c*a
2 楼
我前两天跑长途已经试过了。进步明显。可以预期接着进步，其他公司越装作无所谓，
差距越大
差距越大
r*m
3 楼
注意看tesla变魔术了，前一秒还是一辆车，下一秒变成两辆， LOL
说明tesla对周边的检测还是相当粗糙的，
这也解释了为啥tesla简单的cut-in 都无法处理好
【在 t*********r 的大作中提到】
: pretty good!
说明tesla对周边的检测还是相当粗糙的，
这也解释了为啥tesla简单的cut-in 都无法处理好
【在 t*********r 的大作中提到】
: pretty good!
m*a
4 楼
所有没有lidar的系统都是这个水平
附近车的形状大小，都只能判断的模模糊糊。
【在 r**m 的大作中提到】
: 注意看tesla变魔术了，前一秒还是一辆车，下一秒变成两辆， LOL
: 说明tesla对周边的检测还是相当粗糙的，
: 这也解释了为啥tesla简单的cut-in 都无法处理好
附近车的形状大小，都只能判断的模模糊糊。
【在 r**m 的大作中提到】
: 注意看tesla变魔术了，前一秒还是一辆车，下一秒变成两辆， LOL
: 说明tesla对周边的检测还是相当粗糙的，
: 这也解释了为啥tesla简单的cut-in 都无法处理好
f*e
5 楼
屏幕上的render和系统内部的识别是两套内容。屏幕上的render现在做的很差，有时候
车里的稍微近点（大概也还有20厘米的距离），屏幕上的render给我显示的那辆车都和
我的车部分重合了。但车辆控制上也正常运行
【在 r**m 的大作中提到】
: 注意看tesla变魔术了，前一秒还是一辆车，下一秒变成两辆， LOL
: 说明tesla对周边的检测还是相当粗糙的，
: 这也解释了为啥tesla简单的cut-in 都无法处理好
车里的稍微近点（大概也还有20厘米的距离），屏幕上的render给我显示的那辆车都和
我的车部分重合了。但车辆控制上也正常运行
【在 r**m 的大作中提到】
: 注意看tesla变魔术了，前一秒还是一辆车，下一秒变成两辆， LOL
: 说明tesla对周边的检测还是相当粗糙的，
: 这也解释了为啥tesla简单的cut-in 都无法处理好
m*a
6 楼
这绝对是识别的问题，不是什么render的问题，傻瓜才做两套体系，还把差的一套画出
来给用户看
洗地不是这么洗的
【在 f*******e 的大作中提到】
: 屏幕上的render和系统内部的识别是两套内容。屏幕上的render现在做的很差，有时候
: 车里的稍微近点（大概也还有20厘米的距离），屏幕上的render给我显示的那辆车都和
: 我的车部分重合了。但车辆控制上也正常运行
来给用户看
洗地不是这么洗的
【在 f*******e 的大作中提到】
: 屏幕上的render和系统内部的识别是两套内容。屏幕上的render现在做的很差，有时候
: 车里的稍微近点（大概也还有20厘米的距离），屏幕上的render给我显示的那辆车都和
: 我的车部分重合了。但车辆控制上也正常运行
f*e
7 楼
靠，我都说了，render能画出两个车重合的情况，要是一个体系不早撞了？自动驾驶系
统的识别和屏幕上画给用户看得完全不是一回事儿。不懂就别瞎叫唤。
【在 m****a 的大作中提到】
: 这绝对是识别的问题，不是什么render的问题，傻瓜才做两套体系，还把差的一套画出
: 来给用户看
: 洗地不是这么洗的
统的识别和屏幕上画给用户看得完全不是一回事儿。不懂就别瞎叫唤。
【在 m****a 的大作中提到】
: 这绝对是识别的问题，不是什么render的问题，傻瓜才做两套体系，还把差的一套画出
: 来给用户看
: 洗地不是这么洗的
X*8
8 楼
我觉得Tesla的自动驾驶远不成熟，什么时候Google的到了应用或许一试，毕竟人家到
应用前有很多测试，但从没有听说Tesla有前期测试。
应用前有很多测试，但从没有听说Tesla有前期测试。
