- 主题:model3大约1万公里总结
五环摩托狗特别多，造成的急刹比较多，每天都能遇到，更新后这类急刹不见了；取而代之的是旁边车贴线开，会刹一脚，昨天遇到一次右前方车辆居中造成的刹车，打400投诉了。
前车颜色白天是深灰色的，表明当前系统重点跟踪的目标，如果刹车你会发现旁边车道疑似并道车辆同时变灰，目前异常减速都是这种。
我并线刹车遇到的比摩托车少多了，总体感觉比上个版本好。这个和场景有关，如果摩托车不多，这个版本估计难以接受，因为上个版本对并线判断基本和司机判断一致。
【 在 visualarts 的大作中提到: 】
: AP最近频繁幽灵刹车，有遇到么？
--
修改:hsv FROM 223.104.41.*
FROM 223.104.41.*
限外牌以后，bj环线快速路的摩托车非常多，中低速时种穿缝，畅通时各种路障，10次穿缝路过你，有5次急刹，每天都能遇到，现在摩托车的急刹没有了。。。
【 在 djkstra 的大作中提到: 】
: 特斯拉AP好像对摩托电单车这些两轮车特别敏感，正常四轮车跟车距离最小大概10几米左右，
: 要是碰到前面有两轮车，50米就会刹车了
:
--
FROM 114.246.97.*
毫米波版本特有的急刹，桥梁之类的造成的。这个版本是多摄像头目标融合，效果很糟糕，摩托车、大巴、长货车检测效果很一般，目标大幅度抖动会导致各种急刹。还有就是隔离带误检成行人的急刹，这个也是目标后融合的弊端。如果正前方弯道，也可能有急刹，属于轨迹判断造成的。
新版本以上情况基本不见了，bev是在特征空间检测目标的，效果远胜于后期融合，我感觉错在变道判断上。
屏幕上会有焦点目标，表示系统关注的，比如前方车辆白天灰色（晚上白色），变道车辆颜色会变灰，如果aeb判断要撞，会急刹。我观察现在的急刹都是变道引起的。以前摩托车防不胜防，现在看着两侧车辆就可以预防，汗…
【 在 visualarts 的大作中提到: 】
: 其实我是上一个版本（视觉+毫米波）遇到的，新版本（纯视觉）更新了但还没来得及开
: 五环堵车，在最里边车道用AP跟车
: 没有摩托车，我也没感觉的旁边车贴线，突然就急刹了
: ...................
--
FROM 114.246.97.*
我是冲着bev买的Y，对毫米波这版本没啥期待的，也没打算用，不过提车不久就遇到了暴雪，五环堵车估计有1.5个小时，开启AP以后，遇到了各种急刹，简直是badcase集中爆发，反而知道了其底限，后面就大胆的用了，旧版其实蛮超期待的。现在bev来了，期待更多了，完善几个大版本，开到2030没问题了。
我通勤5环快速路基本都开ap，除非是9：30出门，路上不堵车自己开着爽。上述各种情况了然于胸，最困扰的还是摩托车，如果有车贴我后面开，我会脚踩油门驱赶AP，或者取消ap防止被追尾。。。
远途跑过秦皇岛、河南，都是AP，急刹没碰到，碰到一次足以致命的问题，就是河北的那种检查站，导流出去那种没识别，事发时低头看手机，抬头时前方就是那种隔离墩之类的，速度120就要撞了，之前没有任何预警，刹车踩到底刹住了。其实听说过那种混乱划线的会出问题，没重视。疫情没出过北京，平时环线用麻了反而很危险。打这以后，每天还在用，但视线不敢长时间离开前方了。
【 在 visualarts 的大作中提到: 】
: 搞得我不敢用AP了，这要是在高速上大概率要被追尾
: 对了，您在高速上遇到过这种情况吗？多吗？
--
FROM 114.246.97.*
鸟瞰视角（Bird's Eye View，简称BEV）；21年tsl引入了transformer，将多摄像头特征融合到bev对齐，然后在bev特征向量空间进行目标检测，相较于之前先检测目标再融合的方式，跨摄像头的大目标的检测性能提升较大。单摄像头的误检降低较多。
直观上，就是大公交、长货车在侧面的抖动基本不见了，在右后侧还有略微的前后抖动。之前一部分莫名其妙的急刹是由于大货车抖动造成的。
不过，好像深色车辆检测效果一般。也许模型还没大规模本地化训练。
【 在 xiechuanhust 的大作中提到: 】
