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.*

那些特斯拉销售动不动吹特斯拉海量数据，
可是特斯拉有那么多钱对这些海量数据做清理吗？吹数据的也基本是外行

【 在 dyatpk 的大作中提到: 】
: 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
: ...................
--
FROM 222.128.117.*

蔚晓理特斯拉这一代辅助驾驶，用的是融合方案，仅就视觉感知而言，其每个摄像头检
出目标，然后融合再决策，每个摄像头都有漏检、误检，也没有距离信息（距离信息是靠
雷达输出的动态目标也会出错），融合效果很难保证，目前各种撞墙刹就是因为雷达的误
检。

下一代fsd，目前进化到了beta10，无论是减速带，还是雪糕筒，亦或是临时的修路，都
能很好的识别，且一直在进化中，只要算法模型见过的场景，就能处理，通过逐渐收集样
本，可以一直进化，天花板就是超越人类的能力。

思路简述就是，多个摄像头通过模型变换到一个4D场景，除了三维的xyz，还有时间轴，
在这一个4D场景进行检测识别跟踪目标，完全规避了上述不足，无论是远处静止的目标，
还是旁边的大货车，都能连续稳定的识别。其去掉了雷达以后，重新被相关部门评估，仍
然是top rated。。。

很多大v拿着现款AEB瞎jb测试，有毛好测的，大家都是垃圾。。。

【 在 lvjk862828 (ruihge) 的大作中提到: 】
: 特斯拉的神经网络及及机器人学习训练是噱头吗 哪位大神给科普一下，如果有这种技
: 术还可以用在哪些领域，除了自动驾驶
--
FROM 106.39.67.*

数据多肯定有好处
覆盖的场景肯定多一些 搞某些场景的针对性的优化也比较好找样本 就是找事故样本都比别家多


【 在 WangXW 的大作中提到: 】
: 那些特斯拉销售动不动吹特斯拉海量数据，
: 可是特斯拉有那么多钱对这些海量数据做清理吗？吹数据的也基本是外行
:
--
FROM 218.247.161.*

已经很好的识别各种雪糕筒，临时修路这种的，哪怕一个雪糕筒在路中间，也很好的规
避了，你一定没看最新的10.8的实际路上视频。

另外月亮红灯这种的，属于早期样本问题，现在早就不是事了，你把fsd理解成几岁小孩
就行，随着学习，这些都不是问题。10.8里面也说了做了很大提升。。。

【 在 AD007 (AD007) 的大作中提到: 】
: 先把雪糕筒识别出来再吹不迟
--
FROM 106.39.67.*