其实看实车，头顶那个包，多看两眼就习惯了。
风阻那点续航，也就纸面拼参数有意义

【 在 fbf 的大作中提到: 】
: 激光雷达都要额头顶个包，严重影响美观，增加风阻
: 发自「今日水木 on SM-G9910」
--
FROM 117.129.70.*

~~~上次未发表的内容~~~
特斯拉的城市智驾方案不是正在等国家审批吗

你是装傻吗

  * 2021年下半年，特斯拉在AI day上首次发布了BEV+transformer的感知方案。之后的几个月，学术界开始出现大量BEV+transformer的复现和创新工作,并发表在计算机学术顶会上。
* 2022年，国内有少量头部新势力宣布自己的BEV方案上车（小鹏），其余厂家距离量产上车还差一些，追赶中。
* 2022年10月，特斯拉又在AI day上发布了基于occupancy的感知方案，再一次拉开国内外技术差距。
* 2023年4月，上海车展，BEV方案已经成了国内大部分厂商的标配，少量厂商（蔚来）也展示了自己OCC的demo视频（宣称自研）。此时国内的状态大概是BEV勉强上车，occ效果还在复现。
* 2023.5月至2023.9，包括元戎、轻舟、大疆、华为等公司都发布了自研的“无图智驾方案”，其中有人甚至宣称遥遥领先。
*2023年9月底，特斯拉AI day，特斯拉发布了基于world model的端到端自动驾驶解决方案，推倒之前BEV以及occ的思路，使用端到端的方案来解决自动驾驶任务。这种方案要想复现，门槛将不仅仅是算法框架设计，还包括海量的GPU算力和训练数据，而算力和数据则涉及到芯片和车辆的销量，国内企业在这两点上恐怕没有一家能够追上，更不用说遥遥领先。谦虚使人进步，骄傲使人落后
  
【 在 stillwell (cgi) 的大作中提到: 】
:  笑死，还端到端最好的是视觉方案
:  
:  那你特斯拉怎么不像华为一样搞个城市道路智驾出来
:  
--
FROM 223.104.150.*

视觉对环境的3D感知是猜出来的，特定环境下错误概率不小。
人对于不熟悉的物体、场景，3D感知也会犯错。
激光雷达是激光物理测距，没有干扰就不会出错。
最好的方案，还是视觉+激光+毫米波+超声波，各种信息融合，
各种环境下都能有靠谱的信号给算法。

【 在 power11 的大作中提到: 】
: 视觉的带宽大，数据量大，识别程序算量大，而且能适应各种情况，是智能方案，雷达是个机器方案，只能通过探测反射信号来识别，即使实时建模，也是没有任何信息的三维空间，优点是算量小，不容易撞上物体。目前好的方案都是结合才行，人脑的算力和带宽还是很大的，现在机器还没摸到边
--
FROM 117.129.70.*

【 在 stlonmyway 的大作中提到: 】
: 谁告诉你是没有多少训练数据的视觉方案？
: 融合多事态感知，在控制领域是非常常规的方案
: 少点二极管思维，认为这个强那个一定弱鸡
: ...................
我就问你怎么取得的海量数据？
特斯拉是用车主每天产生的驾驶数据
围棋AI阿尔法狗是用人类的棋谱，阿尔法zero是用的自对弈的
--
FROM 123.120.0.*

雷军做过吗？
他知道个鸡毛

【 在 didibenben 的大作中提到: 】
: 雷军发布会上说特斯拉的视觉方案最难做，也最先进。
: 可是激光雷达不应该更先进么
: #发自zSMTH-v-@vivo V2217A
--
FROM 117.136.0.*