[马斯克] 大手笔!马斯克为了一己私利 还是造福全人类?
起初的规则算法，是尝试让辅助驾驶系统理解人类世界运行的逻辑，并严格执行。
如果理解有困难，就加上BEV“鸟瞰图”、Occupancy“2D转3D”、高精度地图等各种技术，配上激光雷达和毫米波雷达的3D点云数据，先让它看清这个世界。
但规则算法，没办法穷举所有的极端案例，并把这些写进系统里。算法越复杂，对算力的要求就越高；遇到没见过的场景，还会突然懵逼、愣在原地。
所以，才出现了端到端算法和VLM大模型。
在这一阶段，辅助驾驶系统会观察人类司机，模仿学习他们在遇到特殊情况下的操作，同时在每个时间点用人类语言解释“遇到了什么情况、为什么要这么做”。
这就有点像成千上万个老司机手把手带同一个徒弟，事后还会复盘、反思、整改，学得非常快。
然而弊端是，身为“老司机合集”的它会继承人类司机的坏习惯，也没有真正理解背后的物理世界和交规的安全原则。
于是，VLA大模型和世界模型横空出世，让强化学习成了业界公认的主流方案。
从学习人类怎么开车、到自己探索怎么开车……只要数据够多、模拟出的场景够多，辅助驾驶系统就能在不断的试错中，找到适合的最优解。
但它的天花板，最多只是“最强老司机”。距离真正的自动驾驶，依然有很长的路要走。
要想做到L4，不只是“具备自动驾驶能力”，还要留出更多的冗余设计、验证安全性和可靠性，还需要通过一系列法规的考核。
在不久的将来，一定会有新一代的技术出现，推动辅助驾驶进一步向自动驾驶发展。
至于这次的领头羊还会不会是特斯拉？
那就要看中国品牌的进步速度，够不够快了。
这家最好！股市开户分批买入大盘股指基金
[加西网正招聘多名全职sales 待遇优]
无评论不新闻，发表一下您的意见吧
如果理解有困难，就加上BEV“鸟瞰图”、Occupancy“2D转3D”、高精度地图等各种技术，配上激光雷达和毫米波雷达的3D点云数据，先让它看清这个世界。
但规则算法，没办法穷举所有的极端案例，并把这些写进系统里。算法越复杂，对算力的要求就越高；遇到没见过的场景，还会突然懵逼、愣在原地。
所以，才出现了端到端算法和VLM大模型。
在这一阶段，辅助驾驶系统会观察人类司机，模仿学习他们在遇到特殊情况下的操作，同时在每个时间点用人类语言解释“遇到了什么情况、为什么要这么做”。
这就有点像成千上万个老司机手把手带同一个徒弟，事后还会复盘、反思、整改，学得非常快。
然而弊端是，身为“老司机合集”的它会继承人类司机的坏习惯，也没有真正理解背后的物理世界和交规的安全原则。
于是，VLA大模型和世界模型横空出世，让强化学习成了业界公认的主流方案。
从学习人类怎么开车、到自己探索怎么开车……只要数据够多、模拟出的场景够多，辅助驾驶系统就能在不断的试错中，找到适合的最优解。
但它的天花板，最多只是“最强老司机”。距离真正的自动驾驶，依然有很长的路要走。
要想做到L4，不只是“具备自动驾驶能力”，还要留出更多的冗余设计、验证安全性和可靠性，还需要通过一系列法规的考核。
在不久的将来，一定会有新一代的技术出现，推动辅助驾驶进一步向自动驾驶发展。
至于这次的领头羊还会不会是特斯拉？
那就要看中国品牌的进步速度，够不够快了。
这家最好！股市开户分批买入大盘股指基金
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 | 更多... |
推荐: