HW3+V12.5.4.2：靠单帧 2D 图像里的透视、线条纹理猜深度，壁画刚好伪造了 “道路透视线索”，网络把平面画当成真实门洞；HW4+V13.2.8：高分辨率相机 + 更高精度体素占用网络 + 时序多帧立体匹配，能发现这只是贴在一堵实体墙面上的 2D 图案，不是真的可通行空间。 (水城百事)

by 匿名, Wednesday, October 07, 2026, 20:26 @ 匿名

[ No text ]

Post reply

3 views

登录后可以通过微信/Facebook/Twitter/email进行分享

Complete thread:

RSS Feed of thread

【深圳无人驾驶汽车，第一次坐，又怂又新奇-哔哩哔哩】 - 匿名 ; 10-05,20:19 (#1551031) Reply (水城百事)
- 其实交通中不是防自己犯错，更多是预防别人犯错，无人驾驶和傻人犯错的对决，目前胜负难定 - 匿名 ; 10-05,21:30 (#1551033) Reply
- 小冰心真是民推之光。当年那帮律师高高在上说要封杀她。 - 匿名 ; 10-06,10:22 (#1551047) Reply
- 我还没有体验过自动驾驶 - 匿名 ; 10-06,18:43 (#1551135) Reply
  - FSD 还行 - 匿名 ; 10-07,17:40 (#1551237) Reply
    - FSD坚决不使用激光雷达，有报告称建筑工地墙上画了一幅大门的画像，它撞向“敞开大门”的壁画。 - 匿名 ; 10-07,19:42 (#1551241) Reply
      - Mark Rober原版视频用的是基础 Autopilot（AP），不是FSD，Kyle Paul复现的是HW3 Model Y：FSD v12.5.4.2，车辆没有识别出墙，FSD 规划路线直接指向画出来的门洞。同场测试里的 Cybertruck（HW4）：FSD v13.2.8，能识别这面假墙、提前自动刹停，没有冲向壁画大。自从FSD更新到v14.XXX之后，此类问题再也没有被复现过 - 匿名 ; 10-07,20:17 (#1551242) Reply
        
        白天可以了，晚上呢？ - 匿名 ; 10-07,20:24 (#1551243) Reply
        
        HW3+V12.5.4.2：靠单帧 2D 图像里的透视、线条纹理猜深度，壁画刚好伪造了 “道路透视线索”，网络把平面画当成真实门洞；HW4+V13.2.8：高分辨率相机 + 更高精度体素占用网络 + 时序多帧立体匹配，能发现这只是贴在一堵实体墙面上的 2D 图案，不是真的可通行空间。 - 匿名 ; 10-07,20:26 (#1551244) Reply
        
        算法层面的升级才是最重要的部分。 1. Occupancy Network 3.0，体素分辨率提升 8 倍不再只是识别 “车道、墙、车” 这类物体标签；它把空间切成大量细小 3D 立方体（voxel），预测每一个空间格子是不是被实体物质占用。 - 壁画区域：图像看着像门洞，但体素重建发现门洞图案后面依然是连续实心墙体； - 模型看到：这个 “门洞” 只是画在障碍物表面的纹理，不是空间里挖空的通道。 - 匿名 ; 10-07,20:29 (#1551245) Reply
        
        2. 时序 Transformer + 10–15 秒长期空间记忆（Temporal Persistence）V13 不再只看孤立快照。车辆一边前进，持续用连续多帧视频不断重建、校验三维空间：真实三维物体，随着车靠近，轮廓、视差、遮挡关系会按物理规律变化； 2D 平面壁画：无论车辆怎么靠近，图案本身不会产生真实 3D 物体的视差变化，时序校验直接识别这是平面贴图幻觉。 - 匿名 ; 10-07,20:30 (#1551246) Reply
        
        3. 训练目标变化：增加物理一致性约束。 V13 网络训练更强调空间物理合理性，不只是识别图片里像什么；会判断 “这个空间能不能穿透、是否存在实体阻挡”，而不是单纯依赖车道 / 道路语义特征。所以即便画面画了逼真的路，只要体素重建判断前方是实心墙，就会判定不可通行，提前减速刹停。 - 匿名 ; 10-07,20:30 (#1551247) Reply
        
        本来使用lidar “time of fly"的简单问题被搞成这么复杂，可靠性还难以验证，检测时间也拉长，难道不是舍本求末吗？为了省几块钱。 - 匿名 ; 10-07,21:07 (#1551248) Reply
        
        更致命的是，特斯拉采用盲训练方法，上亿的参数不知道物理意义是什么，出一次事故找不到需要调整哪些参数，不知道怎样避免同类事故，在重新大量盲训练。 - 匿名 ; 10-07,21:11 (#1551249) Reply