数据也很重要吧，据说特斯拉的robotaxi还是有人驾驶，为全面无人驾驶收集训练数据用的

【 在 hsv 的大作中提到: 】
: 国内端到端graphAD即将量产，地平线等UniAD也在量产中，魏晓理都有路线，小米两年后也可以有端到端。
: 端到端制约最大的因素是算力，不是数据，迭代越快效果越好。这方面，tsl国内租算力，优势并不大，hw、大厂有可能有较大的优势。
--
修改:djkstra FROM 14.154.24.*
FROM 14.154.24.*

那时候无图版本还没更新呢

有时间再去试驾一下吧，进步很大

【 在 djkstra 的大作中提到: 】
: 标  题: Re: FSD这个车已经开的相当好
: 发信站: 水木社区 (Fri Apr 12 10:46:20 2024), 站内
:
: 去年12月，当时我特意开到一条试驾路线外的小路试了下，只要路边右侧有车稍微停出来一点，试驾车就不会走了，一定要人工介入才行
:
: 【 在 Cobb 的大作中提到: 】
: : 你什么时候试驾的啊，我试驾的无图版很流畅啊
: :
:
: --
:
: ※ 来源:·水木社区 http://www.mysmth.net·[FROM: 14.154.24.*]
--
FROM 121.69.62.*

关键是端到端就是靠车来训练，靠算力，靠车队数量。国内怎么能轻松翻倍的速度啊

【 在 hsv 的大作中提到: 】
:  训练一版v12需要100w-150w条数据，如果平摊到每辆车，tsl还是有优势的，从场景覆盖
: 来说，车辆数目达到一定程度，就不太明显了。
:  初版v12好像是3-6个月才训练完成，如果tsl国内按照6个月发一版模型，国内车企按照3
: ...................
--
FROM 175.162.74.*

查了一下，特斯拉国内累积销量300w，假定场景有100个，第一次能收集80个，训练一次
就比较通用了，但后续每次提升就是×0.8的关系了；其他车企50w，x2收集，一次覆盖70
个；后面迭代阶段，人家三次就可以覆盖和你一样的场景了。更何况，越往后面，越需要
反复迭代来调整，拼的就是发布模型的速度，理论上几十万车队也可以覆盖更多的场景。

我觉得，美国FSD按周发布，效果是很吸引人，但国内可能不是那么回事，还需要观察，
等夏季有机会内测再看。

反正还需要司机盯着，端到端给我的期待就是，加减速拟人，以及被插队、去加塞那种
拟人，这些更实用了。

【 在 alsoo 的大作中提到: 】
: 关键是端到端就是靠车来训练，靠算力，靠车队数量。国内怎么能轻松翻倍的速度啊
--
FROM 114.246.101.*

现阶段学习的是司机的行为，很难超越人类，只能做到比人类稳。
理论上，如果视觉AGI到来，考虑alphazero那种训练方式，不依赖人的经验，才能x10；
之前NeRF用于生成训练数据，去年3DGS加速了这个进程，迟早突破。。。
【 在 YanXiao 的大作中提到: 】
: 我觉得博弈这个再怎么处理都无法完美，人也一样
--
FROM 114.246.101.*