g*1
9 楼
看看这篇文章，你可能对这代AI,有更多的理解，虽然文章有些地方描述并不准确。
虽然特斯拉 CEO Elon Musk 经常立下一些看似不可能实现的承诺，但经历几次跳票后
，他往往能神奇的实现目标，比如让万年赔钱的特斯拉实现盈利。
最近，他第 N 次提及特斯拉的全自动驾驶时间表，话语依然是那么的自信。这让我们
不得不重新审视，一直对激光雷达视而不见的特斯拉到底特别在哪，它能趟出一条与众
不同的自动驾驶之路吗？
与其他厂商相比，特斯拉有一大隐藏优势，那就是它售卖的车型都是不折不扣的联网车
型，因此特斯拉能用这几十万台车采集的数据来训练 Autopilot 系统并找出自动驾驶
的“门道”，随后再通过推送提升这个庞大车队的自动驾驶能力。
其实从核心来看，Autopilot 的工作原理与其它自动与半自动驾驶系统类似，即系统应
用之前，特斯拉会从车辆传感器（比如前置摄像头）采集数据。
随后，Musk 会花钱找专业公司为图像数据中的车辆和其他物体打上数字标记。接着，
特斯拉会将一些图像数据反哺给神经网络，让它去识别各种范式（主要是其他车辆和它
们的行驶方式）。通过不断训练，神经网络的学习能力会越来越强。
这个过程就是自动驾驶行业普遍应用的“神经网络训练”。消息人士表示，为了加快速
度，特斯拉准备了成千上万块微型芯片（即 GPU）来同时训练神经网络。
据了解，除了用摄像头和雷达采集常规数据，Autopilot 团队还能要求车辆采集特定的
数据，比如车辆相遇或从自行车、卡车旁经过时的数据。这样一来，他们就能训练神经
网络自动识别这些擦肩而过的物体。
Autopilot 模式打开时，软件会将摄像头、雷达和超声波传感器采集到的实时数据进行
整合，而已经“训练”许久的神经网络会试图预测物体短期内的运动方向。基于神经网
络给出的指导，软件会最终决定车辆行驶路线。
不过在软件工作方式的细节上，特斯拉和其它厂商却有较大差别，而且 Musk 还始终咬
定激光雷达没有必要，现有的摄像头、雷达和超声波传感器能提供充足的路面数据了。
行为克隆
知情人士表示，即使 Autopilot 模式处在关闭状态，摄像头和其它传感器也能采集大
量数据，供 Autopilot 团队分析人类司机在各种情况下的驾驶方式并对其进行模仿。
随后，Autopilot 就会利用这一附加因素规划车辆在特殊情况下的驾驶方式，比如如何
走曲线或躲避障碍。业内将这种方法叫做“行为克隆”。
不过，这种方式当然也有自己局限，它教不会自动驾驶系统如何处理那些不易预测的危
险情况。这也是许多公司依赖这项技术时小心翼翼的原因。
当然，特斯拉的工程师相信，只要能从规规矩矩的人类司机那里拿到足够的数据，神经
网络就能学会如何直接预测最佳的转弯、刹车和加速时机（大部分情况下）。
一位参与了 Autopilot 开发的技术人员表示，“你完全不需要其它东西”来教导系统
如何自动驾驶。特斯拉甚至认为未来程序员连代码都不用写，在遇到特殊情况时
Autopilot 自己知道该怎么做。
事实上，“行为克隆”这种方法已经被许多自动驾驶开发者所摒弃。他们担心以这样的
方式依赖神经网络，一旦发生事故就很难推演出真正的原因，毕竟神经网络如何做决定
还是个未解之谜。
在人工智能能完全接管车辆之前，特斯拉必须慢慢来。这就意味着它会让神经网络接手
一部分代码编制工作，特斯拉 Autopilot 愿景团队主管 Andrej Karpathy 将其称为“
软件 2.0”。
知情人士表示，特斯拉的开发版 Autopilot 系统就依赖于这样的神经网络，它能找出
哪些传感器的读数是一致的，这也是传感器融合的一部分（有些厂商也在利用这种方法
，但与特斯拉有所不同）。据悉，在告诉 Autopilot 如何找到一致读数的问题上，特
斯拉神经网络的代码创作能力已经比程序员强了。
“影子模式”
关于特斯拉“影子模式”的价值，业内也众说纷纭。
说实话，这也是特斯拉的一大法宝，“影子模式”能在不影响车辆正常行驶的情况下运
