推 iPadProPlus : 視覺 大數據 5G AI唯一解 03/26 23:54
同意
推 focusd : 時常連網連asus都做的到,其他車廠一定追很快。 03/27 00:07
→ focusd : 美軍的砲兵車還不是一出門就連網,不然用望遠鏡? 03/27 00:09
推 shark157 : 追很快你確定?特斯拉都出來幾年了,連網這個部分 03/27 00:11
→ shark157 : 哪間車廠追上了?更何況特斯拉在被追上的過程累積 03/27 00:11
→ shark157 : 多少數據了,重點是數據又不是連網能力 03/27 00:11
→ EBVirus : 我只知道用來比喻阿呆的AI阿法狗就是google開發的 03/27 00:16
→ EBVirus : 然後瞎子的waymo光達 也是google的....自駕誰比較猛 03/27 00:17
→ EBVirus : 應該不用說了 03/27 00:17
這裡的數據是指人為干預電腦時間點資料
究竟為何人要這樣開?
再用這組數據訓練AI
目前的狀況是:
有能力訓練AI的公司沒有造車能力,例如Google,Mobileye
有能力造車蒐集數據卻沒有分析能力,例如傳統車廠
特斯拉是少數具備兩項能力的公司
要蒐集數據勢必車上要有多顆鏡頭(Tesla是八顆)
傳統車廠還沒有這樣的車
噓 magesf : 攝像頭是三小? 03/27 00:18
推 DSAndres : Mobileye現在是鏡頭以後加Lidar。個人認為要追求高 03/27 00:24
→ DSAndres : 準確度需要有影像+立體建模。結合兩種參數去判斷才 03/27 00:24
→ DSAndres : 真正安全。當然成本會是能否商業化的關鍵,Tesla在 03/27 00:24
→ DSAndres : 這方面極具優勢。 03/27 00:24
同意,在AI成熟前搭配光達是比較安全,偏偏光達目前還太貴
→ EBVirus : 目前的AI技術對於一些死規則的東西很有用 例如圍棋 03/27 00:26
→ EBVirus : 星海的話 也是靠完美操作贏玩家的...現在醫療AI龍頭 03/27 00:27
→ EBVirus : IBM都快玩不下去了...醫療這種病人數據參數很單純的 03/27 00:28
→ EBVirus : AI都有困難了 03/27 00:28
→ EBVirus : Level5 應該還很遠吧... 03/27 00:29
有夢最美 希望相隨
※ 編輯: StarburyX (111.249.15.82 臺灣), 03/27/2021 00:41:46
推 focusd : Mercedes me connect與蔚來都有了,有人在用石器 03/27 00:36
→ focusd : 公車也有八顆鏡頭呦 03/27 00:44
賓士現在也有配備多鏡頭(環繞車身)的車款了嗎?驚!
多鏡頭+時時聯網是蒐集數據的關鍵
中國的造車新勢力真不可小覷
個人認為傳統車廠最後還是會選擇光達方案比較實惠
現在視覺辨識要追上Tesla太難了
※ 編輯: StarburyX (111.249.15.82 臺灣), 03/27/2021 00:48:30
這邊指的是原生整合自車身電腦的鏡頭啦QQ
像指前擋風玻璃上ADAS用的鏡頭
不是這種純粹當行車紀錄器的鏡頭
※ 編輯: StarburyX (111.249.15.82 臺灣), 03/27/2021 00:54:34
→ focusd : 不過我認同特斯拉的數據累積,其他硬體都可以追 03/27 01:15
推 yaritai : 互聯網建立車子間的溝通渠道搭配攝像頭判讀視頻呢 03/27 01:33
→ lay10521 : garbage in garbage out 03/27 02:33
→ sky2001 : civil maps不是宣稱可以做到低成本且數據量極小的 03/27 03:09
→ sky2001 : 高精度地圖(絕對精度公分等級) 而且只用Arm cortex 03/27 03:10
→ leaveleft : 就成立網路代駕公司啊!車子至少要L2以上,然後聯 03/27 04:01
→ leaveleft : 網,有人在遠端幫你操控到目的地... 03/27 04:01
推 kuloda : 現在發展自駕車的很多是光達雷達+攝影機 03/27 06:26
攝影鏡頭一定需要,只靠光達無法辨識紅綠燈
推 yytseng : 兩者都會輾過睡在路中的狗,然後去下跪 03/27 06:38
推 yytseng : 可見光鏡頭限制太多,尤其是高對比狀況,瞬間變瞎子 03/27 06:42
→ focusd : 沒事,現在都休旅車。把底盤做高一點,讓狗死不了 03/27 06:49
推 lovedog0731 : 馬斯克開大絕:辨識waymo的車並跟在其後。不用閃過危 03/27 08:07
