NVIDIA 自動駕駛 最新多模態端到端模型 !! 2024 CVPR 自動駕駛競賽第一 !?

成為這個頻道的會員並獲得福利：
/ @xxtech_finance_and_life
NVIDIA 自動駕駛 最新多模態端到端模型 !! 2024 CVPR 自動駕駛競賽第一 !?
心得總結：端到端自動駕駛，輝達參與來試試
Soundon贊助請阿財喝咖啡，85元是阿財最喜歡的咖啡店咖啡的價格～
pay.soundon.fm/podcasts/f446e...
支持阿財繼續創作優質的影片 Paypal 打賞鏈結 請阿財喝咖啡： paypal.me/techandinvestment?c...
訂閱阿財的頻道：reurl.cc/ra65LO
阿財FB粉絲專頁： / investmentplusfinancial
阿財方格子(技術文章分享)：vocus.cc/user/613f4c39fd89780...
阿財DDCAR(電動車自動駕駛技術分享文章)：www.ddcar.com.tw/account/u164...
歡迎各位來到財知道's channel 本頻道主要介紹優秀公司/先進技術/美股投資/個人理財小心得
子曰：三人行，必有我師焉! 歡迎在評論區討論與提問喔!
特斯拉FSD端到端自動駕駛模型表現出色，今天阿財也要分享另一個也是美股巨頭之一的NVIDIA，之前阿財也介紹過一些NVIDIA相關的技術，其實早在2016年NVIDIA就提出了端到端模型用於自動駕駛之中，當時光達造價昂貴所以很少車廠導入，所以當時NVIDIA也是採用純視覺的方式，但由於當年自動駕駛還不像現在被各大車廠重視，所以蒐集到的數據不夠，所以沒有訓練出可大規模推廣的模型，如今時隔8年NVIDIA捲土重來，推出了多模態端到端自動駕駛模型，並且在今年CVPR自動駕駛競賽種從100多個隊伍中脫穎而出，快和阿財一起看看NVIDIA端到端模型的前世今身！
延伸影片：
NVIDIA 自動駕駛 會是特斯拉FSD進入中國市場最大的競爭對手 !?
• NVIDIA 自動駕駛 會是特斯拉FSD進入...
NVIDIA 自動駕駛技術加入生成式AI !! 2023 GTC NVIDIA 三大負責人來揭秘！中文全網獨家
• NVIDIA 自動駕駛技術加入生成式AI !...
NVIDIA 自動駕駛技術大揭秘！NVIDIA AI副總裁2022 CVPR大會講解！與特斯拉截然不同的技術路線？
• NVIDIA 自動駕駛技術大揭秘！NVIDI...
自動駕駛 技術4D成像雷達 VS 光達LiDAR VS 超音波 VS 相機 自動駕駛感測器終極之戰 一支影片深入科普！ [cc字幕]
• 自動駕駛 技術4D成像雷達 VS 光達LiD...
更多不同公司自動駕駛技術介紹播放清單
• Tesla, Google, NVIDIA,...
阿財Podcast
Apple Podcast：reurl.cc/o1dDm5
Google Podcast：reurl.cc/mo9dz1
KKBOX：reurl.cc/lodLnq
Spotify：reurl.cc/rD8lox
SoundOn：reurl.cc/Kbj6qM
影片段落
00:00 NVIDIA端到端
0:11 本集看點
1:19 8年前的嘗試
8:09 NVIDIA捲土重來
8:35 多模態端到端自動駕駛
14:53 自動駕駛競賽
免責聲明 本頻道分析推薦的股票或公司, 不構成任何投資建議, 只是單純分享與交流, 謝謝大家~~
#nvidia #特斯拉 #端到端 #自動駕駛 #傳感器融合 #ai

[@zhidingyu5292]

本人是Hydra-MDP作者之一，感谢Up主和大家对我们工作的关注 在此想指出视频中一处小小的理解错误。Hydra-MDP中的"Multimodal"主要指的是输出轨迹是一个多峰分布，而非Up主理解的多模态规划 当然Hydra-MDP确实用到了多模态输入，Multimodal在自驾场景下也确实常被用于描述多模态。所以视频这样描述完全可以理解 : ) 但Hydra-MDP本身并不局限于多模态输入，也可以用于纯视觉并且效果也很好 I am one of Hydra-MDP's authors. Thanks to the channel and everyone for the interests in our work. Just want to point out a small mistake in understanding. The "Multimodal" term in Hydra-MDP mainly refers to a multimodal distribution of the output trajectories, not the multimodal input for a planner. Of course, Hydra-MDP did use multimodal input, and multimodal is widely used for referring to multimodal input in autonomous driving. It is thus fully understandable to have this interpretation : ) However, Hydra-MDP itself is not limited to multimodal input. It can also be used under vision-only settings and works very well.

[@riverschang612]

作者竟然自己來了

[@xxtech_finance_and_life]

wow作者親自回覆，感謝大大補充！期待日後看到更多精彩的研究～

[@Saber422]

感謝分享

[@xxtech_finance_and_life]

😁😁😁

[@ptli8894]

所以未来特斯拉想独吃自动驾驶这个蛋糕真的不可能，端到端也说不上说谁学习谁，看好八仙过海，只有这样才能真正实现自动驾驶

[@xxtech_finance_and_life]

最終應該是三分天下哈哈

[@waffenss1234567]

不要低估特斯拉優勢 因為AI訓練誰都能做，但特斯拉有超大量市場運行的基數提供數據

[@Guavaava]

就好像现在的聊天机器人，openai确实领先，但是谷歌与anthropic也没有被拉开很远。

[@user-vv5uy1ep1q]

老黃都敢開源就是表明，這只是我送給客戶落地應用的示範，況且八年前就開始弄了大概就是這家公司早就知道可應用的領域並為想要下單購買伺服器的買家做的項目。這樣老馬逼不得已一定要買最新的來學習，老黃這招真的是強迫客戶買單的好手法。

[@xxtech_finance_and_life]

如我說的開源之後還是要有算力、數據、晶片，之後還需要根據車型微調

[@cuteidd]

這老黃贏不了，特斯拉已累積幾億英哩的經驗，要舉例就是，一個小孩看到世界冠軍後說以後也要變冠軍一樣的差距。 老黃永遠得不到那麼多車商的數據，這些車商都是專攻硬體的，沒有像特斯拉這樣走軟體的車商，再者等你做到，市場份額可能剩1%或是紅海了。

[@JaneChiang-hh4nb]

這有點難說，老黃數據輸特斯拉，但GPU硬體勝，特斯拉現在也不得不買H100來訓練它的自駕系統

[@cuteidd]

@@JaneChiang-hh4nb 你忘記了，真正的硬體在車子，不是GPU，你再多GPU也只是鏟子，你要知道軟體賺到的錢是硬體的8倍。

[@Hillias1]

在自動駕駛這個領域，必須軟硬體配合，才能有最大發揮，所以nvidia 只能分到這個市場的一個份額，而不是主導地位！

[@wofala168]

我投資了特斯拉，NVDA,還有蘋果，應該不寂寞。

[@xxtech_finance_and_life]

數據要追上來就要看有多少車商合作，但真的要追也不是不可能，一年全世界汽車銷量是8000萬台真的大規模追趕也不是不可能

[@TimeNSpaceDavid]

非常好的節目🎉🎉🎉🎉🎉🎉🎉

[@xxtech_finance_and_life]

感謝支持🙏🙏

[@phll3609]

英偉達有晶片，有這套算法，可惜沒有收集Data的設備、沒有輸出Realwork的設備，所以他還是只能賣鏟子，沒辦法挖礦。老黃算是抄Elon的作業抄得滿積極的，機器人也想要抄，急著到處找人幫他挖礦...

[@xxtech_finance_and_life]

Nvidia跟Tesla走的路線不一樣，一個是傳感器融合一個是純視覺，所以Nvidia現在需要更多車廠跟他們合作蒐集數據

[@jamescooper777]

你把先後次序搞錯了，是NVIDIA 先做成高性能雙GPU的車用中央電腦Drive PX，後來Tesla 和MobileEye 分手之後採用Nvidia Drive PX； NVIDIA也不是今年才搞機器人，台灣產商才是蹭題材； NVIDIA 從201x年就從光跡追蹤和Deep Learning 的空間網路、和GPU叢集數據中心，發展模擬真實世界的物理特性， 從模擬工業生產線單臂機器人，到支持各廠商研發人形機器人

[@taiwanallen3544]

輝達，你講英偉達? 你中國人?

