純視覺不靠譜？你能聽懂的特斯拉人工智能自動駕駛解密上集！全網最細緻！TESLA AI DAY EXPLAINED

纯视觉不靠谱？你能听懂的特斯拉人工智能自动驾驶解密上集！全网最细致！TESLA AI DAY EXPLAINED

[@Ansforce]

Wayne，你把特斯拉的發表會裡所提供的資料講解的很詳細，影片拍的很好。但是如果了解影像感測器的原理，就知道只用純視覺是做不到安全的LEVEL5自動駕駛的，對於和生命相關的東西，工程冗餘是必要的，視覺只是其中一個，必須再用雷達掃一次，光達掃一次，才能真正確定前面沒有東西，而不能只信任單一系統，總之美國加州車輛管理(DMV)已經核准了幾家公司可以全自駕上路了，那是2021年的事，而特斯拉到現在向美國加州車輛管理局還是申報自己只有LEVEL2，所以沒有光達或雷達是不可能做到LEVEL5全自動駕駛的，不管特斯拉的人在發表會裡講了什麼，結局都是一樣的，建議你研究一下什麼是功能安全(Functional safety)，還有汽車元件的整個驗證流程，等著看看是我說的對，還是馬斯克說的對吧！ technews.tw/2021/10/01/dmv-cruise-waymo/

[@pccjack]

我爸媽問我為什麼跪著看油管！感謝Wayne，講解的連我這個文科的傻子都聽得懂也理解的一清二楚！本來我也是對特斯拉的決策一堆疑惑，這期超高質量的解說，就給出了完整合情合理的說明，真的牛！不點讚不推廣的人就跟讀出師表而不墮淚者一樣！謝謝特斯拉團隊為我們生活改善的努力，更謝謝Wayne用平易近人的解釋讓我這種傻子能夠參與其中！

[@lifeofwayne]

哈哈，兄弟很幽默啊！你的每次评论都让我印象深刻！就是太过谦虚了～

[@lifeofwayne]

有看到视频最后发现老马的话的吗？

[@Rawrence168]

發人省思

[@frankxu9675]

听了你一个视频就subscribe了，你是个很好的老师。我当过几年老师，也还得过教学奖，我的教学，风格、简洁程度、风趣，都还要向你学习，尽管我不会再从事教职了。

[@charlesfeng3823]