行实验软件。随后，工程师就能以获取的数据为基础，比对实验软件和人类司机选择的
差异。同时，Autopilot 团队还能在“影子模式”下比对软件和人类在相同情况下所作
反应的差异。
不过，在“影子模式”下，工程师就看不到路上其他车辆如何做出反应，因此外界批评
该模式价值有限。此外，还有专家指出，特斯拉根本不知道人类驾驶员眼睛看到了什么
，也许人眼获取的信息比 Autopilot 要丰富得多，毕竟在目标识别能力上有时候传感
器还是稍逊一筹。
最为关键的是，在现实中 Autopilot 可没少犯错，一旦驾驶员思想开了小差，就有可
能发生车毁人亡的悲剧。今年 3 月，就有一位苹果工程师在 Autopilot 开启的情况下
丢了性命。痛定思痛，Autopilot 团队也一直在努力，他们想阻止车辆撞上护栏，或者
说给驾驶员足够的刹车时间。
在随后的更新中，Autopilot 也进步巨大。内部数据显示，面对路中间的静止车辆时，
它及时召唤出了自动刹车功能，而此前这一直是特斯拉最为头疼的问题。
虽然特斯拉并未公布具体数据以支撑自己的论据，但在 Musk 看来，当下 Autopilot
的自动转向功能已经比人类司机更强大了。
CEO 玩命当小白鼠
当然，还有一点不同不能忽略，那就是 Musk 甘愿为 Autopilot 当小白鼠。
每周他都会与 Autopilot 项目的主管和工程师们开会，不过会场并非弗雷蒙特的办公
室，而是 Musk 自己的 Model S 里。
Musk 会在 Autopilot 模式下与员工通话，这样做不但能节省时间，还能顺道测试最新
的开发版 Autopilot，有时他在路上遇到了问题，就会即时反馈给工程师们（
Autopilot 躲避疯狂大卡车的技能就是 Musk 亲自主导的）。
事实上，Musk 比上面一段描述的还要激进，他的 Model S 简直就是一台“工程机”，
Musk 甚至能自行调整一些 Autopilot 的参数配置。消息人士称，Musk 有时候会把车
调的比公司的测试车还疯狂，他会将 Model S 推向极限，车辆的自动跟车距离、变道
果断性都会让人惊出一身冷汗。
Musk 甘愿这样“奉献”自己也彰显了 Autopilot 对特斯拉的重要性，毕竟这项功能对
支撑特斯拉股价意义重大。他还曾暗示，未来特斯拉可能会利用 Autopilot 开通自动
驾驶打车服务。
Autopilot 正式上线还不到一年时，一场致命交通事故曾给特斯拉泼了一盆冷水。当时
，每周都会曝出与 Autopilot 有关的事故，而这些事故都有一个特点，那就是司机过
度依赖技术。
不过，Musk 可不在乎这些外部噪音。
他在内部大会上甚至慷慨激昂的表示，与其花十年时间打磨好了 Autopilot 再发布，
还不如现在就去阻止事故并拯救生命。如果为了逃避法律责任就不去为这个世界做贡献
，完全是懦夫的行为。
“我们做的不是让人舒服的事，而是真正正确的事。”Musk 说道。
: 我觉得Tesla的自动驾驶远不成熟，什么时候Google的到了应用或许一试，毕竟
人家到
: 应用前有很多测试，但从没有听说Tesla有前期测试。
【在 X*******8 的大作中提到】
: 我觉得Tesla的自动驾驶远不成熟，什么时候Google的到了应用或许一试，毕竟人家到
: 应用前有很多测试，但从没有听说Tesla有前期测试。
虽然特斯拉 CEO Elon Musk 经常立下一些看似不可能实现的承诺，但经历几次跳票后
，他往往能神奇的实现目标，比如让万年赔钱的特斯拉实现盈利。
最近，他第 N 次提及特斯拉的全自动驾驶时间表，话语依然是那么的自信。这让我们
不得不重新审视，一直对激光雷达视而不见的特斯拉到底特别在哪，它能趟出一条与众
不同的自动驾驶之路吗？
与其他厂商相比，特斯拉有一大隐藏优势，那就是它售卖的车型都是不折不扣的联网车
型，因此特斯拉能用这几十万台车采集的数据来训练 Autopilot 系统并找出自动驾驶
的“门道”，随后再通过推送提升这个庞大车队的自动驾驶能力。
其实从核心来看，Autopilot 的工作原理与其它自动与半自动驾驶系统类似，即系统应
用之前，特斯拉会从车辆传感器（比如前置摄像头）采集数据。
随后，Musk 会花钱找专业公司为图像数据中的车辆和其他物体打上数字标记。接着，
特斯拉会将一些图像数据反哺给神经网络，让它去识别各种范式（主要是其他车辆和它
们的行驶方式）。通过不断训练，神经网络的学习能力会越来越强。
这个过程就是自动驾驶行业普遍应用的“神经网络训练”。消息人士表示，为了加快速
度，特斯拉准备了成千上万块微型芯片（即 GPU）来同时训练神经网络。
据了解，除了用摄像头和雷达采集常规数据，Autopilot 团队还能要求车辆采集特定的
数据，比如车辆相遇或从自行车、卡车旁经过时的数据。这样一来，他们就能训练神经
网络自动识别这些擦肩而过的物体。
Autopilot 模式打开时，软件会将摄像头、雷达和超声波传感器采集到的实时数据进行
整合，而已经“训练”许久的神经网络会试图预测物体短期内的运动方向。基于神经网
络给出的指导，软件会最终决定车辆行驶路线。
不过在软件工作方式的细节上，特斯拉和其它厂商却有较大差别，而且 Musk 还始终咬
定激光雷达没有必要，现有的摄像头、雷达和超声波传感器能提供充足的路面数据了。
行为克隆
知情人士表示，即使 Autopilot 模式处在关闭状态，摄像头和其它传感器也能采集大
量数据，供 Autopilot 团队分析人类司机在各种情况下的驾驶方式并对其进行模仿。
随后，Autopilot 就会利用这一附加因素规划车辆在特殊情况下的驾驶方式，比如如何
走曲线或躲避障碍。业内将这种方法叫做“行为克隆”。
不过，这种方式当然也有自己局限，它教不会自动驾驶系统如何处理那些不易预测的危
险情况。这也是许多公司依赖这项技术时小心翼翼的原因。
当然，特斯拉的工程师相信，只要能从规规矩矩的人类司机那里拿到足够的数据，神经
网络就能学会如何直接预测最佳的转弯、刹车和加速时机（大部分情况下）。
一位参与了 Autopilot 开发的技术人员表示，“你完全不需要其它东西”来教导系统
如何自动驾驶。特斯拉甚至认为未来程序员连代码都不用写，在遇到特殊情况时
Autopilot 自己知道该怎么做。
事实上，“行为克隆”这种方法已经被许多自动驾驶开发者所摒弃。他们担心以这样的
方式依赖神经网络，一旦发生事故就很难推演出真正的原因，毕竟神经网络如何做决定
还是个未解之谜。
在人工智能能完全接管车辆之前，特斯拉必须慢慢来。这就意味着它会让神经网络接手
一部分代码编制工作，特斯拉 Autopilot 愿景团队主管 Andrej Karpathy 将其称为“
软件 2.0”。
知情人士表示，特斯拉的开发版 Autopilot 系统就依赖于这样的神经网络，它能找出
哪些传感器的读数是一致的，这也是传感器融合的一部分（有些厂商也在利用这种方法
，但与特斯拉有所不同）。据悉，在告诉 Autopilot 如何找到一致读数的问题上，特
斯拉神经网络的代码创作能力已经比程序员强了。
“影子模式”
关于特斯拉“影子模式”的价值，业内也众说纷纭。
说实话，这也是特斯拉的一大法宝，“影子模式”能在不影响车辆正常行驶的情况下运
行实验软件。随后，工程师就能以获取的数据为基础，比对实验软件和人类司机选择的
差异。同时，Autopilot 团队还能在“影子模式”下比对软件和人类在相同情况下所作
反应的差异。
不过，在“影子模式”下，工程师就看不到路上其他车辆如何做出反应，因此外界批评
该模式价值有限。此外，还有专家指出，特斯拉根本不知道人类驾驶员眼睛看到了什么
，也许人眼获取的信息比 Autopilot 要丰富得多，毕竟在目标识别能力上有时候传感
器还是稍逊一筹。
最为关键的是，在现实中 Autopilot 可没少犯错，一旦驾驶员思想开了小差，就有可
能发生车毁人亡的悲剧。今年 3 月，就有一位苹果工程师在 Autopilot 开启的情况下
丢了性命。痛定思痛，Autopilot 团队也一直在努力，他们想阻止车辆撞上护栏，或者