[@ImPiPi]

@@taiwanallen3544科科 給個讚

[@waffenss1234567]

NV它不是急著找人挖礦， 它是用開放模型騙人去挖擴，他就能大賣它的高價鏟子

[@laviefu0630]

<a href="#" class="seekto" data-time="190">3:10</a> 均方根(root mean square；RMS)沒修改到，噗哧

[@xxtech_finance_and_life]

感謝提醒哈哈

[@user-ow1sq9dq2o]

NVIDIA 自動駕駛 最新多模態端到端模型，什么时候落地？有准确消息吗？博主？

[@xxtech_finance_and_life]

不知道，畢竟Nvidia不造車…

[@user-ow1sq9dq2o]

@@xxtech_finance_and_life 博主，我是问，落地到别人家上的车也行，比如跟奔驰合作，什么落地到车上，谁家的车都行那种

[@xxtech_finance_and_life]

@user-ow1sq9dq2o 你可以看我上一支影片，裡面有Nvidia合作的車商

[@user-sy1kz9sc6w]

Wow感謝阿財，老黃真的什麼都想做哈哈

[@xxtech_finance_and_life]

真的佈局很廣哈哈

[@ububububkimo]

來了😯❤🎉

[@xxtech_finance_and_life]

猴哥早啊！

[@CasinoBaccaratKingmaker]

nvda

[@SOMEONE_abcd]

没看懂。英伟达这套系统类似手机的安卓？各种车辆平台通吃？

[@xxtech_finance_and_life]

應該是以這個系統為底，跟車廠合作之後再根據車型優化模型

[@user-zj9ob8zg1s]

特斯拉跟英偉達一起賺 也沒什麼不好 幹嘛一定要拚輸贏

[@xxtech_finance_and_life]

自動駕駛領域本來就很難一家全拿，有錢大家賺

[@wooder0108]

連NVIDIA都加入自動駕駛 ，特斯拉上看1000美元都是低估。

[@user-pt7fz5xb2j]

覺得特斯拉有機會再衝到拆股

[@xxtech_finance_and_life]

to the moooooon~~~

[@user-jf8gw3nu8e]

這對特斯拉股價不是好事吧 代表越多人可以低門檻進入這個技術 那些原本還在用hardcode 也可以把代碼全刪掉全靠transform 學習 像特斯拉一樣 最後就是比 模型優化 數據收集 和算力比拼

[@xxtech_finance_and_life]

@@user-jf8gw3nu8e 但算法算力數據就是最重要的...不是隨便train就可以train出來的

[@paullo8268]

NVIDIA只能揀剩的

[@xxtech_finance_and_life]

不一定現在自動駕駛還沒大規模推展開來

[@waffenss1234567]

不要低估特斯拉的先天優勢 因為AI訓練是誰都能做，但特斯拉有超大量市場運行的基數提供數據，這是NV沒有的， NV定位頂多提供公版基礎模組，讓大家可以拿去再訓練，大家要跟NV買大量AI設備，NV就發大財. 至於你訓練後也沒有特斯拉水準，不是NV 的事 NV本質是在AI淘金熱中，給你金礦地圖，再賣你鏟子..... 有沒有掏金成功是你自己的事

[@xxtech_finance_and_life]

數據的部分確實目前是特斯拉的優勢，但Nvidia跟車廠深入合作，車廠應該會慢慢發現依靠Nvidia的解決方案與之深入綁定比自己研發省的多，而且也不一定有Nvidia的效果好，所以我猜日後應該會朝這個方向，目前看起來賓士是這個趨勢。

[@Klaytonlol]

這個端到端跟特斯拉的端到端根本不是同一種東西 名字一樣而已

[@TS-gm8pc]

Nvidia是多模態端到端 本來就跟特斯拉的端到端使用的input不一樣

[@Klaytonlol]

@@TS-gm8pc 恩 很多人以為特斯拉的東西 別人也會了, 甚至還說OPENPILOT更早就用特斯拉的端到端

[@TS-gm8pc]

@@Klaytonlol end2end是一個概念 很早就有了你可以自己去查就知道了 特斯拉不是第一個做端到端的 只是特斯拉數據夠多所以目前證明端到端在自動駕駛上也可以有不錯的效果

[@TS-gm8pc]

@@Klaytonlol 另外特斯拉的端到端很多廠商確實也有相關的算法 就像GPT 但openAI在細節方面有更出色的表現 這些需要透過大量的數據學習而來 其他廠商要追究必須累積里程數要追上特斯拉

[@Klaytonlol]

@@TS-gm8pc 我知道阿　特斯拉的端到端和很久以前的提到的端到端不是同一種東西，只是名字像

[@troy8027]

比FSD差得太远

[@xxtech_finance_and_life]

目前確實還需要優化