: bev是啥？
--
FROM 114.246.97.*
【 在 visualarts 的大作中提到: 】
: 听您这么一说，新版本在幽灵刹车方面应该有很大进步？
以前算法局限性很大，各种误检，现在基本没有了。从升级到现在，我观察幽灵刹车都是相邻车道的车辆引起的（误检难以避免但应该低很多了）。如果能做到之前毫米波雷达版本的变道处理，总体就非常就不错了，拭目以待吧。
: 不过再请教一下，目前国内的纯视觉方案与美国的FSD相比，在技术上是同步了吗（只说技术，不考虑功能上的区别，比如自动变道、自动出入高速等）
技术栈应该和FSD beta v11.4一致了（甚至可以识别路侧静止车辆开门），有些模块可能没有激活（媒体说占用网络），另外就是识别所用的模型，可能还没本地化训练优化，实际性能肯定远不如美国（我感觉夜间深色车辆识别一般漏的多），这块基本算是运维的范畴了，基本就是收集反馈迭代优化了。
PS：EAP我以前都是当ap用的，变道磨磨唧唧的，出入匝道也很难用，这版好像出匝道的时候，尽量贴着实线一侧，不过也不怎么好使。
--
修改:hsv FROM 114.246.97.*
FROM 114.246.97.*
客气。AP大胆用，刚开始克服掉控制它的冲动以后就一马平川了。
切记，几年内都仅仅是只是辅助驾驶而已，你把AP当作刚拿驾照的新手司机替你开车就好了。无论以后迭代的怎么样，漏检误检不可避免，安全掌握在自己手中，视线不要离开路面几秒钟（喝水查路况啥的要盯着路），速度越快，越要看路，市区你睡着了最多低速撞树，高速上120的速度可就是一生交代了。
我现在上环线、快速路就AP，匝道前1-2km就手动汇入出口的车流，车流上70-80心情好就自己开，想去隔壁车道直接打灯自己并线，然后再次激活AP。
手握着方向盘，搭在扶手箱，脚放在油门后面地板，如果担心系统误判两侧并线，会随时补一脚油门。遇到过隔壁车的车尾和我车头位置强并的，一脚刹车避免剐蹭（这个版本距离2大大增加隔壁车辆插入的概率）；后车如果贴过来就补油门驱赶AP，让后车穿缝先走；反应和自己开车没区别、等等诸如此类；观察四周，和平时类似，随时接管，因为不需要踩油门保持车速，还是非常轻松的。没必要等到全社会都自动驾驶了才用，提前享用，但安全还是掌握在自己手中的。
【 在 visualarts 的大作中提到: 】
: 感谢，今天学到很多
:
--
FROM 114.246.97.*
年初大火的大模型，各种ChatGPT，核心就是transformer，证明了大力出奇迹。
智能驾驶的网络其实就是各种transformer模块组合，初期bev是靠各种糅合，21年用transformer一统江湖。今年9月FSD v12所说的端到端，老马很隐晦的说“方法就摆在眼前，只不过没想到而已”，业内猜测就是transform把最后的轨迹预测部分取代了（之前用的是穿透的是蒙特卡洛、各种搜索算法，纯trick），这块完成以后，后面就是大力出奇迹的时刻了。
视觉识别模型目前还没到GPT那个阶段，主要是训练所需的算力需求太恐怖了，OpenAI要搞1000万块GPU来训练世界模型，是GPT4所需GPU的400倍。。。
国内商汤等已经在这块完成了实验，上车也是时间问题，所以说技术差异其实没那么大，主要还是在算力上。。。
【 在 Muscle2021 的大作中提到: 】
: 涨知识了
--
FROM 114.246.98.*
汽车之家有哥们常年前2.6、后2.3的胎压，总能耗135，和我2.9差不多，我试过2.5过弯/有颠的时候支撑不好，能耗差异也不大，不过我郊区一半的路自己开，还是2.9比较爽，我上一辆车2.5/2.7都试过没啥差异，胎压黑科技是水军正经培训的话术…
我打算忙完这季度如果有时间研究一下悬架，换23款原装试试，据说软了一半，比用第三方经济型的要好…
【 在 djkstra 的大作中提到: 】
: 我常年保持冷车胎压2.5，能耗也没高多少这天不开空调也就9度电，
: ...................
--
FROM 219.237.181.*