- 主题:为啥特斯拉的纯视觉智驾很牛
开飞机跟开车两码事，即使民航飞机也就只是装个气象雷达而已
【 在 alucardy 的大作中提到: 】
: 是什么雷达不重要，是不是纯视觉？
--
FROM 14.154.6.*
那么遇到没有训练过的情况，车载算力能处理吗？
【 在 bluaze 的大作中提到: 】
:
: 只要搞明白什么叫训练什么叫推理你就能明白你问的问题
:
: 举个最简单的例子，线性回归，简单说就是一团点用最小二乘法算出y=a+bx这根线
: 最小二乘法算出a和b两个参数的过程叫训练，算好后，对于给定x通过a+bx算出对应y叫推理
: --
:
发自「今日水木 on iPhone SE 2」
--
FROM 111.194.200.*
如果有不是更好吗？
【 在 vta 的大作中提到: 】
: 没有需要雷达的时候
: 你开车需要显示出来距离哪个车多少米吗？
:
--
FROM 1.30.229.*
【 在 MachvPicchv 的大作中提到: 】
: 如果有不是更好吗？
: :
把你加入一个NBA球队变成6打5，会提高这个球队的成绩吗
--
FROM 114.242.210.*
加入的是乔丹呢？
【 在 litra 的大作中提到: 】
: 把你加入一个NBA球队变成6打5，会提高这个球队的成绩吗
--
FROM 1.30.229.*
国内加坡县香港的算力完全够用
但是缺数据
【 在 bluaze (Jerry) 的大作中提到: 】
: 很简单，你见过激光雷达的点云图就知道，激光雷达的信息含量远不及摄像头，但激光雷达凭借精确测距的优势能迅速对道路状况建模，从而绕过纯视觉所需的复杂算法，而算法所需的训练算力（算力中心的算力，不是指车载那点推理算力）是国产厂商的弱项（国产厂商加一起都跟特斯拉不是一个数量级）
: --
:
:
--
FROM 114.241.13.*
【 在 MachvPicchv 的大作中提到: 】
: 加入的是乔丹呢？
激光雷达的分辨率、扫描频率只能是侏儒档次的乔丹吧
--
FROM 114.242.210.*
你说的处理是指什么呢，训练吗，车载那点算力根本不可能训练，推理呢，当然能推理，输入灌进去，模型都能给出结果，那这个结果好不好呢（我想这应该也是你问的本意），那大概率是不太好的，就刚才举例的线性回归这么简单的模型，在样本点很少或干脆没有的地方，预测效果也会是很差的，虽然给出x就能得出y
像这种训练时很少或干脆没有的场景，就是自动驾驶里常说的corner case，为什么现在大家都追随特斯拉转向端到端大模型的技术路线，一是corner case的覆盖不再需要一对一的写规则代码，只需要训练时添加相应场景的样本，二是只要自家销量足够大，没有覆盖不了的corner case
【 在 rocfirst 的大作中提到: 】
: 那么遇到没有训练过的情况，车载算力能处理吗？
: 发自「今日水木 on iPhone SE 2」
--
FROM 116.237.109.*
问题就在于不是乔丹，激光雷达现阶段主要用处就是能直接测距用来道路建模，而占用网络算法已经能给出很好的足够自动驾驶用的道路建模了，那激光雷达剩下的，探测距离200米，远低于摄像头，分辨率远低于摄像头，还没有颜色信息，雨雾天和摄像头一样，因为激光也是光，加入激光雷达还不如加入毫米波雷达，毫米波雨雾天穿透是真的好
【 在 MachvPicchv 的大作中提到: 】
: 加入的是乔丹呢？
--
FROM 116.237.109.*
香港坡县，尤其坡县，数据安全法规下，数据不是那么好过去的吧，不过国内算力也是一直在增加的
国内端到端自动驾驶一到两年内应该会赶上来，但不是现在，就像有人说的AI是基础设施，不是护城河
【 在 mseer 的大作中提到: 】
: 国内加坡县香港的算力完全够用
: 但是缺数据
--
FROM 116.237.109.*