不得不佩服Wayne对于大信息和复杂主题的把握能力。下面也斗胆提几点自己的理解： 1，关于激光雷达：激光雷达，我是说特斯拉用的FMCW的1550nm的机械式激光雷达；这个激光雷达可以直接测距和测速（国内部分厂商吹的激光雷达是ToF的激光雷达，无法直接测速）。 特斯拉用这个激光雷达来做度量基准，也叫做ground truth来训练自己的Pseudo LiDAR （这个技术也有15年了，算法也很成熟了）。 有人问为啥不直接装激光雷达？ **没必要，我们人开车从来不用用尺子量量距离再过去，而是通过训练自己的眼睛，最后达到“感觉能过去”就可以了； **这个雷达对安装架子的机械稳定度以及运行环境有要求，你不能安装在车轮的左右，哪里泥水太多了；安装在车顶，你的行李放在哪里？ **很贵，这是一个原因，但是不是主要原因。 2，关于视觉和激光雷达：Wayne说到了，没有视觉，有再多激光雷达也没用。但是有些人可能会问，多了激光雷达做个冗余总是好的额。这里我从另外一个逻辑再论证一下： **提到冗余备份，比如说A对B是冗余备份，我们说的是如果B不工作了，用A就可以完全可以胜任。这才是冗余备份，这一点激光雷达是做不断到的** 3，关于摄像头处理弱光环境的问题：我了解到，特斯拉目前只是在摄像头上使用了RCCC和RCCB的滤镜，替换了普通手机摄像头上使用的RGGB的滤镜（普通摄像头为了模拟人眼故意配置的）。 配置了RCCC和RCCB的滤镜，就可以大大增加远红外光的检测能力；做到，夜里，雨雾天气也没问题。解决这个问题，只花了几毛钱。 4，关于5G车联网的myth： 5G车联网的模型是有很大问题的；实时性很难保证不说，首先是没有必要做大远距离的实时信息传递。 我们开车其实只需要知道周围100-200米的情况，高速道路上也就知道前方300-500米的情况就足够了。这一点上来说，直接检测车尾灯比V2V来的直接，而且系统更简单，更稳定，成本也低。 至于说红绿灯，道路事故信息，使用百度地图，谷歌地图等等直接做到秒级同步就可以了。 深入思考这个问题，解决这个问题就不用花钱；是不是无法创造GDP了啊？ 5，立体视觉和视觉记忆： **我们人眼的立体视觉也不是天生的，3个月内的婴儿就没有立体视觉。我们的立体视觉也不是直接感知的，而是通过大脑计算和拼凑的；我们的眼睛也是经过了大量的训练才具备了快速捕捉细节的能力，而且，每个人这方面的能力不一样。 所以，特斯拉通过训练计算机视觉可以获得立体信息是很容易理解的。 **特斯拉最大的特点是使用了全场景融合的Bird View Network来实现识别，而且使用了时间维度（Temporal）的信息来防抖。这一点很好理解，如果让我们只看到物体的一部分，我们也很难才出来这个东西是什么，但是，我们可以扭头看全貌，这就是鸟瞰图。 **特斯拉的时间维度就是我们人类的记忆；比如我们先看到了一个车，后来有辆车开过来，挡住了这辆车，我们人脑会认为第一辆车还在这个车的后面。这就是记忆的魅力，如果只靠单帧图像就不行，挡住了就没有了。这就是为啥引入时间维度后，感知的稳定性和准确性就大大提高了。 **还有一点，有些人可能会说，我如果在墙上画个隧道入口就会让特斯拉撞墙；这样违法不违法先不说，特斯拉很容易通过时间维度来破解这个问题。 实际环境中的物体，我们在运动的过程中，他们相对位置和角度会发生变化；如果是一种二维的图形，是不会发生变化的。其实，这也是我们人类单目立体视觉的原理。不信的，可以闭上一只眼睛，摇动脑袋，你仍然可以感知到立体。 这一点特斯拉算法稍作修改，使用时间维度的信息进行训练即可解决； 6，关于路径规划：特斯拉使用了Alpha Go，Alpha Zero， Mu Zero等一样的算法：Reinforce learnign + MCTS。从而实现了高效的路径规划；具体说来是，计算时间和计算难度都降低了2-3个数量级。从这一点上来讲，特斯拉未来在路径规划方面超越人类，简直就是太简单的额事情了。你看看Alpha Zero吧，目前是超越世界上最优秀的围棋选手，这个超越不是一点点，而是下1000盘，人类最优秀的围棋选手都无法赢一盘。 7，特斯拉后续会引入后退模式：这一点很好理解，而且我认为，未来特斯拉的车不应该有“前”和“后”的区别，或者可以根据行进方向自动定义前后。 后退模式，会让特斯拉更加灵活，“此路不通，我绕路走”。“这边路况复杂，我绕路走”。“这边有施工，我绕路走”

[@billkang3228]

非常感谢，感觉您是做AI，或者就是在做自动驾驶的

[@eugenewang9654]

一个EE背景，一直做软件工程的人，看AI day 实况 坚持看完，也不知道看懂了还是没看懂。所以一直等Wayne的解读。

[@vannessking6481]

内容很有深度，表达很有逻辑，实力解析！完美

[@gilvaborjigen5587]

哇塞，讲解的太震撼了，已经等不及看下一集了。

[@maxsv45]

質量超高的影片，非常期待下集。

[@ufo639-q4m]

謝謝 Wayne 所做介紹，另外大刘科普也在工程方面对自駕軟硬体做了简介。但Wayne 所指人类语言速度遠不及电脑通讯这个比諭似有不妥，人类一个眼球的信息量比上万台电腦加起来还要大！而影象經过眼球直接進入經驗系统没有任何計算过程大腦就理解輸入意义並做出反应，这部分机制更别说想象力創造力夢境等等我们一無所知！目前的AI敉字系统只能称为混成技术即应用 GPS, map, 影像處理，database，邏辑運算等等来解决自駕问题，有可能成功而且実用但离智能还遥不可及，甚至可能方法都是錯的，二進位敉字系统本身就是弱智但有精準的优点，配上高速的運算用途仍是很广。

[@jameslin8678]

非常專業的解析，真的很贊

[@iatbo0503]

我觉得特斯拉的算法确实比其他家强不少，对于deep learning的运用也比较合理。但是ak毕竟是李飞飞带出来的炼丹大徒弟，也不要听他一面之词，炼丹的人都喜欢大力出奇迹，尤其是这批搭上了cnn快车的人。基于纯视觉的算法理论上不会比人类开的差，但是这个要求也太低了，因为人类开的也太差了。。。。稍微不注意就可能压死人，这本来就不合理，我们的社会为了效率和便捷放弃了很多的安全性，这也是自动驾驶应该去提升的。纯视觉算法的问题主要是安全性，因为算法训练的不好的话很容易变得对输入极敏感，这样哪怕细小的改变也可能让算法判断错误，甚至认不出前方的障碍物，这个也是有实例的。雷达至少能比较好的扫描出前方的障碍物，做到最基础的安全保障，所以我认为在建成完全的智能城市之前自动驾驶汽车会是视觉算法为主，雷达为辅的形态，而纯视觉还是不能被接受的

[@JeggyBarb]

问题是，讲了这么多，现在的单个车辆CPU处理器搞得定这些计算吗？还是后来需要随时连线让服务器计算？连线的话延迟断线怎么办？速度一快，任何延迟都可能是致命的。如果单机计算，那我19年买的车子，到2023年正式全自动驾驶开放了，4年前的硬件跟得上吗？现在车子开了一半有时候也会自动黑屏重启之类，我不敢想象自动驾驶告高速一般发生会怎么样。全自动驾驶10年内很难通过审批，不是机器不如人类安全，而是就算同样安全或者10备安全，一旦发生事故汽车制造商是全部责任。这个风险还是太大，特斯拉很拼，但现实很残忍的

[@虎哥论股]

这期真的干货太多，需要消化几天

[@hik0301]

這集實在看得太過癮

[@irmtouch]

1. 所有有雷达的车，其实都有视觉识别，完全靠雷达的自动导航不存在。 2. 特斯拉有海量的数据当然不是国内那些PPT造车可以比的。 3. 安全一直是自动驾驶的第一原则。 哪怕视觉在99%的时候都有效，只要有1%的情况下不如雷达安全都是要不能完全否定的。激光雷达的原理和视觉不同， 4. 摄像头技术也有飞速发展，模拟眼睛的摄像头也有发展，那个有望解决摄像头帧率的问题。这个UP主应该去关心一下 5. 很反对马斯克这种先射箭再画靶子的方法。 6. 这频道只能算一个车友频道，完全偏离科技本意，和正常的科技百家争鸣，居然给马斯克找正确性。 7. 特斯拉的FSD到底啥水平，看她出厂的时候给大家写L2， L3还是L4.

[@Peter-qb4nu]

深入浅出讲解特斯拉，全网No'1👍

[@rickyanzi]

點讚留言支持一波!!! DOJO那一大堆專業的詞真的看得霧煞煞(只看到印度哥得意的笑到這個時間維度只有他一個人站在高崗上)，等Wayne下集剖析!!

[@georgehwang1164]

沒人說不用視覺, 但不用雷達尤其是毫米波雷達, 雨天呢? 大霧呢? 非常危險, 因為它是用來fusion 視覺的! 用來協助的! 刻意不用? 只能說我不敢買! lifi DSRC ? 還要等等吧 ?

