Redian新闻
>
我给特粉甚至广大驾驶员造个福
avatar
我给特粉甚至广大驾驶员造个福# Automobile - 车轮上的传奇
p*a
1
你们稍微google
油管上看看就知道
商业化销售的汽车,包括特斯拉在内,世界上没有一辆自动驾驶车可以做到这个:
路面上有一个静止不动的:
巨石,
or 车辆,
or 纸箱,
or 病夫,
车会直爽的怼过去,毫不犹豫,毫不减速
这是它自动算法特意指定的
根本原因在于没有lidar雷达进行高精度定位(从而计算)
所以你说深圳撞电线杆太正常了,人开还是电脑开,都避免不了撞静物
所谓防撞行人,你要明确,行人必须在动的,车才能发现。要是老头碰瓷,躺路上半天
没动,特斯拉压过去妥妥的。所有的行人防撞车都会毫不犹豫地压过去。
这里不考虑包括waymo在内的加州各种在开发的,头上顶着lidar的自动驾驶车,本来它
们也不卖给老百姓现在
妈的,版主应该赐我伪币。
avatar
d*f
2
忘说了一个更重要的功能,就是碰撞前1秒断开自驾,高喊you take over,然后黑匣子
是证据,司机全责

【在 p********a 的大作中提到】
: 你们稍微google
: 油管上看看就知道
: 商业化销售的汽车,包括特斯拉在内,世界上没有一辆自动驾驶车可以做到这个:
: 路面上有一个静止不动的:
: 巨石,
: or 车辆,
: or 纸箱,
: or 病夫,
: 车会直爽的怼过去,毫不犹豫,毫不减速
: 这是它自动算法特意指定的

avatar
p*a
3
所以你看特斯拉死亡撞车
多是撞静物
比方达拉斯去年那个撞卡车的,我判断是卡车当时在特斯拉感应距离外已经停路上(堵
车中)。所以......
avatar
C*s
4
不对,我的model 3好几次减速让路上静物了,不过有过false positive。当然有lidar
肯定最好了。
avatar
y*e
5
你黑的太没水平,能否稍微有一些技术含量?
你本来可以提一下,特斯拉的视觉识别算法的准确率和计算速度不够等等。你的感觉是
无脑黑。

子是证据,司机全责

【在 d********f 的大作中提到】
: 忘说了一个更重要的功能,就是碰撞前1秒断开自驾,高喊you take over,然后黑匣子
: 是证据,司机全责

avatar
C*s
6
这是目前图像识别的程度还达不到接近100%,虽然理论上几种信号识别机制应该是一起
作用消除这样的情况的。


: 所以你看特斯拉死亡撞车

: 多是撞静物

: 比方达拉斯去年那个撞卡车的,我判断是卡车当时在特斯拉感应距离外已经停路
上(堵

: 车中)。所以......



【在 p********a 的大作中提到】
: 所以你看特斯拉死亡撞车
: 多是撞静物
: 比方达拉斯去年那个撞卡车的,我判断是卡车当时在特斯拉感应距离外已经停路上(堵
: 车中)。所以......

avatar
g*n
7
你说的是远距离的情况。
近距离、低速 Volvo Citi Safety 是可以防止撞上行人的,设计目的就是这
avatar
d*f
8
什么技术含量,这明明就是现实发生了的情况么,现在那个101装柱子elon的律师就是
这么在打这个官司阿

【在 y**********e 的大作中提到】
: 你黑的太没水平,能否稍微有一些技术含量?
: 你本来可以提一下,特斯拉的视觉识别算法的准确率和计算速度不够等等。你的感觉是
: 无脑黑。
:
: 子是证据,司机全责

avatar
p*a
9
完全静止的,无法识别
大师,你要仔细了解下,这是算法决定的

【在 g***n 的大作中提到】
: 你说的是远距离的情况。
: 近距离、低速 Volvo Citi Safety 是可以防止撞上行人的,设计目的就是这

avatar
p*a
10
我怀疑你的路上静物是在移动的
比方一个纸箱,风吹动了它,车才能看见

lidar

【在 C*******s 的大作中提到】
: 不对,我的model 3好几次减速让路上静物了,不过有过false positive。当然有lidar
: 肯定最好了。

avatar
p*a
11
哥给你们解释一下
算法分辨不了静物
因为周围环境都是静止的,路牌,路灯,curb,bump
如果算法要考虑这些东西,算法就崩溃了
这个静物如果出现在下几秒的运行轨迹上,车一样辨识不了, 所以就车祸
换句话,换个例子说,车判断不了路面是不是平的,lol,
你们好好想想,车咋判断路面是否平整?---- 它判读不了,它只能找到分道线标志,
顺着开而已。
所以说人脑还是牛鼻阿......
avatar
g*1
12
确定可以识别,包括等红灯的,爬路边的,前几天晚上回家,路上基本没车,看到前面
路上爬了车,我就测试一下,能看到,测试有效距离和车速相关,开的慢的话就离得比
较近就能看到,开的快的话,远的距离就能看到。看到是指屏幕上rendering有车在前
面。Google上找了一些视频可能还是去年11月大较大升级前的东西
avatar
g*n
13
除了摄像头,近距离识别还有雷达。。
远距离的雷达识别不了

