10万人民币购买的马路杀手级自动驾驶，十万人民币啊，就买个这。
:  
: --
: ※ 修改:·mafama 于 Sep 19 23:57:24 2022 修改本文·[FROM: 117.65.187.*]
: ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 117.65.187.*]
--
修改:mafama FROM 117.65.187.*
FROM 73.97.236.*

因为湾区买特斯拉FSD也多啊，硅谷喜欢科技的early adopter也比纽约多的多。不可能一个纽约的FSD车主为了测试FSD故意开几千公里开到旧金山了。

FSD还没到哪里都能用的程度，即使在美国也还是测试版，还有很多地方不太好用。像曼哈顿这种的确还不太行。不过开车去曼哈顿的也是牛人，我就没见过纽约和新泽西的一个朋友会开车去曼哈顿上班，都是坐地铁。

FSD这东西要100%可用，还有很长路。现在美国特斯拉车主买FSD的才15%，还需要更多的用户一起测试Edge Case。
※ 修改:·Vas 于 Sep 20 03:51:26 2022 修改本文·[FROM: 67.180.86.*]
※ 来源:·https://exp.mysmth.net·[FROM: 67.180.86.*]

修改:Vas FROM 67.180.86.*
FROM 67.180.86.*

现在的自动驾驶，并不是“用户越多，训练的模型越高级”。

目前的自动驾驶实现，都是靠训练的模型去识别路上的各种物体和标志，靠人为设置的规则去选择驾驶策略。

用户多，对模型的帮助不大，但是能遇到更多的边角案例，用以设置更细致的规则去实现更完善的驾驶策略。

【 在 wajmdrd 的大作中提到: 】
: 标  题: Re: 这就是特斯拉最新的FSD的真实水平
: 发信站: 水木社区 (Tue Sep 20 04:54:34 2022), 站内
:
: 这个就是用户越多，训练的模型越高级。就看你愿意不愿意一开始做贡献了。
: --
:
: ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 81.233.130.*]
--
修改:ia FROM 73.97.236.*
FROM 73.97.236.*

并不是。

所谓训练模型只会把标记过的训练材料里面最通用的特性提取出来，绝大多数边角案例都会被弃掉。

我天天和各种模型打交道，对这个还是比较了解的。

【 在 hondooo 的大作中提到: 】
: 标  题: Re: 这就是特斯拉最新的FSD的真实水平
: 发信站: 水木社区 (Tue Sep 20 05:49:42 2022), 站内
:
: 边角案例就是训练模型的一部分..
:
: 【 在 ia 的大作中提到: 】
: : 现在的自动驾驶，并不是“用户越多，训练的模型越高级”。
: : 目前的自动驾驶实现，都是靠训练的模型去识别路上的各种物体和标志，靠人为设置的规则去选择驾驶策略。
: : 用户多，对模型的帮助不大，但是能遇到更多的边角案例，用以设置更细致的规则去实现更完善的驾驶策略。
: : ...................
:
: --
:
: ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 222.129.48.*]
--
FROM 131.107.1.*

不是，tesla并不靠设置规则去完善驾驶策略。

tesla的自动驾驶说穿了就分这几块。一块是hydranet（老马表示会改名，这个名字是一个sex toy...），这块负责视觉，识别道路上标志，路道，车辆，行人，速度等等任务。最近在这个.69版本增加了occupynet，用来形成障碍物禁区，达到激光雷达类似的效果确保不会进入禁区。

然后才是寻路算法，这块才体现驾驶策略。这块的实现方法是mcts+ai，跟alphago有点类似。可以在足够多的案例中自己进化出最合适的驾驶策略。评价维度包括通行效率，安全性和舒适性。基本思路就是mcts做策略搜索，ai去学会mcts的结果，并成为mcts的评价函数反过来提升mcts的效果。这块才是体现fsd老司机的一面，面对千变万化的道路情况有很多博弈和合作的问题需要解决，这块fsd目前我认为还没做到足够好，但也只是一个给足够时间和样本就能进化的过程。

当然外围系统还有一堆，包括数据样本的增扩，仿真环境，自动标注等等。人为设置的部分，主要体现在仿真环境。会有人去建造一条虚拟的公路，在里面去引入各种corner case，或者增加现实中遇到的corner case的样本数量，然后喂给AI去学习。

基本上，AI时代，如果你想认真做事，就不太可能用人为设置规则的方法做事了，只可能有人为设置样本和目标，让ai自己去逼近。反倒是想快速出demo可以用人为设置规则的方式快速作秀。这也是为啥tesla从一开始公测就不吝啬于暴露fsd的缺陷，而众多友商到现在都不敢给用户大规模推送在demo中各种“吊打”fsd的版本。

说难听点，各友商“吊打fsd”的demo是不是真实的我都要打个问号。ai背后是个真人这种事情又不稀奇的咯，发生过太多次了。

【 在 ia 的大作中提到: 】
: 现在的自动驾驶，并不是“用户越多，训练的模型越高级”。
: 目前的自动驾驶实现，都是靠训练的模型去识别路上的各种物体和标志，靠人为设置的规则去选择驾驶策略。
: 用户多，对模型的帮助不大，但是能遇到更多的边角案例，用以设置更细致的规则去实现更完善的驾驶策略。
: ...................
--
修改:lvsoft FROM 49.93.112.*
FROM 49.93.112.*