- 主题:（更新）激光雷达技术路线被市场抛弃了，小鹏已经表态
我早就说激光雷达没太多意思。。 本质上 和车灯+摄像头一回事 指标和成本都干不过车灯加摄像头。
--
FROM 113.240.218.*
【 在 djkstra 的大作中提到: 】
: 速腾聚创早盘暴跌65%
阿里巴巴表示压力很大
--
FROM 61.145.181.*
下限高的意思，是说只要用激光雷达一扫，就有了点云3d场景，剩下的就是一个规划控制问题了。
上限低，激光雷达你能识别车道线么？你能识别交通标志红绿灯刹车灯么？
通过纯视觉方案实现占用网络，构建3d场景，虽然消耗算力，精度也差点，但已经让激光雷达成为鸡肋了。
【 在 semilog 的大作中提到: 】
: 端到端方案，激光雷达的数据只是传感器参数之一，没有所谓的上限，下限。。。
: 有肯定比没有强，投入产出比不高就没啥太大意义了。
--
修改:zwordcn FROM 114.94.31.*
FROM 114.94.31.*
极光雷达不用吹，肯定比纯视觉强，看看军用就知道了
【 在 g0home 的大作中提到: 】
: 这回旋镖弄的
: 本版那么多吹激光雷达的
:
--
FROM 223.104.42.*
懂了，用了激光雷达的再用视觉就得拉出去枪毙
【 在 zwordcn 的大作中提到: 】
: 下限高的意思，是说只要用激光雷达一扫，就有了点云3d场景，剩下的就是一个规划问题了。
: 上限低，激光雷达你能识别车道线么？你能识别交通标志红绿灯刹车灯么？
: 通过纯视觉方案实现占用网络，构建3d场景，虽然消耗算力，精度也差点，但已经让激光雷达成为鸡肋了。
: ...................
--
FROM 218.70.10.*
视觉方案做3d场景构建时，用一下激光雷达的对象识别结果，是有益的
【 在 zwordcn 的大作中提到: 】
: 下限高的意思，是说只要用激光雷达一扫，就有了点云3d场景，剩下的就是一个规划问题了。
: 上限低，激光雷达你能识别车道线么？你能识别交通标志红绿灯刹车灯么？
: 通过纯视觉方案实现占用网络，构建3d场景，虽然消耗算力，精度也差点，但已经让激光雷达成为鸡肋了。
: ...................
--
FROM 111.167.230.*
激光雷达成本太高作用太小，想在感知端堆料还不如补几颗远波段摄像头
【 在 qtpr 的大作中提到: 】
: 端到端架构也可以容纳激光雷达
:
--
FROM 14.154.31.*
特殊情况例如无灯夜晚激光雷达还是比较有用的
【 在 djkstra 的大作中提到: 】
: 激光雷达成本太高作用太小，想在感知端堆料还不如补几颗远波段摄像头
:
--
FROM 111.167.230.*
但凡理解端到端的，都不会再提lidar和三轮、电蹦子这些外行话…
也许端到端不是终点，但一定是必经之路。至于效果，肯定受限于数据和算力，但车企养了那么多koc和营销，肯定大家效果都“差不多”，远远“吊打”tsl…
【 在 djkstra 的大作中提到: 】
: 嗯，这个说法比较到位
:
--
FROM 114.254.3.*
lidar是在bev+transformer、occ之前的方案，那是在没有答案可抄的年代的方案，对这些厂商还是很有必要的（因为那个年代最符合直觉的方案就是多传感器融合），当学会tansformer、occ以后自然就没啥了。
端到端没开源，以至于国内对端到端最大的共识就是没有共识，目前存在两个流派：已有感知模块接可导规控，适合快速落地；再就是英伟达倡导的内部重构，不再依赖原有感知模块，黑盒不太好落地，总之方案有很多种，但一定是后者这种不需要白名单、不需要标注数据的成主流。
目前tsl的5倍参数模型计划，说明大模型的scaling law依然有效，最终性能强的一定是车队多、且算力大的胜出…你看有些团队甚至用到了测试集来作假来吊打chat-gpt……
【 在 djkstra 的大作中提到: 】
: 我觉得吹激光雷达只是后发厂家的策略，估计最后他们都是端到端，
: 因为做端到端的前提是你车子要有一定保有量来做训练，所以他们只能靠激光雷达这个噱头玩意儿先把车子的保有量做起来再说
:
--
FROM 114.254.3.*