【在 p********a 的大作中提到】
: 完全静止的,无法识别
: 大师,你要仔细了解下,这是算法决定的

avatar
g*1
15
去年8月份的视频,就算了吧,要测至少是今年1,2月份


: 看了这个model 3测试,我还是有点惊讶,自动驾驶看来远没有达到可以托付终
身的程

: 度。

: https://www.youtube.com/watch?v=_afvgsCy39E

: vhttp://www.youtube.com/v/_afvgsCy39E



【在 g**w 的大作中提到】
: 看了这个model 3测试,我还是有点惊讶,自动驾驶看来远没有达到可以托付终身的程
: 度。
: https://www.youtube.com/watch?v=_afvgsCy39E

avatar
g*w
16
我以前以为这种情况,只要有两个相机能够成3D模型,就能判断目标方向大小形状啊,
结果还这么笨 :-)
不过俺以前列的三项购进指标没有包括autopilot的啊(只有安全,里程和价格)

【在 g**w 的大作中提到】
: 看了这个model 3测试,我还是有点惊讶,自动驾驶看来远没有达到可以托付终身的程
: 度。
: https://www.youtube.com/watch?v=_afvgsCy39E

avatar
b*6
17
去年撞的都不算
[在 gblw (川粉转黑 特黑转粉) 的大作中提到:]
:看了这个model 3测试,我还是有点惊讶,自动驾驶看来远没有达到可以托付终身的程
:度。
:https://www.youtube.com/watch?v=_afvgsCy39E
:vhttp://www.youtube.com/v/_afvgsCy39E
avatar
g*w
18
这个不管你是特黑还是特粉,的确是这个道理,就像alpha go,一个晚上就完全不一样
了,人类就再也无法战胜了

【在 b********6 的大作中提到】
: 去年撞的都不算
: [在 gblw (川粉转黑 特黑转粉) 的大作中提到:]
: :看了这个model 3测试,我还是有点惊讶,自动驾驶看来远没有达到可以托付终身的程
: :度。
: :https://www.youtube.com/watch?v=_afvgsCy39E
: :vhttp://www.youtube.com/v/_afvgsCy39E

avatar
g*n
19
立体视觉测距受相机分辨率限制,测距范围只能做到大概几米左右
人眼还是很牛鼻的,因为人眼是变焦系统,
根据变焦程度,对距离判断相当准。
相机都没法实时变焦跟踪远处目标。

【在 g**w 的大作中提到】
: 我以前以为这种情况,只要有两个相机能够成3D模型,就能判断目标方向大小形状啊,
: 结果还这么笨 :-)
: 不过俺以前列的三项购进指标没有包括autopilot的啊(只有安全,里程和价格)

avatar
b*6
20
你这是假设程序没有缺陷而且可以通过累积数据来改进对路况的理解
事实是基于摄像头的定位和物体识别有先天缺陷,软件方面,不可能在车上装超级计算
机,为了及时做出决定,软件实现算法的时候要做很多省略,留下不确定性
工业软件只要能用就不会推倒重来,对于已经暴露无数bug的特斯拉软件来说,指望软
件更新能修复还不如指望特阿拉直接买一个成熟的系统
[在 gblw (川粉转黑 特黑转粉) 的大作中提到:]
:这个不管你是特黑还是特粉,的确是这个道理,就像alpha go,一个晚上就完全不一
样了,人类就再也无法战胜了
avatar
g*n
21
计算机现在够牛比的了,Nvidia 的自驾系统都是显卡 GPU 级别的
LiDAR 还带专用处理芯片
不过特斯拉赌气不想用 LiDAR 应该是很难做了
avatar
l*a
22
Second this 绝对可以识别的

【在 g**********1 的大作中提到】
: 确定可以识别,包括等红灯的,爬路边的,前几天晚上回家,路上基本没车,看到前面
: 路上爬了车,我就测试一下,能看到,测试有效距离和车速相关,开的慢的话就离得比
: 较近就能看到,开的快的话,远的距离就能看到。看到是指屏幕上rendering有车在前
: 面。Google上找了一些视频可能还是去年11月大较大升级前的东西

avatar
n*7
23
你是说特斯拉是青蛙吗?

【在 p********a 的大作中提到】
: 我怀疑你的路上静物是在移动的
: 比方一个纸箱,风吹动了它,车才能看见
:
: lidar

相关阅读
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。