[@chenwilliam5176]

完全認同 🌎 真實環境是非常複雜的 🌎 如果開車碰到下雨，鏡頭模糊怎麼辦呢 🌎

[@KJH8964]

雷达也有缺陷，雷达智能探测地面以上的目标，如果路面有个大坑雷达也探测不到。

[@paulpaul7777]

谢谢Wayne,干货中的干货吖！！

[@honda580827]

每一集都是用心之作，期待AI下集

[@tzdtuc-pd9yv]

的确高品质,这大概是唯一一个最平易近人的对Tesla AI的深度中文解读,超赞👍👍👍

[@cychan3123]

很好👍

[@chen-chou]

謝謝科普特斯拉🙏

[@lifeofwayne]

谢谢支持

[@Ussimonw]

以前一直不是太懂一龙马对杰克马的鬼脸表情，今天终于解惑了，多谢播主！

[@HZJ527]

我開始相信特斯拉是一家AI公司了

[@黃金樹-r5d]

現在太多人把特斯拉神話了,事實上以汽車行業來說.視覺+雷達波,才是最好的解決方案!! 才是真正對駕車安全負責的做法,而特斯拉這麼做,目的很簡單...也很噁心......就是他從不是把賣車當成最終的公司目標!就這麼簡單啊~~所以他想利用賣車的獲利來支持他們做視覺AI,而這視覺AI是目前軍事AI最缺乏的,利用汽車收集所有全世界的圖像,再加以製造許多其他AI...比如殺人AI..這種圖資和AI非常難獲得,只要利用汽車這個特洛伊木馬就可以賣到全世界,趨時 再加上雷達波AI,這種殺人AI軍工可以幫他撈上一大筆! 不然我真的不知道為什麼特斯拉要只做視覺AI,這種作法對於汽車行業沒有太多幫助的......... 你們大陸人對特斯拉的野心應該也發現了!...怎麼會傻到讓他們利用汽車攝像頭當作特洛伊木馬,將所有訊息回傳到美國總部呢??? 其他汽車行業因為隱私權政策,是被禁止這麼做的!!就特斯拉似乎擁有特權一般~居然可以收集他國的圖資作為開發視覺AI...這很可怕

[@wangfanghua9321]

讲述得太清晰了，全网最详细、最通俗易懂，当之无愧👍👏👏👏谢谢!

[@zeitseele7109]

这些都是2009年（ASAX固态硬盘、2007终端文件学习后来大家叫做云、智能岛屿（城市街道块区独立智慧化和他的车一样给小区装上大脑））起我的多个企业就在做的，可惜马斯克在美国，我在中国，他设想了卫星，我只设想了不落高空滑翔机（2015），移动生存容器MHV（2006）（车 - 在多种环境下以动物直接控制和机器控制的高速模块化交通工具， 但是 我的设定是单人的），为MHV设置的高速穿行通道（2008）。 …等等数以千计的发明。

[@baopingzhao2799]

藕的神，一个像素分辨的能力（一个大学生都能开发的功能），一个根据焦距和拍的图片的尺寸估算物体的尺寸（特斯拉这个最不靠谱，因为车的倾角无法准确，因为道路是不平，特别是高速运动的时候有上下起伏），最后鼓吹的是看图识别的能力（识别出是马还是骡子对车子驾驶有本质的区别吗）。就这三个垃圾的东西，被吹成神经网络，吹成深度学习，吹成人工智能。传达错误的观点就好像告诉自己的孩子火是甜的一样。特斯拉把路上两边的道路识别线去掉，立马就不智能了起来，再把精确地图给取消，立马L2;视频博主，你敢用特斯拉这么智能的自动驾驶越个野拍个视频给大家看看吗？吹特斯拉，就喜欢你这样没见过世面的样子。

[@cnGreathit]

不好意思，仍然无法说服我。你反复强调这个AI老司机通过学习如何强大，识别你没见过但它见过的。世界各地的特斯拉都在补充“老司机”库。问题是，我要的不仅仅是老司机，因为再老的老司机，也会有它没见过的，库里没有的。我要的是，实实在在的，从实际测算中告诉我物理距离，能够安全通过。 我从不否认AI会很强大，但人命是不允许有任何闪失。我认为应当是视觉和雷达相结合，而不是选边站队。人命应当是万无一失的，纯视觉AI或者纯雷达都不可能做的到。 我不会拿我的人命作为这家企业的一条数据。当然，特斯拉粉们愿意把自己的命作为一条库里的数据，请自便。

[@realanli]