说给驾驶员足够的刹车时间。
在随后的更新中，Autopilot 也进步巨大。内部数据显示，面对路中间的静止车辆时，
它及时召唤出了自动刹车功能，而此前这一直是特斯拉最为头疼的问题。
虽然特斯拉并未公布具体数据以支撑自己的论据，但在 Musk 看来，当下 Autopilot
的自动转向功能已经比人类司机更强大了。
CEO 玩命当小白鼠
当然，还有一点不同不能忽略，那就是 Musk 甘愿为 Autopilot 当小白鼠。
每周他都会与 Autopilot 项目的主管和工程师们开会，不过会场并非弗雷蒙特的办公
室，而是 Musk 自己的 Model S 里。
Musk 会在 Autopilot 模式下与员工通话，这样做不但能节省时间，还能顺道测试最新
的开发版 Autopilot，有时他在路上遇到了问题，就会即时反馈给工程师们（
Autopilot 躲避疯狂大卡车的技能就是 Musk 亲自主导的）。
事实上，Musk 比上面一段描述的还要激进，他的 Model S 简直就是一台“工程机”，
Musk 甚至能自行调整一些 Autopilot 的参数配置。消息人士称，Musk 有时候会把车
调的比公司的测试车还疯狂，他会将 Model S 推向极限，车辆的自动跟车距离、变道
果断性都会让人惊出一身冷汗。
Musk 甘愿这样“奉献”自己也彰显了 Autopilot 对特斯拉的重要性，毕竟这项功能对
支撑特斯拉股价意义重大。他还曾暗示，未来特斯拉可能会利用 Autopilot 开通自动
驾驶打车服务。
Autopilot 正式上线还不到一年时，一场致命交通事故曾给特斯拉泼了一盆冷水。当时
，每周都会曝出与 Autopilot 有关的事故，而这些事故都有一个特点，那就是司机过
度依赖技术。
不过，Musk 可不在乎这些外部噪音。
他在内部大会上甚至慷慨激昂的表示，与其花十年时间打磨好了 Autopilot 再发布，
还不如现在就去阻止事故并拯救生命。如果为了逃避法律责任就不去为这个世界做贡献
，完全是懦夫的行为。
“我们做的不是让人舒服的事，而是真正正确的事。”Musk 说道。
: 我觉得Tesla的自动驾驶远不成熟，什么时候Google的到了应用或许一试，毕竟
人家到
: 应用前有很多测试，但从没有听说Tesla有前期测试。
【在 X*******8 的大作中提到】
: 我觉得Tesla的自动驾驶远不成熟，什么时候Google的到了应用或许一试，毕竟人家到
: 应用前有很多测试，但从没有听说Tesla有前期测试。
g*1
10 楼
Lidar价格居高不下，距离商用还有距离，还要装备汽车，积累学习数据，现在的互联
网发展速度根本耗不起。而且还有很多处理不好的环境。更重要的是，tesla可以把
Lidar数据模型建立好，等价便宜了，每个汽车至多就升级插上硬件，把设计好的数据
模型和现有发展的一结合，很多现有设备处理不好情况立刻可以解决，lidar和现有雷
达加摄像头，这两者不是矛盾而是可以相互配合，这样就直接pk掉所有其
他的自动驾驶。总的来说，Lidar的普及会更快消灭其他的搞自动驾驶的系统，而不是
翻盘。
: 所有没有lidar的系统都是这个水平
: 附近车的形状大小，都只能判断的模模糊糊。
【在 m****a 的大作中提到】
: 这绝对是识别的问题，不是什么render的问题，傻瓜才做两套体系，还把差的一套画出
: 来给用户看
: 洗地不是这么洗的
网发展速度根本耗不起。而且还有很多处理不好的环境。更重要的是，tesla可以把
Lidar数据模型建立好，等价便宜了，每个汽车至多就升级插上硬件，把设计好的数据
模型和现有发展的一结合，很多现有设备处理不好情况立刻可以解决，lidar和现有雷
达加摄像头，这两者不是矛盾而是可以相互配合，这样就直接pk掉所有其
他的自动驾驶。总的来说，Lidar的普及会更快消灭其他的搞自动驾驶的系统，而不是
翻盘。
: 所有没有lidar的系统都是这个水平
