你这就不客观。
大数据是软件，激光雷达是硬件。
摄像头都一样的话，别家也有相同的数据，但是tsl没有激光雷达的话，就比别家少一块数据。
数据一样的部分，大家都跑大数据，差距没多大。
但是你数据少一块，那效果肯定差很多。
就像tsl会撞白车厢，你拿个激光雷达的车试试能撞上不。


【 在 hsv 的大作中提到: 】
: 你说华为研发可以不反对，但是“ 辅助驾驶主要靠的不是计算能力，而是硬件的可靠性和算法的先进性。”这个就是你的认知局限性了。要想达到更好的泛化性能，数据和算力是关键。华为用激光雷达，依然避免不了多传感器融合模型所需要的天量数据。
: 后面视觉部分，感觉你也不理解，没有讨论的必要了。
: :
--
FROM 218.241.131.*

辅助驾驶反正就那么回事 低点就低点 反正有人把关
遇到白色卡车人接管就好了

自动驾驶纯视觉根本不够啊
总有意外的东西出现在马路上，样本里没有的东西，视觉系统认不出来，但是雷达会识别出来有个固体在前面


【 在 hsv 的大作中提到: 】
: 特斯拉去掉雷达的原因在知乎大婶以及aiday已经阐述的很清晰了，精度视觉足够好，误检视觉可以做到更低，这两条就够了。
: 看来数据、模型复杂度、计算量这些所有传感器都避不开。hw3.0的算力支持的模型天花板在哪儿我也很好奇，毕竟数据再nb，模型受限于硬件支持的精度有天花板。
--
FROM 218.241.131.*

如果加上雷达都不行的话，纯视觉更不行，这就说明光靠车来识别外部环境这条路不通。

车路协同可能是更好的出路。

anyway，我对自动驾驶在10年内都不看好，老老实实宣传辅助驾驶吧。

【 在 hsv 的大作中提到: 】
: 雷达的误检是难以避免的，我前面也说了，特斯拉去掉雷达，是由理论数据的。况且多数据融合，涉及到策略，人工策略只能增加，是不可能做到极致的。
: 去掉雷达，恰好是纯视觉方案，低成本的达到了更好的效果。
: 激光雷达方案，在小样本初期，可能会优于纯视觉方案，在后期就不一定了。
--
FROM 218.241.131.*

别扯了，都是你脑补的
视觉识别怎么就比雷达有更多信息了
视觉识别要从一个图片里把物体抠出来，怎么可能比雷达准

【 在 west 的大作中提到: 】
: 雷达的问题是误检率，你不知道是什么东西导致警报
: 视觉有更多信息可以分辨是不是误检
:
--
FROM 218.241.131.*

你才胡扯呢，你升级分辨率不用重新学习？

同类雷达换型号，和摄像头换分辨率是一个难度。
甚至难度更小，因为雷达的返回可以设定是一样的，摄像头分辨率提升了，数据量必须提升，要不然提升了就白提升了。

【 在 west 的大作中提到: 】
: 你才不懂，视觉不同传感器都可以用同一个神经网络，雷达你每换一个型号都要重新训练
:
--
FROM 218.241.131.*