→ lovedog0731 : 險,只要閃過撞毀的waymo就夠 03/27 08:07
→ asdhse : 視覺辨識加光達才是最佳解 03/27 08:33
這邊提一下特斯拉跟其他車廠(福特 賓士..等)的ADAS系統有一個決定性的差異
靠視覺辨識為主的話特斯拉可以偵測不會移動的車輛
市售車廠是靠雷達偵測前方,會直接忽略靜止停等的車輛
要上到光達且具有足夠的算力才能處理靜止車輛
※ 編輯: StarburyX (111.249.120.185 臺灣), 03/27/2021 09:16:45
推 MacD89 : 所以在馬路上睡覺的橫躺白色貨車就是不講武德... 03/27 09:56
噓 neverfly : 結果還是撞上靜止貨櫃了 03/27 11:04
推 DSAndres : 視覺辨識如果是AI學習後只讓單機對實時影像做局部 03/27 11:15
→ DSAndres : 特徵值判斷,難保不會有誤判情形。人類判斷是透過 03/27 11:15
→ DSAndres : 幾十年生活經驗建立物體的立體構造認識,像是立體 03/27 11:15
→ DSAndres : 圖庫,移動的裝置要做到這樣,應該不能只學習路面 03/27 11:15
→ DSAndres : 的圖像。 03/27 11:15
推 hg32658 : 請一個專業司機 03/27 12:12
推 XXPLUS : 看到蔡英文或尤達大師不是都應該做一樣的反應嗎? 03/27 12:15
推 YJM1106 : 說靜止物人類其實也一樣,在晚上的高速公路上 你不 03/27 13:09
→ YJM1106 : 會因為隱約看到什麼東西就踩死煞車 會到真的看見物 03/27 13:09
→ YJM1106 : 體輪廓才有反應 03/27 13:09
推 KBchen : 補充一下:特斯拉不用光達也因為體積大跟成本高 03/27 13:11
推 kazami : 我覺得LV5最大的問題在於自駕開啟的時候車禍賠償 03/27 13:26
→ kazami : 責任歸屬,如果歸屬於車廠,那跳脫率或車禍率要夠 03/27 13:26
→ kazami : 低,低到車廠認為能夠負擔這成本,(即便是有保險 03/27 13:26
→ kazami : 也可能導致保費大增而影響消費者購買意願), 而以 03/27 13:26
→ kazami : 特斯拉現在只靠鏡頭攝影做AI視覺辨識,技術上是不 03/27 13:26
→ kazami : 太可能讓跳脫率或車禍率低到他們認為能夠承擔LV5 03/27 13:26
→ kazami : 可能增加的成本,而這也不是說你數據一直增加就可 03/27 13:27
→ kazami : 能讓跳脫率無限的逼近0,可能等車子互相會溝通後 03/27 13:27
→ kazami : 還比較有機會 03/27 13:27
→ kazami : 在醫學診斷上也有類似的問題,今天誤診責任還是在 03/27 13:35
→ kazami : 醫院,沒有廠商敢阿沙力說他的AI誤診他負責,這樣 03/27 13:35
→ kazami : 子就注定AI只能用來輔助而已。 03/27 13:35
推 birdskingla : 目標價多少辣 講出乃 03/27 13:39
推 darkdogoblin: 應該買車時就會有但書,輔助駕駛風險自負 03/27 15:18
推 s70160 : 目前使用Openpilot 採用雷達+vision 做縱向處理... 03/27 21:08
→ s70160 : 前方有靜止車輛確實可以100%停止! 03/27 21:08
推 heacoun : 攝影鏡頭,什麼攝像頭。 03/27 21:22
→ francej : 事實上人也分很多等級 從 三寶 到 F1職業車手 03/27 22:00
→ francej : 三寶開車 看到白色橫躺貨車 搞不好也是直直撞上去 03/27 22:01
→ wellkom : 三寶開,就算是正常行駛的也是用力幹下去啦 03/27 22:06
推 chandler0227: 局部範圍就不叫Lv5好嘛.....定義看清楚 03/28 22:59
→ chandler0227: 單一系統感知有侷限 所以主流才搞Lidar+視覺+雷達啊 03/28 23:01
→ chandler0227: Tesla問題在視覺無法正確感知下沒有別套方案cover啊 03/28 23:03
→ chandler0227: 而且高精地圖中沒有移動人車,lidar也能夠正確感知 03/28 23:07
→ chandler0227: 判斷人車上,lidar是很明確知道有物體在那,vision 03/28 23:10
→ chandler0227: 是依每個成像再經訓練(深度學習)辨識出人車 03/28 23:12