多个激光雷达有助于识别威胁，还可以结合视觉传感器。
【 在 west 的大作中提到: 】
: 激光雷达并不能识别是什么物体，也许是前车洒下的灰尘呢
:
--
FROM 221.221.52.*

结合是最难的，激光雷达在阳光下有误警率，如果雷达报警，但视觉传感器什么都没看到，你信谁？

传感器越多，这个信任等级的问题就越突出

【 在 ylh1969 (没谱) 的大作中提到: 】
: 多个激光雷达有助于识别威胁，还可以结合视觉传感器。
--
修改:west FROM 183.173.86.*
FROM 183.173.86.*

效果就是，特斯拉测试后，取消了激光雷达，当然，华为也许会有更牛逼的算法，当然这个很难

【 在 ylh1969 (没谱) 的大作中提到: 】
: 等着看它的效果
--
修改:west FROM 183.173.86.*
FROM 183.173.86.*

200m外的低速或静止物体，白色或黄色的  这样的东西太多了，比如广告牌

【 在 ylh1969 (没谱) 的大作中提到: 】
: 看到200m外的低速或静止物体，白色或黄色的，不难吧！
--
修改:west FROM 183.173.86.*
FROM 183.173.86.*

andrej在cvpr上说了三个代表性的case，一个是雷达把静止的桥梁当做了目标，融合视觉确认成了路上静止的目标，于是刹车；另一个是前车急刹，雷达给出的速度不是连续下降的，而是间隔速度0，导致跟踪器反复初始化，影响了aeb的效果；还有一个是路边靠边停了占半个道的一个箱货，雷达不能在200米的时候识别，减速时机太晚，上述case在视觉都没有问题，尤其是视觉先发现了200米处的箱货，减速更加趋近于老司机。（ps：激光雷达在这个距离，只能给出1.4米以上尺寸的物体，并没有领先视觉多少）

在ai day他给出了视频神经网络的测速、测距精度，取代雷达小意思；标注在短时间给出了大量的光线、遗撒、雨雾雪等挑战性的case，重新训练以后，效果更好。

雷达在各种任务中，完全不如纯视觉，特斯拉有一段时间尝试改进雷达硬件最终放弃了，所以权衡以后干脆去掉了雷达，吓得美国iihs把topsecrete评级取消了，后来重新评测了纯视觉的model3/y以后，仍然给了ts评级，这让雷达情何以堪呢。

在短期内没有技术能达到100%、万无一失，新版的fsd砍掉了旧版大部分的人工规则策略、引入了视觉神经网络、end2end训练不需要人工干预的各种策略，可以靠每天的海量样本将局限性慢慢降低，率先达到更高的可用性，我觉得就可以了。

毕竟定速、acc、L2、Trj等技术，逐渐取代了一部分司机的职责，提升了舒适度，但并不意味着司机就不参与交通了，越是老司机越能够从细节中得到更好的安全性、更好的舒适性。博世的L2.5也罢，FSD也罢，都能再随时接管的情况下用用，一定程度上减轻疲劳，

L2.5也能凑合用，FSD很好用，都是工具，如此而已。
【 在 ylh1969 的大作中提到: 】
: 正确判断是否威胁应该不难。看雷达定位测速精度。
--
修改:hsv FROM 219.237.181.*
FROM 219.237.181.*