特斯拉最初希望通過“大力出奇跡”的方式解決這一問題,特斯拉FSD V12版本已經(jīng)覆蓋30億公里的行駛里程數(shù)據(jù),V13版本的下一個目標是覆蓋約100億公里的行駛里程數(shù)據(jù),但是這顯然沒有窮盡所有駕駛場景。
前述學者告訴記者,目前,像理想等車企也在嘗試將視覺語言模型與現(xiàn)有的深度學習模型相結合,賦予系統(tǒng)一定推理能力,從而解決“黑天鵝問題”,但這仍取決于車端算力的突破。深度學習模型的參數(shù)級別約為10億級,而所謂大模型的參數(shù)級別至少在百億級。今年車載算力應該會突破1000TOPS,接近1500TOPS,也就是使用兩顆英偉達Thor芯片,而明年可能會突破2000TOPS,這意味著比較好的推理模型可以“上車”?!半S著車載算力的提升,以及智能駕駛模型的進步,邊緣場景的問題有可能被更好地解決?!?/p>
在邊緣場景問題解決前,智駕的局限便始終存在。
把駕駛員“喊回來”不丟人
盡管智能駕駛在現(xiàn)階段仍然停留在輔助駕駛階段,尚未真正實現(xiàn)自動駕駛,但是隨著車企不斷將L3級的能力下放到L2+級,其仍然要求駕駛員注意力保持集中與為駕駛員提供足夠便利之間的悖論已經(jīng)出現(xiàn)。
在啟動輔助駕駛功能的情況下,駕駛員注意力往往難以集中,從而帶來事故隱患。
2024年4月,美國國家公路交通安全管理局(NHTSA)針對特斯拉的Autopilot系統(tǒng)發(fā)布了一份調(diào)查報告。他們分析了2018年1月至2023年8月期間發(fā)生的956起車禍——這些事故在發(fā)生時或發(fā)生前,都啟用了Autopilot。其中,有135起車禍可以通過車輛數(shù)據(jù)日志和EDR(事件數(shù)據(jù)記錄器)確定駕駛員在碰撞前的反應。在82%的事故中,駕駛員沒有剎車或在碰撞前不到1秒才剎車;在78%的事故中,駕駛員沒有轉向或在碰撞前不到1秒才轉向。這足以表明駕駛員們有多信任輔助駕駛系統(tǒng)。
最近,警方陸續(xù)接到多位女大學生報警,稱有人在街頭以借現(xiàn)金當路費的形式行騙。具體是怎么回事呢,一起來看一看
2024-10-25 15:37:03專挑女大學生出手!騙子謊稱借路費專挑女大學生行騙