端到端最大的优势就是简化了整个体系，两头的数据结构是确定的，中间的训练模型可以随时换，科学界有什么新模型都能拿来套。
多少了解一点人工智能模型的都知道，这种复杂模型，从没有哪个模型的正确率能到100%的，也就是说，端到端的智驾量只要上来了，必然会有瞎开的案例出来。
所以，别整天觉得端到端就是神一样的东西，不是端到端就如何如何不行。
规则模型起码是个可解释模型，端到端是黑箱模型，黑箱出了问题，想改都不好改。
规则模型可以不断完善。
从人的智能的角度分析，人本身就是一个规则模型，人是根据规则来判断的，人是先判断看到的是什么，再去想怎么做，而不是端到端模型那种，直接就是图像数据到怎么做。

所有的智驾模型都一样，都是做不到100%的。
吹得越高，真遇到失效的场景反噬得越很。
--
FROM 218.244.58.*

AI才是模型，基于规则那就不叫模型，而是穷举，问题是你能穷举所有的驾驶逻辑吗，能吗

【 在 dyatpk 的大作中提到: 】
: 端到端最大的优势就是简化了整个体系，两头的数据结构是确定的，中间的训练模型可以随时换，科学界有什么新模型都能拿来套。
: 多少了解一点人工智能模型的都知道，这种复杂模型，从没有哪个模型的正确率能到100%的，也就是说，端到端的智驾量只要上来了，必然会有瞎开的案例出来。
: 所以，别整天觉得端到端就是神一样的东西，不是端到端就如何如何不行。
: ...................
--
FROM 14.127.22.*

对了一半吧，趋势上肯定是端到端，而不是规则。
端到端的模型目前最大的问题就是失败的例子怎么克服的问题。
目前可行的就是添加训练数据重新训练。


【 在 dyatpk 的大作中提到: 】
: 端到端最大的优势就是简化了整个体系，两头的数据结构是确定的，中间的训练模型可以随时换，科学界有什么新模型都能拿来套。
: 多少了解一点人工智能模型的都知道，这种复杂模型，从没有哪个模型的正确率能到100%的，也就是说，端到端的智驾量只要上来了，必然会有瞎开的案例出来。
: 所以，别整天觉得端到端就是神一样的东西，不是端到端就如何如何不行。
: ...................
--
FROM 58.246.115.*

看文字看不懂可以自己多翻翻语文书

【 在 qtpr 的大作中提到: 】
: “人是规则模型”这句话是谁教给你的
:
--
FROM 218.244.58.*

都用的就是对吗？
质量最好的东西，成本高，见效慢，工业上不用的多了

【 在 wangstone 的大作中提到: 】
: 主流车企很快都会端到端，版友比车企研发还厉害
--
FROM 218.244.58.*