: 附近车的形状大小，都只能判断的模模糊糊。
【在 m****a 的大作中提到】
: 这绝对是识别的问题，不是什么render的问题，傻瓜才做两套体系，还把差的一套画出
: 来给用户看
: 洗地不是这么洗的
X*8
11 楼
没成熟之前，方向盘还是掌握在我自己手里好。其他人愿意为此积累数据我干吗反对。
我目前的车不管哪个方面都不逊色Tesla。实在没有去当测试积累数据的动力。
【在 g**********1 的大作中提到】
: 看看这篇文章，你可能对这代AI,有更多的理解，虽然文章有些地方描述并不准确。
: 虽然特斯拉 CEO Elon Musk 经常立下一些看似不可能实现的承诺，但经历几次跳票后
: ，他往往能神奇的实现目标，比如让万年赔钱的特斯拉实现盈利。
: 最近，他第 N 次提及特斯拉的全自动驾驶时间表，话语依然是那么的自信。这让我们
: 不得不重新审视，一直对激光雷达视而不见的特斯拉到底特别在哪，它能趟出一条与众
: 不同的自动驾驶之路吗？
: 与其他厂商相比，特斯拉有一大隐藏优势，那就是它售卖的车型都是不折不扣的联网车
: 型，因此特斯拉能用这几十万台车采集的数据来训练 Autopilot 系统并找出自动驾驶
: 的“门道”，随后再通过推送提升这个庞大车队的自动驾驶能力。
: 其实从核心来看，Autopilot 的工作原理与其它自动与半自动驾驶系统类似，即系统应
我目前的车不管哪个方面都不逊色Tesla。实在没有去当测试积累数据的动力。
【在 g**********1 的大作中提到】
: 看看这篇文章，你可能对这代AI,有更多的理解，虽然文章有些地方描述并不准确。
: 虽然特斯拉 CEO Elon Musk 经常立下一些看似不可能实现的承诺，但经历几次跳票后
: ，他往往能神奇的实现目标，比如让万年赔钱的特斯拉实现盈利。
: 最近，他第 N 次提及特斯拉的全自动驾驶时间表，话语依然是那么的自信。这让我们
: 不得不重新审视，一直对激光雷达视而不见的特斯拉到底特别在哪，它能趟出一条与众
: 不同的自动驾驶之路吗？
: 与其他厂商相比，特斯拉有一大隐藏优势，那就是它售卖的车型都是不折不扣的联网车
: 型，因此特斯拉能用这几十万台车采集的数据来训练 Autopilot 系统并找出自动驾驶
: 的“门道”，随后再通过推送提升这个庞大车队的自动驾驶能力。
: 其实从核心来看，Autopilot 的工作原理与其它自动与半自动驾驶系统类似，即系统应
c*a
12 楼
最近的使用，让我相信特斯拉走在正确的路上，一骑绝尘。大大缓解司机疲劳，大大提
高旅途安全。大赞！！
高旅途安全。大赞！！
a*e
13 楼
每次AI改进都得靠撞隔离墩
不成熟还大部分情况可用的东西最容易让人产生不该有的依赖
【在 g**********1 的大作中提到】
: 看看这篇文章，你可能对这代AI,有更多的理解，虽然文章有些地方描述并不准确。
: 虽然特斯拉 CEO Elon Musk 经常立下一些看似不可能实现的承诺，但经历几次跳票后
: ，他往往能神奇的实现目标，比如让万年赔钱的特斯拉实现盈利。
: 最近，他第 N 次提及特斯拉的全自动驾驶时间表，话语依然是那么的自信。这让我们
: 不得不重新审视，一直对激光雷达视而不见的特斯拉到底特别在哪，它能趟出一条与众
: 不同的自动驾驶之路吗？
: 与其他厂商相比，特斯拉有一大隐藏优势，那就是它售卖的车型都是不折不扣的联网车
: 型，因此特斯拉能用这几十万台车采集的数据来训练 Autopilot 系统并找出自动驾驶
: 的“门道”，随后再通过推送提升这个庞大车队的自动驾驶能力。
: 其实从核心来看，Autopilot 的工作原理与其它自动与半自动驾驶系统类似，即系统应
不成熟还大部分情况可用的东西最容易让人产生不该有的依赖
【在 g**********1 的大作中提到】
: 看看这篇文章，你可能对这代AI,有更多的理解，虽然文章有些地方描述并不准确。
: 虽然特斯拉 CEO Elon Musk 经常立下一些看似不可能实现的承诺，但经历几次跳票后
