Tesla Autonomy Day
前1小时多的广告可以忽略
https://www.youtube.com/watch?v=Ucp0TTmvqOE&feature=share
Tesla's Full Self-Driving.mp4
https://www.youtube.com/watch?v=nfIelJYOygY
如果传统方法可行,为什么AlphaGo需要深度学习;现在只有tesla实现了数据收集的闭环,如果所有场景都是训练集数据,实现的无人驾驶效果会怎么样?
算法+算力+网络(数据)将是最核心的生产力。
Openai Five 对算力、算法、数据的关系描述:We were expecting to need sophisticated algorithmic ideas, such as hierarchical reinforcement learning, but we were surprised by what we found: the fundamental improvement we needed for this problem was scale. Achieving and utilizing that scale wasn’t easy and was the bulk of our research effort!
在较小的算力和数据下,远远没有达到算法的天花板,限制还是在数据和计算力。算法持续改进但是进展速度不稳定。openai five的45000年的游戏经验说明也需要继续提升算法。
做好无人驾驶的算力、数据的基础设施,持续提升算法能力。
1 Tesla让我们感到自动驾驶行业的威胁,而不是waymo apollo;
tesla 明年落地robo taxi 能力ok;
其他威胁来自会跟进telsa自动驾驶思路的大公司 百度 车厂 商汤 旷世等,当然跟进者面临共同的门槛:完整的大量的驾驶数据。
tesla有无人驾驶行业流程及技术迭代的闭环,车辆收集数据量大,算法迭代速度快,常规算法(模仿学习监督学习检测识别等)实现了落地应用。
2. 威胁的启示:用AI做无人驾驶; 智能的发展思路是正确的,激光雷达高精地图的路线是没前途的。