人的智慧在于有举一反三的能力，给小朋友看几只狗狗，小朋友就会识别很多从来没有见过的狗狗. 同样，学习驾驶的朋友也只需要知道stop sign 是红色八角形，中间有stop ，就能应对现实路况中的各种stop sign , 也不会和其他的路标混淆. Ai 在多大的程度上能够拥有这样的能力？现在哪种算法的核心是这种发展触类旁通，举一反三的能力？

[@wenxiao6204]

说实话，作为一个ai开发者，我觉得主持人懂的确实多，知识面广泛！不过这段视频有点过了，你知道实现你说的这些功能需要怎样配置的硬件吗，你知道这些硬件带来的散热问题是目前无法解决的吗，目前最好的方式就是边缘系统，车上的硬件也仅仅只能支持识别和单目测距，你说还有3d地图，服务器上还有可能，车载不可能的。特别后面的预测，也只是根据前面的轨迹预测，而不是你说的那么牛逼，什么建立4d空间，那像你这么说，我们的开发都是上百维的空间，没得意义，刻意渲染而已，前面的内容我也赞同，纯视觉，不过路还长，重点在硬件！

[@blackray4683]

这一期有点牵强,人工智能有很强的大数据计算能力,前提是你要给他提供庞大的数据库,而人能除了拼经验解决已知的事件外还能解决很多突发并不一定进入大数据的数据库的事件,举个例子如果你到了一个交通标识不同的地方或者标识牌语言不通的地方可以参考周边汽车的形势推测处标识的意思或者在有危险的时候停车问路,自动驾驶就算能负责全部人眼的功能它也不一定能解决不在它数据库里的东西.再说了老司机也有闯祸的时候只是几率比普通普通人低很多倍而已.

[@谈天说剑独善何益]

不是视觉不靠谱，而是你放弃了其它安全手段。视觉测距不如雷达快速可靠，容易受到强光干扰，必须冗余。我可以接受视觉ai驾驶，但很难接受只靠视觉来维护安全。 不同类型传感器的统合逻辑才是问题，马斯克认为视觉ai足够达到其预期安全系数，而放弃解决这个问题而已。 这跟轻型飞机是否配置整机降落伞类似，迫切性还要更严重一些。

[@leoyichuanchen]

专业且易懂，赞赞赞

[@AC-jc5zt]

看了一分半就感覺誠意滿滿並且用心十足！！！感謝！！！

[@linOcean]

一字不漏的看完了，精彩無比

[@phll3609]

講得很好，想跟你5個讚！

[@xianggao-t4n]

辛苦了，太不容易了。

[@wen19901024]

太强了 这一期太强了

[@簡伯有-p9h]

我看你的影片看到滿滿的真誠跟專業，有一度感動差點流淚， 真的太謝謝你這麼精彩解說，我會跟朋友好好推薦你的!

[@slliao9890]

躲在被窩裏大哭一場你會很快樂。

[@seatreehz9531]

外马看到了中马没看的东西 感觉内马是井底之蛙 不过内马的井口比较大 如来和土地神的感觉

[@cyrouslan]

太精彩了！ 何時ㄔ出下集或第二集？

[@RQcube]

特斯拉的立體高清地圖是用來訓練ai的，不長時間保留是因為地圖每天都在變，保存收集這種每天在改變的立體數據庫是沒有必要的，這就是傳統自動駕駛依賴(高精度地圖)與特斯拉自動駕駛最大的區別。

[@pomo7496]

单机版自动驾驶必被车联网打败，车联网中最重要的通信基础设施、道路基础信息、路况人员大数据都掌握在政府手里，只有政府（国家）主导的车联网才是自动驾驶的未来，单机版自动驾驶只是实现避障，车联网可以实现流量规划，所以中国车联网一定会统治世界。

[@RQcube]

@@pomo7496 你的意思就是鄉下或是收不到網路的地方無法做到自動駕駛，我覺得科技都是累積起來的，勢必要有一定程度的離線自動駕駛，才有本錢去討論車聯網，難項是前者，需要很多數據訓練，後者只是砸錢搞硬件相對沒有技術可言。

[@chenwilliam5176]

❤

[@1990blue]

解釋地太好了！封您為特斯拉學習之神

[@lifeofwayne]

