[馬斯克] 大手筆!馬斯克為了壹己私利 還是造福全人類?
起初的規則算法，是嘗試讓輔助駕駛系統理解人類世界運行的邏輯，並嚴格執行。
如果理解有困難，就加上BEV“鳥瞰圖”、Occupancy“2D轉3D”、高精度地圖等各種技術，配上激光雷達和毫米波雷達的3D點雲數據，先讓它看清這個世界。
但規則算法，沒辦法窮舉所有的極端案例，並把這些寫進系統裡。算法越復雜，對算力的要求就越高；遇到沒見過的場景，還會突然懵逼、愣在原地。
所以，才出現了端到端算法和VLM大模型。
在這壹階段，輔助駕駛系統會觀察人類司機，模仿學習他們在遇到特殊情況下的操作，同時在每個時間點用人類語言解釋“遇到了什麼情況、為什麼要這麼做”。
這就有點像成千上萬個老司機手把手帶同壹個徒弟，事後還會復盤、反思、整改，學得非常快。
然而弊端是，身為“老司機合集”的它會繼承人類司機的壞習慣，也沒有真正理解背後的物理世界和交規的安全原則。
於是，VLA大模型和世界模型橫空出世，讓強化學習成了業界公認的主流方案。
從學習人類怎麼開車、到自己探索怎麼開車……只要數據夠多、模擬出的場景夠多，輔助駕駛系統就能在不斷的試錯中，找到適合的最優解。
但它的天花板，最多只是“最強老司機”。距離真正的自動駕駛，依然有很長的路要走。
要想做到L4，不只是“具備自動駕駛能力”，還要留出更多的冗余設計、驗證安全性和可靠性，還需要通過壹系列法規的考核。
在不久的將來，壹定會有新壹代的技術出現，推動輔助駕駛進壹步向自動駕駛發展。
至於這次的領頭羊還會不會是特斯拉？
那就要看中國品牌的進步速度，夠不夠快了。
這家最好！股市開戶分批買入大盤股指基金
[加西網正招聘多名全職sales 待遇優]
無評論不新聞，發表壹下您的意見吧
如果理解有困難，就加上BEV“鳥瞰圖”、Occupancy“2D轉3D”、高精度地圖等各種技術，配上激光雷達和毫米波雷達的3D點雲數據，先讓它看清這個世界。
但規則算法，沒辦法窮舉所有的極端案例，並把這些寫進系統裡。算法越復雜，對算力的要求就越高；遇到沒見過的場景，還會突然懵逼、愣在原地。
所以，才出現了端到端算法和VLM大模型。
在這壹階段，輔助駕駛系統會觀察人類司機，模仿學習他們在遇到特殊情況下的操作，同時在每個時間點用人類語言解釋“遇到了什麼情況、為什麼要這麼做”。
這就有點像成千上萬個老司機手把手帶同壹個徒弟，事後還會復盤、反思、整改，學得非常快。
然而弊端是，身為“老司機合集”的它會繼承人類司機的壞習慣，也沒有真正理解背後的物理世界和交規的安全原則。
於是，VLA大模型和世界模型橫空出世，讓強化學習成了業界公認的主流方案。
從學習人類怎麼開車、到自己探索怎麼開車……只要數據夠多、模擬出的場景夠多，輔助駕駛系統就能在不斷的試錯中，找到適合的最優解。
但它的天花板，最多只是“最強老司機”。距離真正的自動駕駛，依然有很長的路要走。
要想做到L4，不只是“具備自動駕駛能力”，還要留出更多的冗余設計、驗證安全性和可靠性，還需要通過壹系列法規的考核。
在不久的將來，壹定會有新壹代的技術出現，推動輔助駕駛進壹步向自動駕駛發展。
至於這次的領頭羊還會不會是特斯拉？
那就要看中國品牌的進步速度，夠不夠快了。
這家最好！股市開戶分批買入大盤股指基金
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: