推 Scape: 有些人還拿那些Lv4載客服務的試驗車說嘴，表示根本看不懂07/09 17:21
→ Scape: 人家在做什麼。絕大多數的無人駕駛試驗車都是依靠昂貴的07/09 17:22
→ Scape: 感應器跟安全人員去慢慢推進算法，用很慢的速度累積里程07/09 17:23
→ Scape: Tesla早就放棄了這一套做法，路上有超過百萬輛Tesla跟他們07/09 17:23
→ Scape: 蒐集大量的資訊，同時這些資訊到中心後提供Tesla做學習訓練07/09 17:25
→ Scape: 然後改進，最後反饋到車主的車輛上用陰影模式大量的測試07/09 17:25
→ Scape: 測試結果安全了、成功了才會放出來給車主使用。07/09 17:26
→ Scape: 跟那些原型車拿牌照在路上跑根本不是一回事，竟然還有人07/09 17:27
→ Scape: 拿這來反對，人家在做什麼事情，其本質就那麼難看懂？07/09 17:28
→ Scape: 上百萬輛車在全世界各地供你用影子模式做測試，為何還要回07/09 17:29
→ Scape: 過頭去搞那些又貴數量又少的原型車？07/09 17:29
就算有影子模式訓練，也絕對無法取代自駕車實際路試
自駕車路試的重點
1. 環境(號誌/他車/行人) -> 自駕電腦
感測器從環境收集數據，由自駕電腦運算和決策
2. 自駕車輛 -> 環境
自駕電腦的決策(例如變換車道)，進而影響環境(他車/行人)
也就是說
不只環境會影響自駕決策/行為，自駕決策/行為也會影響到環境
被自駕決策/行為影響後的環境，又再進一步影響自駕決策/行為
影響並非單邊而是雙向溝通，且形成迴圏
因此也考驗自駕電腦即時(real time)運算的能力
Tesla所謂的影子模式本身只做到第1點
用"已經蒐集好"的場景環境訓練自駕電腦
場景是不會變動的既定pattern
一旦自駕電腦做了任何跟原駕駛不同的決策
由於當下沒有實際行為(介入駕駛)，因此自駕電腦的決策並沒有實際反饋到環境
所以就算Tesla數據量較Waymo龐大許多
但前者本質上仍然是AP和車主的駕駛數據
雖有大量數據供自駕電腦訓練，但自駕電腦決策和行為並不影響到數據
而後者則是由自駕電腦與環境實際互動的純自駕數據
並不是說影子模式沒有意義
但你說有了影子模式就不需要昂貴數量少的原型車上路試驗
標準外行講的話

有些人還拿那些Lv4載客服務的試驗車說嘴，表示根本看不懂人家在做什麼。絕大多數的無人駕駛試驗車都是依靠昂貴的感應器跟安全人員去慢慢推進算法，用很慢的速度累積里程Tesla早就放棄了這一套做法，路上有超過百萬輛Tesla跟他們蒐集大量的資訊，同時這些資訊到中心後提供Tesla做學習訓練然後改進，最後反饋到車主的車輛上用陰影模式大量的測試測試結果安全了、成功了才會放出來給車主使用。跟那些原型車拿牌照在路上跑根本不是一回事，竟然還有人拿這來反對，人家在做什麼事情，其本質就那麼難看懂？上百萬輛車在全世界各地供你用影子模式做測試，為何還要回過頭去搞那些又貴數量又少的原型車？

實際來看也是阿，一堆數據結果還不是殺了一堆車主，全民公測，難怪教主不敢買(？

學了理論就不用實際操作的概念

劣幣還敢發文質疑涼B大師阿，這裡不歡迎劣幣，懂?我特萬歲\(._.)/

就是坐副駕看人開車 跟教練坐旁邊教你開車的差距？

劣幣認證(蓋)涼幣好委屈

所以輔助駕駛再怎麼訓練也只會是輔助駕駛

那麼神特吹還是只吹不買啦~~~

教主就是不懂硬要裝懂的典範

涼B大師搞不好持有不少我特的股票，早就財富自由了，所以才有那麼多時間上來發文教化汝等愚民。

機械系 vs 數學系 電車專業對決

涼b又被打臉惹...

為什麼有人喜歡大放厥詞被打臉 愛帶風向雙標又失敗XDDD

這樣說互動有點奇怪，因為實際上自駕系統就是要學習人類的決策和駕駛行為，那電腦與環境的互動有很重要嗎？

涼B是Google系吧！明明沒親用心得還能吹的跟神一樣，不愧是鍵盤雲車手！好嘴好嘴。

例如，人看到障礙物，旁邊無車人決策都是閃避，旁邊有車人的決策都是煞停，這樣決策策略似乎都是固定的

涼B依舊google中

不是吧 如果ai做了跟駕駛不一樣的決定，就要回去找為什麼；不然就跟放ai自己路試沒差

有人就喜歡當子龍啊 花大錢幫人測試半成品

因為這樣，有人做GTA的自駕，因為GTA是可以讓 控制系統實際控制車輛的

把半成品放上去給顧客用重新定義成潮 就有信仰買單了反正等新挑戰者把特斯拉M3比下去 扣除自駕M3根本不值那價造車品質還得練基本功

影子模式？接近Lv5?那先下放個高速下能辨識正前方靜止物的功能給現有車主吧！先用行動震憾一下市場

如果決策固定 連學習都不用 直接寫死就好啦

有種方式就是上高速自動轉自駕系統配合車聯網與感測分配車速一般道路通行就由駕駛人開

tesla的想法 可能就是把全部可能的pattern都丟進去啊

先解決一個主要效率場景 其他再說

涼B: 乾 這場遇到大魔王 這場我先裝死 明天開始洗板

想直接直上一步到位反而不可取

推~

但是特斯拉不就是把蒐集到的大數據再重新訓練後OTA更新到車輛上再不斷的收集更多 pattern 訓練後再更新嗎？在數據量(可能周遭路況也有記錄）極大的情況下

目前cnn都用在辨識而已 決策有在用ai的嗎？感覺不大需要

不是一樣可以做到跟環境互動的意思？我自己包括很多車主的經驗是，如果常常介入修正AP路線，多幾次之後也不用等OTA更新，AP會自動修正路線主要是發生在過較大彎道路口的時候，前方沒車可以追

特斯拉怎麼可能只有影子模式？？？

我的理解，影子模式應該是類似訓練模型中的驗證資料，訓練目標就是與人類行為一致，而感覺談到環境互動已經

每台車開啟AP的時候就是有實際跟環境在互動啊

所以AP很可能直接無預警切換到別條車道

數據再多，只有單方向的input而沒有互動，做出來的演算模型是很有問題的。就像三寶座在副駕駛座看到的路況，絕對和三寶自己握方向盤時不同。

不然AP是怎麼對切入的車子做出反應的我實際遇到過交流道上來的兩台車分別切我的前方跟後方然後AP處理得很完美 完全沒有不舒服的頓挫這不是 two-way，什麼才是？

感覺車板都是特斯拉的RD,系統如何開發都瞭若指掌一樣

特斯拉系統跟其他最大的不同就在於要做能應變未知狀況

自動駕駛遇到別的車插入車道，那是單方向應對，那來的互動成分？？

才剛放出來就來亂 XDDDDDD 我對你吹的"很完美"非常懷疑

用超車道來超車自動超車難道不是會改變環境的行為嗎？

一樣是三寶為例，駕駛行為呈現三寶狀態時，其他駕駛跟車或變換車道的方式，就會與看到非三寶時不同。https://m.cnyes.com/news/id/4325168由這個新聞來看，特斯拉的超車離“完美”的距離，應該還有兩個三寶吧

hanchueh: 別的車插入車道 難道自身不用加減速來應變嗎？可以啊~特斯拉不是就是加速去A大車嗎? XD

每次看涼幣被打臉好爽

所以說特斯拉絕對不是只有影子模式

特斯拉撞大貨車那起蠢事，單純是為了省錢沒使用具深度檢知的感應器。這種錯誤其實還比這種沒有雙向互動學習的case還要更低級

AP未啟動時收集影子數據 AP啟動時收集two-way數據

標題 中國深圳有位特斯拉車主上網討拍https://tinyurl.com/y8udsb8u敢插我? 看誰硬RRRRRR

我等教主回應 副教主看不上眼了

自動駕駛車輛雙向互動的重要性，大到可以被5G行動通訊拿來當成主要的賣點。

宣傳很好聽 撞了就改口是輔助

我來惹，怎麼沒有雲車主的回應，難道今天谷哥停機維修中嗎?

某副良幣出來救駕了 能不能來個能打的

文明賞車 世界和平 https://youtu.be/ePUxQe1-Gno

如果車子真的學會環境互動的影響，那就會發生level5的車子硬剪線，或是出路口慢慢往前督，這種試圖影響環境的行為，我覺得不見得是好事反而根據現況決策，不試圖影像環境是比較合理的行為

他一直都外行吧，他也不否認啊 就是資料查的勤

車主平常開車的行為模式其實就已經隱含雙向的決策了，AI是可以依車主在行駛時的決策學習到與環境的互動模型的，並不是完全單向學習還有一點是一般人看到一台自駕車的反應和看到一台一般車的反應不一樣，一台高調的自駕車（裝一堆sensor在車頂車頭）並不能學到真正的行駛經驗，簡單來說就是大家都會傾向禮讓

涼幣要被劣幣驅逐了嗎？

自駕車，不會想下車拿球棒拼輸贏

單向學習為何學不到互動?數據量夠龐大不也模擬所有可能反應?決策影響環境或許單向學習較慢，但信息量只要夠龐大不也一樣雖然雙向獲取特定反饋上很快，但也是需要累積數據吧特定狀況像一般人沒有的駕駛行為，那真的只有2.可以測試

萬一特斯拉的影子主人是個三寶決策不就變成一個三寶的影子

AI要能介入駕駛，首先要學會如何介入，怎麼會說因為影子模式AI沒有介入駕駛所以沒辦法學到如何介入駕駛，它正在從人身上學習如何介入啊而且機器學習本來就是從過去的資料學習，難道要從未來的資料學嗎？你放一台自駕車去學，它也是蒐集資料後更新模型，也是用過去的資料啊回應三寶的部分，如果這個世界三寶比例高於一般人，那的確要學習如何以三寶的思考方式駕駛，因為這才是符合現實世界的模型

我以為他的論點是說，出車禍是因為你教壞tesla，tesla無辜

劣幣講的話聽聽就算了，別當真，還真以為良幣勒

簡言之就像統計會避開outlier,除非路上的三寶才是平均值

舉例來說，影子模式學會人如何超車，所以之後AI照著人超車的方式超車難道一定要由自駕電腦自己超車幾百次然後分析哪些造成車禍哪些順利超車才叫做”雙向”假設人類有一百種超車方式，分布在一萬個場景，首先AI從影子模式學會了這100種超車方式，然後再把這個AI丟到自駕車學習那些以前沒出現過的第101種超車方式那麼如果要達到Level 5，是否從影子模式開始建構AI自駕模型才是正確的第一步，而不是直接丟一台自駕車讓它從頭學起

自主駕駛大概在電腦有自我意識前不會發生，因為是電腦電腦不可能無中生有的做決策

那就要看自主駕駛的定義是什麼，如果AI能完全學到某一個車主的所有駕駛行為，開起來也跟車主一模一樣，那這個算不算AI達成自主駕駛，還是這個AI必須達成自主思考才能稱為什麼自主駕駛能通過圖靈測試的自動駕駛算不算有自主駕駛能力？也許它只是模仿某個駕駛人，但是行為上它就像個真人但是真的要達到自主駕駛才稱作Level5嗎？

現實生活中路況千奇百怪，光是模仿駕駛人，也不可能把所有路況複製。就算是用生成對抗網路跑出來的AI模型，遇到愚蠢的異常對手，也是直接失能。不然有人開車開了幾十年，也沒遇上卡車橫在路中間還加速撞上去的蠢事吧，這個AI再怎麼模仿也模仿不來。

這其實也是elon強調數據量的主因之一，如果tesla蒐集的數據量無法應對生活中的例外狀況的話，那更別說其他沒有數據的自駕公司了

那就是前面講的，沒有互動的大bug啊。就像三寶坐在副駕看得再久，真的自己開車時，路況與其他車輛的反應也還是會出現很大的差異。就算你一口氣把頭文字D看完，也不代表你在秋明山上飄移時，會有像中里毅一樣敢讓你貼著車尾開的勇者。

簡單來講就是看A片，A片看再多 看再久你也不會有金手指，變加藤鷹更何況還是都看同一葛人演的A片回原廠OTA也只不過等同是你Google如何做愛網路上說九淺一深，輪到你上陣的時候你真的能九淺一深嗎？車輛零組件也會有公差，數據不可能直接照搬特斯拉的做法就有滿像駕訓班，只是從人變成電腦這樣

所以是tesla內部都沒有車在路上跑的意思?

即使像是一般自駕公司弄互動資料，你相信那一點點的數

內部測試車當然有在路上 而且其實也有用光達

只是最終目標是做出不用光達也能用的系統https://i.imgur.com/HmXvoWX.jpghttps://i.imgur.com/Q9NHLaH.jpg

你測試車用光達 量產車用雷達，也難怪會撞貨車 懂了

全自駕功能尚未開放 現階段仍需要駕駛監控