給懂的就懂的sixigma
https://i.imgur.com/AYUJ2ZY.jpeg
https://i.imgur.com/qDN8l9m.jpeg
https://i.imgur.com/GfewlYc.jpeg
https://i.imgur.com/pwcSfeP.jpeg
https://i.imgur.com/ZTZnPwb.jpeg
https://i.imgur.com/pytOnKO.jpeg
「算過 stereo disparity 就知道相機深度很不穩」
Stereo + OpenCV 的確老舊易崩
但 2024–2025 的 Camera-BEV 系列早已不用傳統 disparity
BEVFormer v2 在 nuScenes camera-only leaderboard 做到 63.4 NDS / 55.6 mAP
深度誤差〈12 cm＠30 m
穩定度和你印象中的早期 stereo 不是一個世代
https://tinyurl.com/4h9y23h9
「LiDAR-only 還是贏，LiDAR+Image fusion 更贏」
榜單數字沒錯：
最新 LiDAR-only（SEGT）約 73.9 NDS，Fusion 再高 1–2 點 但要把 BOM 成本、
校準、MTBF、維護工時 算進 TCO
多一支旋轉 LiDAR 不只車價漲四位數美元 還要週期性 Re-calibrate— fleet scale 一
上萬輛
資本與營運費用直接吃穿
Tesla/Wayve 等純視覺派算完帳寧可把錢砸進 GPU 與 OTA
「Fusion inference 已經 modality-agnostic，拿掉 LiDAR 也照贏」
現代 Fusion 模型可以 fallback
但性能不是零損 SparseLIF、BEVFusion 系列公開 ablation 拔掉 LiDAR 時 mAP 掉 5–
12 點 遠不到你說的「照贏」
agnostic 代表可容錯 不代表完全不掉分
「LiDAR 物理特性多，在『數狀況』下比相機穩定」
LiDAR 在雨、霧、雪場景會因散射衰減點雲密度與有效距離實測錯檢率最高可增 40 % 以
上
黑色低反射車身、玻璃幕牆也易掉點
點雲不是萬能 同樣需要後處理濾波
https://tinyurl.com/2rye676b
https://tinyurl.com/3re345ux
「多模態絕對屌打單模態」
監管與商業已經投票：2025 Q1 加州 CPUC 把 TCP 發給 camera-only 車隊，NHTSA 與英
國 DfT 草案都改成 performance-based technology-neutral
硬體堆砌派的護城河正被 法規 + 成本 兩把剪刀同時稀釋
實際戰場比的是 每行駛公里成本與 OTA 迴圈速度 不是 leaderboard 再多 5 mAP。
未來真正在比的是：
誰能用更低 TCO、更快資料飛輪跑出更低事故率，而不是誰在封閉榜單多幾分
你要談技術 fine 但請把成本、維運、監管也一起算進來 再來談「絕對」

簡單說光達Scale up有限呀，就好比波士頓機器人超級厲害但也不能Scale up