过奖了～

[@邱楹翔]

］

[@ai8989889]

小孩子才选择 成熟的AI全都要 AI：视觉和雷达我都要 你不给我 我就自己拿

[@如花-e8o]

視頻雖長，乾貨滿滿，生動有趣，淺而易懂， AI DAY聽不懂的資訊，在視頻裡都有了解答， 整理這些專業資料，一定花了費大量的心思， 感謝有你，製作高質量的視頻內容，辛苦了。

[@lifeofwayne]

谢谢夸赞，和一群志同道合的朋友一起非常开心，有欣赏者才有动力，感恩有你们一路相伴！也很开心自己付出努力做的东西可以帮助更多的人～

[@michaell.4655]

谢谢大神精彩讲解，好像听懂了一点点，期待下集

[@workwpassion]

我已經高潮了！ Wayne! You rock! Smart people use simple language! 👍👍👍👍👍👍👍👍👍👍

[@sampson5866]

你是真牛B...👍

[@yunchen3271]

这期节目信息量太大了。

[@ruanjiayang]

基于纯视觉的上限就是L3，这是理论上可以解释的。另外特斯拉目前对深度的估计是有前提假设的，比如路面是平坦的，目标车辆和自身车辆在一个平面上，本质还是单目。

[@柘城夺]

雷达和视觉应该是相辅相成的。互补才对，视觉是也有错觉的。

[@蔡小哲-r4i]

跟上大學課沒兩樣，頭暈😂

[@samhuangsanjia]

按照特斯拉的视觉导航能力，增加一个激光传感器，可以大大提升安全性，不能反对竞争对手所赞同的观点啊。 特斯拉的视觉导航，类似于人类的观察，但是对于大面积的障碍物容易出错，这就应该引入激光传感器，对障碍物的距离有一个判断，这样就是真进化了，甚至可以比人类驾驶更安全。

[@WewaCheung]

非常厲害的講解。多謝

[@good8345]

蝙蝠没有眼睛，却能抓住飞蛾，雷达也不是完全没用啊，大雾天怎么办

[@dodomakudo1783]

所以用雷达矫正视觉距离算法……待完善视觉算法后再考虑雷达增强……那是雷达价格也下来了吧……

[@spchang2000]

感謝 Wayne 精彩的解讀

[@scottie2475]

特斯拉最大的問題是，視線不良時判別準確性大幅下降，在最需要機器來協助開車時結果就是特斯拉最脆弱的時候。光達LiDar則沒有這樣的毛病，純圖像判別勢必會被淘汰，兩者合一個各取優點才是未來，所以五年後Tesla 如果不改變作法勢必被淘汰。

[@tlsoup]

人眼在視線不良時就小心開慢一點,AI汽車也比照處理就好,有什麼問題?

[@billkang3228]

雷达不受雨雪雾霾的影响吗？ 还有，如何这么多车使用雷达，不会互相干扰吗？ 想象一个满世界雷达波的世界吧！

[@morgenliao4987]

我的观点和你一致。

[@goesu7054]

視線不良的問題去爬cvpr就有一堆精度高達9x％acc的演算法了，更不要說特斯拉這種聚集精英的公司，不要不信，ai真的能在他專長領域取代人類。

[@chenwilliam5176]

❤

[@HJEAN-wm8mo]

我看到了 [全網最強解說] ~

[@gxbambu]

讲的太好了，感谢博主！

[@LeeTim0172]

下集，敲碗！👍

[@iwaitforyoubymylove]

AI 最大的武器就是不用休息...有電就行. :D

[@eugenewang9654]

讲的通俗易懂，很棒。必须转发

[@lifeofwayne]

谢谢支持！

[@laolu1985]

“这部分我们就不展开讲，展开我也不会”，哈哈，有幽默了，看完更加坚定了手中持有的特斯拉股票。

[@JH-qn8bg]

展开了你我就都不懂了😊

[@williamkong1890]

太精彩了，期待下一期的影片！谢谢Wayne

[@黃金樹-r5d]

純視覺也好,加上雷達也罷,我認為只要讓車子夠安全,夠聰明就好了...至於為什麼特斯拉這麼堅持純視覺,那是因為他不是一家單純造車的公司,他的算盤是利用汽車產業的規模去幫他實現另外一個產業的基礎....當然他會一直堅持純視覺,但純視覺我還是要說,這對汽車AI來說,絕對不是最好的...大自然之下有很多動物是使用雷達的,他們的反應都比純視覺人類來的好太多,你人類純視覺都會出車禍了,你認為機械為什麼就不會?

