[分享] 特斯拉FSD beta 來比眼力有沒有比AI好

看板car作者 (gosu mage)時間3年前 (2021/04/08 19:40), 編輯推噓18(28推 10噓 201→)
留言239則, 37人參與, 3年前最新討論串1/14 (看更多)
這個youtuber將FSD AI看到的畫面結合實際行車畫面 https://www.youtube.com/watch?v=qRjY55ELYnc
有幾個亮點, 你去觀察對向車道,或是更遠處都可以發現AI都可以清楚知道車子位置在哪 換句話說,FSD用了鏡頭就可以模擬光達的距離偵測了 這個技術已經被特斯拉提出為專利 https://uspto.report/patent/app/20200265247 特斯拉一直在訓練深度學習神經網絡，該神經網絡可以說是“偽LiDAR”所以馬斯克 認為根本不需要光達.靠鏡頭模擬即可,不服的人去看看AI所看到的畫面跟實際差異 再來. 要問大家在1分27秒處, AI感應到馬路中間有行人, 我想問看看多少人能在影片中 看到.如果看不到就代表AI的感知能力已經大於人類 如果還找不到 請看這張圖 https://i.imgur.com/khEAyN8.jpg
AI看到行人,並且以藍色框表示 我相信隨著數據繼續增加,AI深度學習,最後特斯拉仍然在自動駕駛處於統治地位 其他關於特斯拉這項技術的解釋 https://tinyurl.com/ssrktpeh 機器翻譯 特斯拉發布專利：“使用視覺圖像數據評估對象特性”以增強自動駕駛系統 為了操作自動駕駛系統，通常在汽車上安裝大量各種昂貴的傳感器。但是，特斯拉決定避 免這種情況，並使用攝像頭構建自己的自動駕駛系統。這使AI學習過程變得複雜，但是它 具有許多關鍵優勢，並且可以為駕駛提供真正完整的自主權，被歸類為5級自主權。 特斯拉已經發布了一項專利“使用視覺圖像數據評估對象屬性”。公開的發明有助於基於 由車輛攝像機捕獲的圖像來接收數據，以便部分地識別物體與車輛的距離。 自主駕駛系統通常依賴於安裝眾多傳感器，包括視覺和發射距離傳感器的集合（例如，雷 達，激光雷達，超聲波等）。通過收集每個傳感器捕獲的數據，系統可以了解車輛的環境 並確定如何控制車輛。但是，隨著傳感器數量和類型的增加，系統的複雜性和成本也隨之 增加。 例如，將發射距離傳感器（例如激光雷達）包括在大眾市場的車輛中通常是昂貴的。此外 ，每個附加傳感器都增加了自動駕駛系統的輸入帶寬要求。因此，特斯拉開始尋找車輛上 傳感器的最佳配置。理想的配置應限制傳感器的總數，而不限制捕獲的數據的數量和類型 ，以準確描述周圍環境並安全地控制車輛。 該專利中描述的系統包括一個或多個耦合到存儲器的處理器。一個或多個處理器被配置為 基於由車輛攝像機捕獲的圖像來接收圖像數據。然後，目標是利用此數據（作為對經過訓 練的機器學習模型的輸入的基礎），以至少部分地識別物體與車輛的距離。機器學習模型 已經使用訓練圖像和發射距離傳感器的相關輸出進行了訓練。 該專利描述了一種用於從視覺數據生成高度準確的機器學習結果的訓練技術。使用輔助傳 感器數據（例如雷達和激光雷達結果），輔助數據與從視覺數據中識別出的對象相關聯， 以準確估算對象屬性（例如距離）。在各個部分中，輔助數據與視覺數據的收集和關聯都 是自動完成的，幾乎不需要人工干預。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.228.140.63 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/car/M.1617882002.A.E4E.html
推
04/08 19:42, 3年前 , 1F
04/08 19:42, 1F
→
04/08 19:43, 3年前 , 2F
04/08 19:43, 2F
→
04/08 19:43, 3年前 , 3F
04/08 19:43, 3F
→
04/08 19:45, 3年前 , 4F
看起來很炫泡但是連周圍靜止的自動停車都有機率撞
04/08 19:45, 4F
→
04/08 19:52, 3年前 , 5F
等上市再說吧，打槍文要多少有多少
04/08 19:52, 5F
→
04/08 20:02, 3年前 , 6F
1.運算資源龐大 2.計算距離精度還是不如光達&雷達
04/08 20:02, 6F
→
04/08 20:02, 3年前 , 7F
會喜歡特斯拉的妹子跟特粉一樣，腦袋也不會多好
04/08 20:02, 7F
→
04/08 20:03, 3年前 , 8F
3.VSLAM誤差模型複雜 4.深度學習無法做到100%成功
04/08 20:03, 8F
→
04/08 20:05, 3年前 , 9F
接4，所以目前還是需要另一套系統(ex:光達或4D雷達)
04/08 20:05, 9F
→
04/08 20:05, 3年前 , 10F
自動駕駛需要的是穩定的安全，但特的FSD更像是偶而
04/08 20:05, 10F
→
04/08 20:05, 3年前 , 11F
會有高超表現，但也可能犯低級錯誤
04/08 20:05, 11F
推