: ，他往往能神奇的实现目标，比如让万年赔钱的特斯拉实现盈利。
: 最近，他第 N 次提及特斯拉的全自动驾驶时间表，话语依然是那么的自信。这让我们
: 不得不重新审视，一直对激光雷达视而不见的特斯拉到底特别在哪，它能趟出一条与众
: 不同的自动驾驶之路吗？
: 与其他厂商相比，特斯拉有一大隐藏优势，那就是它售卖的车型都是不折不扣的联网车
: 型，因此特斯拉能用这几十万台车采集的数据来训练 Autopilot 系统并找出自动驾驶
: 的“门道”，随后再通过推送提升这个庞大车队的自动驾驶能力。
: 其实从核心来看，Autopilot 的工作原理与其它自动与半自动驾驶系统类似，即系统应
y*e
14 楼
请问您开的什么神奇的车？ 不管那个方面都这么强
【在 X*******8 的大作中提到】
: 没成熟之前，方向盘还是掌握在我自己手里好。其他人愿意为此积累数据我干吗反对。
: 我目前的车不管哪个方面都不逊色Tesla。实在没有去当测试积累数据的动力。
【在 X*******8 的大作中提到】
: 没成熟之前，方向盘还是掌握在我自己手里好。其他人愿意为此积累数据我干吗反对。
: 我目前的车不管哪个方面都不逊色Tesla。实在没有去当测试积累数据的动力。
k*r
15 楼
I guess he drives a CT6.
【在 y**********e 的大作中提到】
: 请问您开的什么神奇的车？ 不管那个方面都这么强
【在 y**********e 的大作中提到】
: 请问您开的什么神奇的车？ 不管那个方面都这么强
X*8
16 楼
我想没必要告诉你啦，只是觉得你们认为Tesla的好处我要么不缺要么不care：
加速快？好像我每次在路口都是第一个出去的，我倒不以这个为骄傲，毕竟安全第一，
况且我好像也不需要这个快，高速想超谁的车还很少有困难的；
省油？还真不在乎这点油钱；
舒适？我的车蛮舒适的；
安静？好像坐过我的车的朋友都说怎么你的车这么安静，在里面都听不到发动机的声音；
音响？本人不大care，只听听收音机，再好我也感觉不出来；
自动驾驶？我说了，方向盘还是掌握在我自己手里好，成熟了我也会用；
安全？曾经车被一个Truck追尾过，我的车后bumper有轻微损伤，还是蛮安全的。
【在 y**********e 的大作中提到】
: 请问您开的什么神奇的车？ 不管那个方面都这么强
加速快？好像我每次在路口都是第一个出去的，我倒不以这个为骄傲，毕竟安全第一，
况且我好像也不需要这个快，高速想超谁的车还很少有困难的；
省油？还真不在乎这点油钱；
舒适？我的车蛮舒适的；
安静？好像坐过我的车的朋友都说怎么你的车这么安静，在里面都听不到发动机的声音；
音响？本人不大care，只听听收音机，再好我也感觉不出来；
自动驾驶？我说了，方向盘还是掌握在我自己手里好，成熟了我也会用；
安全？曾经车被一个Truck追尾过，我的车后bumper有轻微损伤，还是蛮安全的。
【在 y**********e 的大作中提到】
: 请问您开的什么神奇的车？ 不管那个方面都这么强
相关阅读
trade-in在lease的情况下会省税吗?Audi Allroads人民轿车1.6TSI输出544hp悲催阿。。倒车撞到了私自停在自家driveway的ups的卡车，算谁的责任？A question about collision,意大利对哥斯达黎加真好看打算尝试一下标车了，大家谁有经验？破财消灾，换了后备箱玻璃开摩托车都是不要命的?laoselang能不能讲讲fusion普通型，跟hybrid和energi考平趴时，后轮可以轻轻撞到路沿么？换cabin air filter关于 truecar在dealer那边买二手车大概能讨价还价多少啊2015 Mazda CX-5 vs. 2014 Subaru Forester2012 FORD FUSION SEL SPORT请教，买二手路虎这个价格怎么样？请教买车贷款的问题大家帮忙看看这个车如何跨州买车的可能性