[@chenwilliam5176]

無須「畫地自限」，只使用視覺 AI 自駕系統🤗 會抓老鼠的都是好貓🤓❤

[@chenwilliam5176]

類神經網路是要經過「機器學習」的過程，像 ChatGPT 一樣，現在是小孩，經過長時間學習後才會轉變成大人😊 只是小孩在轉變成大人前， 恐怕已經惹禍了😢

[@taiwanelic111]

太棒了！簡單明瞭，下一台還是tesla

[@AdamHayekMilton]

虽然道路确实是为人设计的，但人依然有很高的出错率，视觉感知到的东西也有限制和错误，所以很多车都有安装雷达作为辅助，在车的视觉死角靠近别的东西的时候会滴滴报警提醒人，特斯拉的自动驾驶有没有参考这样的辅助驾驶机制，给自动驾驶加上辅助驾驶哈哈哈

[@jingyitsui3762]

Great ! 2 ...ha ha

[@user-middle-aged-40]

馬斯克走了一條很正確的路，如果以車輛舒適度來説，特斯拉的內裝跟行車回饋，目前其實還差很多車廠蠻大距離，但是，如果其他車廠既有的路線是把車做的對開車的人感到舒適，但特斯拉直接把大部分都心思放在讓駕駛最大程度不用自己開車的部分上，對駕駛來説，最不舒適的部分就是“開車”這件事上了，傳統來説，因為無法讓駕駛在“開車”這件事上明顯且大幅度地降低，所以只能靠其他部分讓開車的人盡量感到舒適，但是特斯拉是直接將最大用心放在，降低開車程度這件事上，舉個簡單例子，傳統上因為開車有安全的駕駛姿勢與坐姿，所以座椅就需要做成讓以安全開車姿勢坐在椅子上的人感到舒適，但如果今天不要說完全不需要駕駛開，如果駕駛只需要用腳開車，那麼相對來説，駕駛就可能用坐起來比較舒服的姿勢坐在椅子上，這樣座椅的設計就可以不那麼要求，因為只需要用腳開車的駕駛，比較有機會能自己調整到坐起來比較舒服的姿勢。我認為這是為何目前傳統造車部分還不是很理想的特斯拉，依然能讓許多車主買單的其中一個大原因。

[@networkmisaka9279]

iPhone12的夜间拍摄能力提升主要是得益于算法和长曝光的加入，拍一张照片要好几秒的那种。10bit HDR视频是指视频输出文件格式，而手机摄像头的RAW数据很多年以前就到了14bit这个档次。人眼的动态范围太过于广阔，且类似于矢量处理（没有帧的概念），延迟低，未来技术爆炸之前的相机传感器很难达到这种程度， 所以，想实现【自动驾驶】还是得用多种信息来源，来融合出足够的信息量，甚至这个信息量要超过人类感知（视觉，听觉等）数倍，乃至数量级上的信息量差别，才有可能实现自动驾驶的第一步：数据完备可信度高。 毕竟我们要的是安全的自动驾驶，仅仅达到人类的驾驶水平还远远不够，因为交通事故死亡率对比其他交通工具还是非常高的。

[@jameschen-kb5vc]

這一聽就知道是下足了功夫才有的精彩視頻，真是太棒了👏

[@tradeforfuturemadeinchina1886]

马云知道人工智能的背后依然还是人，所以人工智能始终要比人落后。但是他忽略了另一个可怕的现实即正因为人工智能的背后依然是人，而人的竞争对象也依然是人，所以当人工智能作为竞争工具，它最大的不确定性风险就是它会因为人与人之间不正当竞争关系被过度使用且因为技术信息差缺乏相关法律的监管，而这种过度使用一旦发生质变，失去控制将是不可逆的灾难。这一点，马斯克看到的画面肯定比马云更具象。