04/08 20:06, 3年前 , 12F
成本是個很大的問題吧目前
04/08 20:06, 12F
推
04/08 20:06, 3年前 , 13F
可惜阿威喜歡的妹子愛特斯拉
04/08 20:06, 13F
→
04/08 20:06, 3年前 , 14F
沒有喔 成本反而是鏡頭便宜 雖然光達也降超多了
04/08 20:06, 14F
→
04/08 20:07, 3年前 , 15F
對我來說 這系統已經非常讓駕駛人舒緩疲勞度了
04/08 20:07, 15F
→
04/08 20:08, 3年前 , 16F
就像用外掛 人類偶而幫忙操作一下即可
04/08 20:08, 16F
→
04/08 20:08, 3年前 , 17F
犯低級錯誤的問題就出在"感知"上AI不如人類
04/08 20:08, 17F
→
04/08 20:09, 3年前 , 18F
光達方案最後會在時間與金錢兩個前提上 先倒掉
04/08 20:09, 18F
→
04/08 20:11, 3年前 , 19F
笑死，你特斯拉會進步，光達就不會？
04/08 20:11, 19F
→
04/08 20:12, 3年前 , 20F
你是不知道光達成本降多少了嗎XD
04/08 20:12, 20F
→
04/08 20:13, 3年前 , 21F
光達成本下降特斯拉就等著跟特粉一起被掃進歷史的殘
04/08 20:13, 21F
→
04/08 20:13, 3年前 , 22F
渣裡去後悔自己自大狂妄的夢吧
04/08 20:13, 22F
推
04/08 20:13, 3年前 , 23F
重點其實不是光達 是高精地圖
04/08 20:13, 23F
→
04/08 20:13, 3年前 , 24F
光達要高精地圖 我就問 哪個廠商來製作 維護?
04/08 20:13, 24F
→
04/08 20:14, 3年前 , 25F
誰要出錢呢? 而且各家廠商自己做自己的
04/08 20:14, 25F
→
04/08 20:14, 3年前 , 26F
純靠視覺+深度學習方案沒辦法保證100%成功，又不用
04/08 20:14, 26F
→
04/08 20:14, 3年前 , 27F
高精地圖就像吸毒 如果不採視覺辨識就得用
04/08 20:14, 27F
→
04/08 20:14, 3年前 , 28F
高精地圖其實是一個快速的區域解
04/08 20:14, 28F
→
04/08 20:14, 3年前 , 29F
半導體製程也不會說因為沒有100%良率就終止方案
04/08 20:14, 29F
→
04/08 20:15, 3年前 , 30F
其他方案，不就祈禱視覺都不能失效(犯錯)
04/08 20:15, 30F
→
04/08 20:15, 3年前 , 31F
反事有個幾千幾萬PPM defect 很正常的
04/08 20:15, 31F
→
04/08 20:15, 3年前 , 32F
但是區域解 目前看起來商業價值不高
04/08 20:15, 32F
→
04/08 20:15, 3年前 , 33F
車用的你拿半導體來比.....天啊
04/08 20:15, 33F
→
04/08 20:15, 3年前 , 34F
錢大，重點是平面資訊的辨認，你不採視覺辨識
04/08 20:15, 34F
→
04/08 20:16, 3年前 , 35F
勢必就得用高精地圖
04/08 20:16, 35F
推
04/08 20:16, 3年前 , 36F
影片快轉過 沒快轉是能發現行人的
04/08 20:16, 36F
→
04/08 20:16, 3年前 , 37F
高精地圖沒有表示會動的車輛行人與不會動的障礙物
04/08 20:16, 37F
→
04/08 20:16, 3年前 , 38F
人家主流玩法就是光達+視覺+雷達三者都用互相彌補啊
04/08 20:16, 38F
→
04/08 20:16, 3年前 , 39F
要不然地面的停止線，各類平面指示牌要怎麼處理
04/08 20:16, 39F
還有 160 則推文
推
04/08 22:40, 3年前 , 200F
04/08 22:40, 200F
→
04/08 22:40, 3年前 , 201F
04/08 22:40, 201F
→
04/08 22:40, 3年前 , 202F
最精準判別就是光達了
04/08 22:40, 202F
→
04/08 22:41, 3年前 , 203F
NXP認為他們的產品能達到的image radar效果
04/08 22:41, 203F
→
04/08 22:41, 3年前 , 204F
airforce1101對感測講的比我正確且清楚很多
04/08 22:41, 204F
→
04/08 22:41, 3年前 , 205F
他們認為他們可以判斷通道空間高度
04/08 22:41, 205F
→
04/08 22:42, 3年前 , 206F
@walelile 那是4D雷達 目前市售車沒有配置4D雷達
04/08 22:42, 206F
→
04/08 22:44, 3年前 , 207F
