要实现自动驾驶,有两个关键,一是数据二是标注、训练数据的速度、成本。mobileye还停留在LCC、ACC的L2阶段,城市路况的复杂度必须要用像特斯拉的BEV模型,mobileye没有任何机会,特斯拉有所有车企最庞大的数据量以及车控操作系统、fsd芯片、云端训练数据的dojo芯片以及训练平台,顺利的话明年会取代英伟达的GPU,这几个能力,没有任何一家公司接近的,有可能跟上的有华为、百度、蔚小理、豪末智行
要实现自动驾驶,有两个关键,一是数据二是标注、训练数据的速度、成本。mobileye还停留在LCC、ACC的L2阶段,城市路况的复杂度必须要用像特斯拉的BEV模型,mobileye没有任何机会,特斯拉有所有车企最庞大的数据量以及车控操作系统、fsd芯片、云端训练数据的dojo芯片以及训练平台,顺利的话明年会取代英伟达的GPU,这几个能力,没有任何一家公司接近的,有可能跟上的有华为、百度、蔚小理、豪末智行
自动驾驶最大的意义就是城市堵车,高速自动驾驶我是不信的,永远比坐飞机风险高数倍,因为你自身再怎么安全,周围的操蛋车确永远有颗不安分的心
个人觉得自动驾驶的最大悖论是对手盘问题。即如果马路上所有的车都是自动驾驶的,那么这个问题处理起来不难。但如果是让一个机器和一个人同场博弈,特别是人的思想状态是开放的,那么机器怎么判断对方意图?这是无目标的判断。有时候事故本身就是走神了或者毫无原因,人本身是个情绪化的生物,机器怎么可能100%理解人的情绪?汽车大型事故本身对乘客伤害太大,会开车的没人会冒这个险。
纯视觉自动驾驶:
1,能区分道路区域和交通信号
2,能区分障碍物。
3,能制定不同状态决策秩序。
在一个专为人类设计(意思是机器需要自己去识别和理解)、参与者也全都是人类(意味着会出现无数多的计划外状况)的系统里,想要通过芯片和算法,实现和人类一样的表现,本质上,这是在要求AI具备和人相同的思考、分析与理解能力。
能够完美实现L4/L5的AI,本质上其实是个AGI(通用人工智能)。
那么,如何才能实现一个符合要求的AGI呢?对不起,人类并不晓得方法。目前来看,通过喂数据加堆算力的路径,造不出AGI来,这不是工程实践问题,而是基础理论缺失。
总之,对完美的自动驾驶,可以保持期待,但不要过分乐观。
分析的不错,不过更看好特斯拉和比亚迪,不造车是搞不好自动驾驶的
赞同
好文
先搞个自动找车位停车,消费者也愿意买单啊
也许真的需要车路协同