推 iverson0991 : 個人淺見。 09/22 18:25
→ iverson0991 : 多一些實際案例，多點log就解決了。 09/22 18:25
推 chandler0227: 如果是輔助系統，miss detection會比false alarm好 09/22 18:27
推 eelke : 真的有偵測到幽靈所以煞車，很合理啊 09/22 18:29
推 palapalanhu : Ghost busters 應該開特斯拉 09/22 18:40
→ maniaque : 把人變成 Ghost 嗎?? 09/22 18:45
推 Transposon : 我猜最後會因現階段技術問題，以出錯率低於或接近人 09/22 18:54
→ Transposon : 類誤判率作結 09/22 18:54
推 ingmu : FSD 10.69已經大幅改善幽靈煞車 可惜正式釋出前廣大 09/22 18:56
→ ingmu : 車主們只能先開舊版軟體 09/22 18:56
推 benson502 : 就真的有幽靈才煞車的阿 09/22 19:05
→ dslite : 圓形交通號誌當人類 晚上機車看不見 09/22 19:19
推 kira925 : 每次都是下個版本會更好 被嚇到的車主都活該 呵呵 09/22 20:05
推 JEON : 每次都是這樣唬爛的啦 有大幅改善 然後其實... 09/22 20:22
→ DYE : 日幣貶值 但是便宜的車還在海上 有87%像 09/22 20:24
推 kazami : 因為false positive rate跟false negative rate不 09/22 21:04
→ kazami : 見得會一樣，一種極端的例子是進行小樣本的學生專 09/22 21:04
→ kazami : 題，偶爾會看到該辨識出來是目標的都有辨識出來， 09/22 21:04
→ kazami : 但不該辨識成目標的物體也被辨識成目標，所以只要 09/22 21:04
→ kazami : 能提高false positive rate就可以降低false alarm 09/22 21:04
→ kazami : 的狀況，不見得需要犧牲miss detection，特有一整 09/22 21:04
→ kazami : 個專業團隊在進行FSD開發，但隨著資料越來越多，輸 09/22 21:05
→ kazami : 入的物體種類以及場景也越來越複雜，如果原來的幽 09/22 21:05
→ kazami : 靈煞車是容易發生在某些場景或是某種條件之下的話 09/22 21:05
→ kazami : ，那只要開發團隊有人能針對這點進行調整及改善， 09/22 21:05
→ kazami : 是有可能在不犧牲miss detection的情況下減少幽靈 09/22 21:05
→ kazami : 煞車，但也有可能幽靈煞車並非在某些特定條件下會 09/22 21:05
→ kazami : 發生，或是開發團隊無法發現該條件，然後直接調整 09/22 21:05
→ kazami : 神經網路或decision making的參數，那的確是有可能 09/22 21:05
→ kazami : 犧牲miss detection, 但也不見得降低多少false al 09/22 21:05
→ kazami : arm就會提升多少miss detection就是了 09/22 21:05
推 levy : 同意，最後的一哩路也是最困難的 09/22 21:45
推 TaiwanNeko : 幽靈煞車頂多浪費電和煞車皮，總比該煞不煞好 09/22 21:48
推 kira925 : 你要在高速公路賭AEB發動嗎? 09/22 21:52
推 m996360 : 樓樓上台灣貓在搞什麼笑，你後面是大學長時會希望 09/22 21:58
→ m996360 : 幽靈煞車發動？ 09/22 21:58
推 sleepgod0602: 製造這些晶片的電子廠機台隨便都上千萬 09/23 00:18
→ sleepgod0602: 放無塵室都餵一樣的料都有機會出現誤判了 09/23 00:18
→ sleepgod0602: 一台幾百萬在路上亂跑的車你期待他多可靠? 09/23 00:18
噓 Miralles : 別甩鍋給純視覺。在特轉純視覺之前就幽靈煞車了 09/23 00:23
推 sukimilktea : 幽靈煞車現象不是純視覺方案開始才有的 09/23 00:49
推 berryc : 所以說自駕還早。 lv2的話就不是大問題，偵測出問 09/23 01:49
→ berryc : 題一律當沒人，系統不足的部份丟給駕駛就戈好 09/23 01:49
→ wisdom : 建立三套ANN patten,然後同一份影像資訊同時給三組 09/23 08:48
→ wisdom : ANN做判斷，多數決。只是需要的運算量暴增。需要更 09/23 08:48
→ wisdom : 強的硬體支援 09/23 08:48
推 wisdom : 類神經網路這東西雖然真的很強大，但這東西只能保證 09/23 08:56
→ wisdom : 你丟一樣的資訊進去，它會得出一樣的結論。可是路上 09/23 08:56
→ wisdom : 狀況千變萬化，尤其攝影機數量增加，解析度增加，原 09/23 08:56
→ wisdom : 始資訊量爆炸，路上多一顆石頭，輸入的資訊就不同， 09/23 08:56
→ wisdom : 所以根本沒人可以保證運算出來的結果。能保證的只有 09/23 08:56
→ wisdom : 它不會像人類一樣受到生理或心理條件影響判斷。所以 09/23 08:56
→ wisdom : 你頂多只能把他當成不會打瞌睡、不會路怒的人類駕駛 09/23 08:56
→ wisdom : 但受過專業駕駛訓練且永遠保持專注的人類駕駛，也無 09/23 08:56
→ wisdom : 法保證他永遠不會判斷錯誤。 09/23 08:56