[@sni6941]

现在最大争议在有没有摄像头捕捉不到 分辨不出的环境？这也是很多人认为要加雷达来辅助才完美的理由

[@陳陳-d9k]

講的特斯拉的技術多牛逼，看的到多少東西，算法多強，但一台在高速路上的白車，就讓它破功，三歲小孩都看的到一台的車子，FSD就看不到，直直撞上去，連這麼單純的高速路上都會出事，把FSD系統的車放在越南 印度試試，我看他只會原地不動XDDD

[@陳陳-d9k]

kzbin.info/www/bejne/l6Gwdqt3hLFoj8U

[@godwazkoue]

結論：自駕車最終形態為天竺鼠車車

[@niray711]

深入淺出的講解，讓大家知道特斯拉與其他車廠不是同個層級可以比較的。非常期待第二集…

[@mystonefeel]

車駕早就有二代出來 是當初馬期克不認同的Lidar..... Tesla 準備被打Pa吧

[@chenwilliam5176]

​@@mystonefeel 如果兩者都使用，可以實現 官方所定義的 FSD 或 L5 嗎 🌎

[@kwankinlui1284]

純視覺真的不行啦

[@peterpan9592]

这个视频太专业易懂了，我们完全明白了特斯拉的核心竞争力在哪里，秒杀华语圈一切up主，这个可以当博士论文了，希望下次可以听你谈谈加密货币

[@suigong4392]

博主的头很像马云头，智慧之光zai闪烁，哈哈哈哈😄

[@tttt112g]

資料庫應該就是AI最厲害的武器了

[@lprinmce2180]

wow! 听的过瘾，谢谢wayne

[@jamesliu1621]

喜欢你的频道！

[@hrkmsk10032]

受益良多

[@shirleyli5485]

太棒了

[@鹏左]

Wayne说的太对了，机器人占了所有版面，基本没有人提AI算法、芯片、Dojo这些硬核内容，包含很多油管大V，所以一直等Wayne的更新！我也是下载后看了一遍，只能懂30%左右！ 幸好有你！！！

[@tylorchan2318]

推荐你看一个叫next的美剧 ai也可以很可怕

[@kevinastar]

敲碗下一集，太精彩了反覆聽好幾遍了👍

[@freddiechan2899]

講的很好耶 謝謝你哦~

[@不做愚民井底]

內容專業又是最有美感的博主，穿著，恐龍的裝置配色，極簡的燈光效果，不錯👍🏾。請問特斯拉是長期持有好，還是逢高簡碼，逢低加碼投資呢？

[@gracepaul9704]

节日快乐🎆

[@lifeofwayne]

节日快乐！

[@gordonhou801]

長知識了，經主持人深度的剖析原來視覺化辨識的背後有這麼深的知識建構，特斯拉的技術遠超乎想像，謝謝您的分析，超棒的👍

[@deepfin]

太強了，一定要推薦

[@minzhong3862]

讲得太好了

[@a22258461]

brilliant talk

[@eugenewang9654]

我看好特斯拉的自驾AI模似器，是Al自己学习和训练的利器。将来可以做AI云服务

[@walruslennon7905]

现在所有的自动驾驶凡是敢上路的，无非都是rule-based本质上一堆if else，RL出来的自驾。。看谁敢坐吧

[@gxbambu]

@@walruslennon7905 这个 rule based 得多大。。。

[@hwixp]

謝謝您 真的講解的太精闢 太精采了 讓我見識到不只是特斯拉的高明 更多展現您的學識豐富與清晰的條理 和淵博的見聞 真的非常感謝和喜歡您 謝謝

[@lifeofwayne]

谢谢支持！

[@prothdu4081]

但汽车是要坐人的，安全是第一位的，人只靠视觉可以开车也是基于车上各种传感器的，很多传感器也是互为冗余。不是说没有雷达就开不了，但是是有事故率的啊，单一种传感器本身就有自身局限性，相机会脏，雷达不受光照影响，这种相机本身的局限是没法回避的，这就别尬吹了吧