看板car
: 原文：
: https://www.youtube.com/watch?v=g6bOwQdCJrc
這是完整的Workshop on Autonomous Driving at CVPR'21.
裡面不只有Tesla，還有一堆開發自駕的公司
有興趣可以去看看
https://www.youtube.com/watch?v=eOL_rCK59ZI
https://i.imgur.com/zB7N04H.jpg
https://i.imgur.com/apQGkwt.jpg
https://i.imgur.com/E9P6h1v.jpg
: 對岸摘要：
: https://www.ithome.com/0/559/432.htm
: 基本上就是tesla的20位工程師不段測試後
: ai純視覺化>>(視覺化，激光雷達,毫米波雷達)
: cost down:
: "使用激光雷達，還需要高精地圖的匹配。根據高精地圖存儲的車道線、紅綠燈等信
: 息，就能夠實現自動駕駛。"
: simplicity:
: "毫米波雷達感知數據中的噪音實際上拖累了整個自動駕駛系統的判斷。"
: 突然減速之後，毫米波雷達並不能很好追蹤前方車輛，因此多次重啟，就像是車輛在短時
: 間內重復消失，又出現了 6 次，這很可能誤導自動駕駛系統。
: 毫米波雷達沒有垂直分辨率，所以會認為立交橋是一個靜止在前方的物體。
之前在
#1WRyS6M7 這篇文章中提過的
傳統車用雷達：量測
距離、角度、相對速度
人孔蓋、標誌、橋墩等會造成錯誤偵測，目前解法是濾掉靜止量測數據
也因此有了4D Imaging Radar的發展，可量測
一些開發4D雷達的廠商
Arbe: Radar Revolution. Delivered. (rumor是特斯拉可能採用他們方案)
https://www.youtube.com/watch?v=Yc4MfzbbtuI
The RadSee 4D Imaging Radar
https://www.youtube.com/watch?v=h7t-6_wiZKM
: 停靠路邊的大貨車。此時，毫米波雷達無法判斷前方究竟是一輛車還是一個普通的靜止物
: 體。因此，毫米波雷達將這項任務交給視覺傳感器，最終在距離車輛 110 米的距離時，
: 才感知到前方的卡車。用純視覺傳感器，在 180 米的距離時感知到了前方的貨車，並從 145 米處有明確的感知
: 信息，開始減速。
: "特斯拉的自動標簽化的方法還能夠應對沙塵、雨、霧、雪等極端天氣。"
簡單說
絕大多數自駕廠商是採多傳感器融合(sensor fusion)方案，對準Lv4自駕
也有不少廠商發展新型傳感器，解決原本傳感器的不足
Tesla則是單靠純視覺方案
還打算發展Lv5，企圖應用在道路號誌、駕駛人習慣都不同的各國環境
另一家推出純視覺方案的是Mobileye
但Mobileye的純視覺方案也只應用在ADAS上 (Mobileye稱之為Lv2+)
也就是說依舊是輔助系統
Mobileye認為要達到Lv4自駕必須要有Redundancy
https://i.imgur.com/sX1H8Er.jpg
https://i.imgur.com/nKgMk02.jpg
https://i.imgur.com/g1mW59o.jpg
https://i.imgur.com/Q5E0nBW.jpg
--
沒人說"不需要辨識"啊
但為啥在感測上不能是多套方案並行(需要驗證的資料量也少很多)
而是把全都丟給一套方案，憑單一方案要做到接近100%正確?
https://i.imgur.com/g1mW59o.jpg
當兩套方案不一致，沒人說擇一啊
可以進失效安全模式(保守但絕對安全的作法)
那假設只有單一視覺呢?
奇怪了~為啥那麼排斥redundancy
汽車業早就證明過，比起企圖把單一方案做到100%不失效
redundancy可靠度高很多
航空業甚至3組取2的方法
Mobileye也打算應用redundancy在自駕
為何不可能? 那Mobileye是在?
https://i.imgur.com/nKgMk02.jpg
※ 批踢踢實業坊(ptt.cc), 來自: 1.171.8.182 (臺灣)※ 文章網址: https://www.ptt.cc/bbs/car/M.1624955851.A.8C2.html
推 FAPP : 06/29 17:00
→ asdhse : 視覺化自動駕駛失誤率目前可以到多少了？ 06/29 18:17
→ bill97385 : 就算fusion,物件辨識還是需要的啦!跟NN脫離不了 06/29 18:47
→ bill97385 : 即使使用rule base方法，辨識率還是一樣是問題 06/29 18:48
推 bill97385 : 目前現階段,也沒人說sensor fusion能保證準確率100 06/30 09:01
→ bill97385 : % Tesla也沒保證準確率100%，所以才提出只要比人好 06/30 09:02
→ bill97385 : 上一個級別就是可以應用的狀態，要怎麼定義好，可 06/30 09:02
→ bill97385 : 靠是個問題 06/30 09:02
推 bill97385 : 一套多套意思也是為了追求高準確度，只是多套問題 06/30 09:09
→ bill97385 : 也會發生當其中一套效果遜色於另一套時，你的冗余 06/30 09:10
→ bill97385 : 系統就不冗余了，因為最終你是相信準的那組系統 06/30 09:10
→ bill97385 : 況且你也無法保證即使兩座都很準的情況會不會有兩 06/30 09:11
→ bill97385 : 組Miss的情況 06/30 09:11
推 bill97385 : 並不是排斥啊！只是當兩組不匹配你進失效模式，這 06/30 09:34
→ bill97385 : 樣的結果就會常常進到失效的狀態而無法使用，我明 06/30 09:34
→ bill97385 : 白航空等等的系統會用兩套系統，但是這僅限兩組都 06/30 09:34
→ bill97385 : 有一樣的準度或極低的失效可能，例如線傳系統，但 06/30 09:34
→ bill97385 : 是駕駛輔助或是自動駕駛，兩套系統採不同sensor但 06/30 09:34
→ bill97385 : 是要求系統要回應一致似乎不太可能 06/30 09:35
→ bill97385 : 況且你進失效模式也是只能把主導權丟回給人… 06/30 09:36
