23032063 wrote:
這種人一定買不起...(恕刪)
TheATeam wrote:特斯拉的Machine...(恕刪)
這個影片很優，不過或許有時演算法並不是那麼困難。
一如ACC，好像大家覺得很即時和順暢(速度差太大不行)，但實際上就是相對速度和偵測參數的"剛好"。俺油車環島40圈，高速公路或塞車狀況，他車硬切入車道都有偵測並慢下。
此例在某個區間範圍內的主車道與左右車道，基本上都已落入警戒的【減速】或【預期變換車道】的物件，可能以區間內的速度偵測即達到80%？
當然如果有Dojo也是以Video為學習要素，最後也是後端深度學習網路產生的模型，再透過OTA更新吧？！
真正的推導參數餵入，應該還是以偵測出來物件距離、速度等等關係產生輸入端吧？
而偵測物件應該比神經網路模型演算法更重要，影片中也看到左邊的大車變成接軌火車那樣的建構。(一如相關影片有卡車疊疊疊樂，還有船在陸地走那樣的特例，而仍有待學習與判斷。）
ʎǝuɹnoſ ʎɯ ǝǝS 等待與告別： https://youtu.be/k1lf_n0Vs-I
tzou wrote:
這個影片很優，不過或...(恕刪)
有興趣了解Tesla Neural Network如何靠視覺影像作為自動駕駛判別的基礎
可以去看 Tesla Autonomy Day 2019的Video, 影片總長快4個小時, 軟體技術
細節的部分可以從1時51分30秒 開始看, 2時10分45秒左右開始特別提到偵測
識別的車輛切入的細節, 主講人特別強調是從所有路上跑的特斯拉抓來的數據
做為深度學習的基礎, 基本的algorithm是不太難, 真正花時間的是數據蒐集
相關的資料量要大到一定程度才能大幅提高準確度， 使得AI更聰明.
有能力從幾十萬輛車隊抓取建立大數據是特斯拉的優勢, 也因為如此, 馬斯克
有膽宣稱Tesla的FSD未來是會增值的選項.
AI我是門外漢, 只略懂皮毛. 回到主題, 馬斯克給的時間表通常是極度樂觀的,
是否真正能在年底推出FSD, 我個人是打個大大的問號
TheATeam wrote:
有興趣了解Tesla...(恕刪)
感謝提供資訊，有空來研究一下。
年底即使技術性解決，法規還是要追得上。
到底未來會不會高於19.1？拭目以待。
大車的母車判斷為內車道超車併入。
大車的母車判斷為內車道超車併入
草草跳著看。
這圖有意思（沒聽內容），沒想到深度圖也是運算？
CNN，不過Pose CNN不知是什麼。應該預測？有些RNN？
誤，影片中有提到深度還是由視覺和lidar，而人類判斷深度則由一些深度線索判斷，包含動態視覺視差，所以個人覺得除非很很特殊那種故意要撞你或非預期，不然透過多感應偵測裝置與演算，信賴度一定比人優。
ʎǝuɹnoſ ʎɯ ǝǝS 等待與告別： https://youtu.be/k1lf_n0Vs-I
JL wrote:
所有特斯拉上路後，都在記錄和回傳你說的那些東西
這我知道，只是機器學習現在已經變得蠻血汗了。
你有大量的訓練資料沒錯，但是如果沒有把駕駛習慣不良或甚至是危險駕駛的資料剃除，很有可能這些壞習慣就被學起來了，所以通常收集到的原始訓練資料都要搭配各種消毒整理的手續，而目前這個還是相當程度仰賴人工，所以都會說機器學習最費工的不是挑演算法扔電腦跑，而是訓練資料的製備。
而優良駕駛的駕車紀錄，你可以想成老練的木工或水電師傅手把手帶你做一天，你學到的東西肯定比起一百個菜鳥師傅做一天還要多，而且不會學到一些青澀或錯誤的工法。
不過這些我想特斯拉的資料工程師應該也都有想到，畢竟這也不算是很新鮮的科技了。
TheATeam worte:
不是只有透過某一小群"優良駕駛" 或特定車輛,
當然不可能訓練資料只靠這一小撮人，這肯定是遠遠不夠，我也沒說特斯拉應該要只靠這一小撮。
內文搜尋
從 APP 打開
X