- 主题:特斯拉的神经网络及仿真训练是噱头吗 哪位大神给科普一下
拆了雷达之后前面放个照片或画个马路和蓝天白云估计就搞不定
【 在 wangcity 的大作中提到: 】
: 我之前老帖子说了，这种训练，现在达不到实用级别
: 出现特定没有训练过的场景就无法判别。
--
修改:dyatpk FROM 218.247.161.*
FROM 218.247.161.*
所有的神经网络都是训练集内的神，训练集外的场景就会错误率增加，完全没遇到过的场景就是渣，复杂场景错误率肯定也很高
【 在 wangcity 的大作中提到: 】
: 我之前老帖子说了，这种训练，现在达不到实用级别
: 出现特定没有训练过的场景就无法判别。
--
FROM 218.247.161.*
棋类运动是最简单的适合机器学习的问题
自动驾驶的视觉处理，就最简单的物体切分就很难。
最简单的例子就是巨幅马路照片和实际马路在视觉处理是很难区分的
还有半遮挡的红绿灯、标志牌等，都不太好识别
还有特斯拉吹的全视觉处理，没有雷达的话，晚上一个全身黑衣服的人站马路上就绝对识别不出来，雷达反而很轻松可以搞定
【 在 litra 的大作中提到: 】
: 以前关注过围棋的阿尔法go，通过输入大量的职业棋谱进行训练，最后超越职业棋手水平
: 阿尔法zero，完全抛弃人类棋谱，靠自对弈逐渐进化，最终超越阿尔法go
: 特斯拉的也是每天采集大量人类的驾驶数据进行训练，有些特殊场景可能还是需要自己模拟来训练，最终达到超越人类驾驶技术的水平
--
FROM 218.247.161.*
有雷达起码比没雷达好些
你这例子不好，只能对正常的东西来考虑
【 在 wangcity 的大作中提到: 】
: 即便有雷达也不行，我按隐形外形，涂上吸波材料，然后搞个障碍物，放那，也探测不到的。
:
:
--
FROM 218.247.161.*
别这么自信
特斯拉暂时是数据量攒的多
中国车销量上来了，数据收集到一定程度，比神经网络学习中国人还是不怵任何人的
【 在 DoubleH 的大作中提到: 】
: 这么说吧，如果这个路线能成功，那一定是特斯拉
: 发自「今日水木 on EARTH」
--
FROM 218.247.161.*
识别所有物体就不可能，只能说识别大部分物体。
低速快递机器人已经能上路跑了
导盲机器人应该比较有希望，起码超过狗是没有问题的
家政机器人其实现在扫地拖地的机器人已经有了，炒菜机也有了，只是估计你说的应该是全能型的，还有比较远的距离
【 在 xyzzt 的大作中提到: 】
: 我觉得真要是能理解识别所有视野里的物体，包含其物理性质，那应用还是挺多的，比如以后一些无人的快递三轮车，导盲机器人，家政机器人啥的。
: 发自「今日水木 on Mi 10」
--
FROM 218.247.161.*
语音识别早就很牛了啊，科大讯飞就是干这个的
至于印度口音那就更简单了，印度人听都没有问题，那机器识别相对于其他语言难度是一样的
【 在 fogsnow 的大作中提到: 】
: 可以看看油管上的自动生成字幕，这两年是有了显著的提高
: 正常的就不说了，连老印的这种口音都能够精准识别
:
--
FROM 218.247.161.*
小p孩你又来了
你中学毕业了吗
【 在 litra 的大作中提到: 】
: 这些都是职业喷子，靠这个赚钱的，就是知识面差点，怀疑是民工改行的
--
FROM 218.247.161.*
自动驾驶要求太高了，其他大部分行业对错误的容错率高，出不了什么大事
大家都要秒杀垃圾，是因为特斯拉吹得响啊，好多人信的
【 在 hsv 的大作中提到: 】
: 俺是教育行业农民工，也在做视觉识别相关的项目，俺的模块日活5-6百万人用。这一代fsd在我看来就是垃圾，蔚晓理华为总说自己秒杀垃圾，我感觉很可笑。
: 下一代fsd的地板就比这一代强很多，目前进化到了fsd beta 10.8，其犹豫时间明显少了，下一代fsd天花板就是人类，按照目前算力，10几个老司机的能力。
: 就跟iPhone告诉大家怎么开发智能手机一样，视觉感知这块，fsd 10.x告诉大家，可以这样做，特斯拉用了两年，并且方法、论文都是公开的，他也不怕你抄了去，因为你两年以后，比他好比他便宜，他会很开心的买你的用。就跟把电车相关专利开放，就是指望有人能比自己创新速度快。
: ...................
--
FROM 218.247.161.*
人眼可不是按像素识别东西的
人的处理方式都是比较模糊的 用现在的电脑去模仿还是很难的
【 在 buaalx2 的大作中提到: 】
: 算力是问题么，人眼的视域范围能一下识别好几亿个像素吧，还能快速切换，不知道人眼的fps是多少
--
FROM 218.247.161.*