现在用还是再等几年再用的区别，解决方案并不是越复杂越好，spaceX的高度精确的火箭回收方案和中国的网系回收方案，后者的复杂度和控制精度要求和前者比相差的是数量级的不同，这个谁更好呢，能达到要求不就行了，不是非要达到厘米级的控制精度吧。 (水城百事)

by 匿名, Thursday, October 08, 2026, 19:23 @ 匿名

[ No text ]

Post reply

95 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
        
        你这么想说明你对马斯克的招一无所知。特斯拉会在每辆车里开启FSD，它们没有激活的时候在后台学习司机如何驾驶，如果FSD的判断和司机的判断一致，这个数据被判别为垃圾数据直接丢弃，如果遇到危险的时候人类司机处理方式和FSD不同，并且人类司机安全地避开了事故，这前后10几秒的数据会被传回特斯拉的服务器，作为后期训练的黄金素材。 - 匿名 ; 10-07,22:44 (#1551257) Reply
        
        这个与上面说的不能调节参数相一致，只是加权的盲训练而已。所有参数不知其物理意义，不能调。 - 匿名 ; 10-08,09:54 (#1551276) Reply
        
        你这是要放弃AI神经网络，重新退回Autopilot的时代吗 - :-D :-D :-D ; 10-08,10:03 (#1551277) Reply
        
        非也！请你了解一下Waymo的方案。 - 匿名 ; 10-08,14:01 (#1551361) Reply
        
        多传感器方案的核心问题是各传感器冲突获取信号冲突的时候如何解决问题。纯视觉方案的考量是人类可以通过纯视觉开车，那么机器也行。这是各有所长的解决方案，喜欢哪个就用哪个，以后可能不同解决方案道路上都会有佼佼者出现。 - 匿名 ; 10-08,16:39 (#1551390) Reply
        
        但是不能在方案成熟以前就砍掉激光雷达啊。这就像两只狗子赛跑。一个四驱。一个偏要直立行走。说你看人单靠后腿也跑的很快。我们把前腿砍了。 - 匿名 ; 10-08,16:44 (#1551391) Reply
        
        砍掉激光雷达也不算直立行走，就为省几个钱，不顾安全性。 - 匿名 ; 10-08,17:43 (#1551394) Reply
        
        现在用还是再等几年再用的区别，解决方案并不是越复杂越好，spaceX的高度精确的火箭回收方案和中国的网系回收方案，后者的复杂度和控制精度要求和前者比相差的是数量级的不同，这个谁更好呢，能达到要求不就行了，不是非要达到厘米级的控制精度吧。 - 匿名 ; 10-08,19:23 (#1551406) Reply
        
        左眼右眼看到信号就不会冲突了？应噎废食嘛！ - 匿名 ; 10-08,17:46 (#1551395) Reply
        
        复视是病，得治 - :-D :-D ; 10-08,21:48 (#1551425) Reply
        
        人会生病，车也会。 - 匿名 ; 10-08,22:29 (#1551426) Reply
        
        车可以修啊，换个摄像头就可以了，你换个眼球似乎不行啊 - :-D :-D ; 10-09,00:58 (#1551429) Reply
        
        这不正说明，车加装传感器是正确的？ - 匿名 ; 10-09,09:17 (#1551439) Reply
      - 大多数情况下是可以算法识别的，车移动就可以辨别出2D图像。再说了谁会在马路上立堵墙再画上路画上大门 - 匿名 ; 10-09,10:15 (#1551454) Reply
        
        说了，建筑工地，展示将建什么 - 匿名 ; 10-09,11:51 (#1551477) Reply