不是AI強，是Sony強。星光夜視，紅外線濾波，熱像
04/08 22:44, 207F
→
04/08 22:44, 3年前 , 208F
鏡。濃霧都能看透。能看的到才能tag AI才能作功。
04/08 22:44, 208F
→
04/08 22:44, 3年前 , 209F
索尼三星都很拼這塊，手機相機都是微利
04/08 22:44, 209F
→
04/08 22:44, 3年前 , 210F
04/08 22:44, 210F
→
04/08 22:44, 3年前 , 211F
04/08 22:44, 211F
推
04/08 22:47, 3年前 , 212F
CV（特斯拉的方法）其實滿受限於天氣的
04/08 22:47, 212F
→
04/08 22:48, 3年前 , 213F
他就是一個視力30倍的人眼 外加100倍的專注力
04/08 22:48, 213F
→
04/08 22:49, 3年前 , 214F
我倒是滿有興趣看看暴雨跟濃霧下FSD表現如何
04/08 22:49, 214F
推
04/08 22:49, 3年前 , 215F
4D雷達看介紹，用連續波
04/08 22:49, 215F
→
04/08 22:49, 3年前 , 216F
關鍵在於後級的處理器
04/08 22:49, 216F
→
04/08 22:51, 3年前 , 217F
連續波就沒有解析度問題，回波也會是連續
04/08 22:51, 217F
→
04/08 22:52, 3年前 , 218F
並不是脈衝雷達
04/08 22:52, 218F
推
04/08 22:53, 3年前 , 219F
毫米波比多數的物體尺寸短，也落在光學反射區
04/08 22:53, 219F
→
04/08 22:54, 3年前 , 220F
少了高頻光對於較差氣候的衰減影像
04/08 22:54, 220F
→
04/08 23:01, 3年前 , 221F
爆雨和濃霧AP就抓得到標線了
04/08 23:01, 221F
→
04/08 23:02, 3年前 , 222F
Musk三月的推文有說考慮把雷達取消掉，獨尊視覺
04/08 23:02, 222F
→
04/08 23:04, 3年前 , 223F
小鵬贏特斯拉的自動停車是純視覺方案，台灣設計的
04/08 23:04, 223F
噓
04/08 23:18, 3年前 , 224F
沒光達想挑戰三寶 早點洗洗睡
04/08 23:18, 224F
→
04/08 23:20, 3年前 , 225F
純視覺方案怎麼做最多就是人類水準 無法遠超人類
04/08 23:20, 225F
推
04/08 23:23, 3年前 , 226F
AI一定比人好我相信 但純影像好不好 搞不好Tesla rd
04/08 23:23, 226F
→
04/08 23:23, 3年前 , 227F
想要光達到爆
04/08 23:23, 227F
→
04/08 23:26, 3年前 , 228F
牽涉安全的電子系統最關鍵就是要盡可能多的設計冗餘
04/08 23:26, 228F
→
04/08 23:27, 3年前 , 229F
量提高可靠度
04/08 23:27, 229F
推
04/08 23:28, 3年前 , 230F
還是需要雷射跟光達來Double確認是不是誤判
04/08 23:28, 230F
→
04/09 02:07, 3年前 , 231F
ai眼力這麼好怎麼還會高速衝撞貨車@@
04/09 02:07, 231F
→
04/09 06:06, 3年前 , 232F
FSD跟目前在跑的AP不太一樣 衝撞貨車是因為AP目前主
04/09 06:06, 232F
→
04/09 06:06, 3年前 , 233F
要還是以雷達波為主 所有以雷達波的Lv2都有這問題
04/09 06:06, 233F
噓
04/09 10:29, 3年前 , 234F
教主鬼隱 副教主水桶 新教主來了？
04/09 10:29, 234F
→
04/09 14:39, 3年前 , 235F
相位陣列雷達用連續波?
04/09 14:39, 235F
噓
04/09 17:56, 3年前 , 236F
雖然說江山代有才人出 不過 怎麼比教主和副教都弱
04/09 17:56, 236F
→
04/09 17:56, 3年前 , 237F
？
04/09 17:56, 237F
噓
04/10 04:15, 3年前 , 238F
獨尊視覺，結果像素120萬……就像你開車近視不戴眼
04/10 04:15, 238F
→
04/10 04:15, 3年前 , 239F
鏡說自己多強又多強，然後就撞躺平貨車惹QQ
04/10 04:15, 239F
‣ 更多 LimYoHwan 的文章
文章代碼(AID): #1WRkkIvE (car)
討論串 (同標題文章)
完整討論串 (本文為第 1 之 14 篇)：
排序： 最舊先 | 最新先 | 留言數
在新視窗開啟完整討論串 (共14篇)
‣ 更多 LimYoHwan 的文章
文章代碼(AID): #1WRkkIvE (car)