百度自动驾驶委员会首席王亮如是说：
“许多传感器融合的方案设计较为复杂，技术人员往往从快速解决问题的角度出发设计算法，这个过程中难免避重就轻地利用异构数据各自的优势去缺陷互补从而绕过困难的问题。长远看，数据和策略间深度耦合的设计不利于为环境感知系统提供真正意义上的冗余。”
“在激光雷达为主，视觉为辅的传统策略中，视觉感知自身的问题和缺陷在雷达感知的掩盖下暴露不够充分。因此，视觉感知问题需要独立出来才能更好的解决。”
【结论】就是走多传感器融合路线有潜在风险，纯视觉路线可以弥补这一缺陷，但纯视觉路线需要大量数据积累、长期研发来训练后台算法，而数据获取及算法演绎壁垒极高，多数车企短期难以采用。
可以看出，纯视觉路线就是大家常说的那种难但正确的事；
【划重点二】
2020年Q4，台积电表示接下$特斯拉(TSLA)$ 7nm订单，并使用最新InFO_SoW封装技术。届时，FSD的算力有望增加4倍，提升到500TOPS以上的概率很大；
【划重点三】
Dojo超算已帮助特斯拉处理了超100万个10秒钟左右的视频，并且标注出了视频中60亿个物体的距离、加速度以及速度信息，这些数据存储空间已达到1.5PB。
这一新版超算并非Dojo的终极版本，特斯拉的超算还在不断迭代、演进，而马斯克想要的目标算力达到1exaflops的Dojo有望于今年7月底在特斯拉AI日亮相。
【 在 dalezzz 的大作中提到: 】
: 1、现在看，纯视觉还没有天花板，以后那还不知道。  
: 2、从文章的意思，采集不是问题，720p足够了，识别才是重点，单机能力未来能不能够用不确定，所以有超算压阵  
: --

发自「今日水木 on iPhone 12 Pro」
--
FROM 124.64.22.*

我的理解是多传感融合也是可以训练的，只不过会更加复杂且没有效果。不如直接怼视觉学习更加统一
【 在 dalezzz 的大作中提到: 】
: 我想知道融合是训练出来的吗  
: --

发自「今日水木 on iPhone 12 Pro」
--
FROM 124.64.22.*

自动驾驶比下棋简单多了，随便一个人只要不太脑残都能开车，要想下赢围棋大师可不是简单的事

【 在 feelsgood (感觉不错) 的大作中提到: 】
: 呵呵，你觉得自动驾驶跟下棋是一回事那就是一回事吧。
--
FROM 183.173.83.*

也不能绝对相信摄像头，毕竟摄像头曾经把白色卡车识别成蓝天白云。

而且就算人眼，也有看错的时候。

【 在 west 的大作中提到: 】
: 当视觉和其它传感器的结论冲突时，你更相信谁？
: 视觉获取的信息数据率远远大于其它任何传感器
:
--
FROM 223.71.143.*

tsl研发部都在搞车机游戏
【 在 dalezzz 的大作中提到: 】
: 不管纯视觉的天花板在哪里，tsl做事是让人敬佩的。
: 以下原文：
: 根据马斯克的预告，一个月之后，特斯拉 2021 AI Day 就将到来。
: ...................
--
FROM 36.112.194.*