返回 播客 学习 audios

自动驾驶的静态、动态与反事实问题讨论

Lex Fridman与嘉宾讨论自动驾驶技术,将驾驶问题分为静态、动态和反事实三类,分析激光雷达和高清地图在静态驾驶中的作用,并探讨强化学习在反事实问题中的应用。

自动驾驶激光雷达强化学习
成长分 / 100 67 综合收获、行动、留存与影响

为什么值得读Lex Fridman与嘉宾讨论自动驾驶技术,将驾驶问题分为静态、动态和反事实三类,分析激光雷达和高清地图在静态驾驶中的作用,并探讨强化学习在反事实问题中的应用

帮助你判断这条信息是否值得继续深入阅读

关键洞察
  1. 这条内容的价值在于把外部信息转化为可执行的判断和行动。
转成行动

Lex Fridman · 中文播客

查看原视频 ↗

节目文字稿

中文播客全文

Podcast Script (zh)

[0.120-5.959] SPEAKER_00: 。 实现跨越,就得先想个主意。 或者选一个方向。 可能是个别人没走的方向。

[6.039-14.525] SPEAKER_00: 所以,像Cruise、Waymo,还有Aurora。 我不太了解Aurora。Zoox也用同一套技术。 它们的代码库都一样。

[14.825-18.110] SPEAKER_01: 都是DARPA城市挑战赛那个代码库。

[18.410-26.989] SPEAKER_00: 所以问题来了, 你觉得还有空间吗? 让人才和创新改变一切? 行,我给你举个例子。 比如地图领域的革命, 让你能绘制地图,

[27.069-31.236] SPEAKER_00: 做全球的高清地图, 在各种天气下都表现很好。 或者

[31.316-37.097] SPEAKER_00: 模拟领域的革命,推翻你之前说的。 这些方面,有没有突破性创新的空间?

[37.397-48.719] SPEAKER_01: 我刚才说他们已经掌握了全部内容。 嗯,驾驶分成三个问题。 但我还没解决第三个问题。 可我不知道怎么做。 所以有静态问题。 静态驾驶假设路上只有你一辆车。 这问题可以百分百解决。

[48.799-61.967] SPEAKER_01: 靠地图和定位。农场就这样运作。如果你只需处理 静态问题,你可以静态调度机器,对吧?这和 就像静态调度进程。你可以静态调度拖拉机,它们永远不会 在路上互相碰撞,对吧?因为你知道它们速度。所以这就是静态

[62.047-65.495] SPEAKER_01: 驾驶问题。地图只对静态驾驶有用。是的。关于

[65.795-70.137] SPEAKER_00: 静态驾驶,你说得好像很简单。静态驾驶确实容易。

[70.217-77.798] SPEAKER_00: 有多容易?怎么容易?嗯,特斯拉偏离车道时, 它在基本静态驾驶上失败了。特斯拉偏离车道。静态

[78.098-80.803] SPEAKER_01: 驾驶问题全球不易,但对一条路线很容易。

[81.103-87.709] SPEAKER_00: 一条路线、一种天气、一种车道标线,没有退化, 没有道路裂缝。假设你有一个问题。

[88.009-92.060] SPEAKER_01: 完美定位器。所以对天气和车道标线,这解决了。

[92.360-94.449] SPEAKER_00: 但你怎么可能有完美的定位器?

[94.749-97.221] SPEAKER_01: 你可以造,完美定位器不难造。

[97.521-101.363] SPEAKER_00: 好了,用激光雷达? 对,用激光雷达。 哦,激光雷达,好的。

[101.663-110.521] SPEAKER_01: 对,你是用激光雷达吧?比如做完美定位。 没激光雷达很难完美定位。能到十厘米。 没激光雷达?有它能到一厘米。

[110.821-115.685] SPEAKER_00: 我不在乎一厘米还是十厘米。担心的是 偶尔会突然 偏得很远。

[115.985-125.702] SPEAKER_01: 对,所以必须时刻仔细跟踪位置。 你想用激光雷达和相机融合,系统可靠性能达到 十万英里。再写回退条件,即使偏了也不至于

[125.782-132.527] SPEAKER_01: 太糟。对,我觉得能做到。就像老D那样 永远不会偏很远还不知道。 对,太好了。那是静态问题。 静态。

[132.827-143.484] SPEAKER_00: 有激光雷达和高清地图,就能解决。 简单。 不,我不同意“老”这个词。 静态问题太简单了。 你总说这事容易,我懂,它没那么难。好吧。

[143.784-149.705] SPEAKER_01: 答案明显。第三最难。到哪了?很多人不管第三。第二是动态,比如车等红灯,不能放地图。 对。 是的。

[149.785-155.113] SPEAKER_01: 不知道车在不在。要实时检测,采取行动。车会移动,要预测。这就是动态问题。

[155.193-158.536] SPEAKER_01: 是的。 所以必须处理,需要其他行为者的模型。

[158.836-161.970] SPEAKER_00: 你包括那些吗?我不想打断。 在第三个上。 哦。

[162.050-165.718] SPEAKER_00: 你考虑对人的影响吗? 啊,那是第三个。 好的。

[166.018-168.026] SPEAKER_01: 那是第三个,叫反事实。

[168.326-173.028] SPEAKER_00: 是的。 还有那个。 我刚和朱迪亚·珀尔聊,他痴迷反事实。

[173.328-182.769] SPEAKER_01: 哦,是的。读过他的书。静态和动态,横向法可完全扩展。反事实,目前我只有一种方法。 我想做的事,一旦有了这些车,就是在世界上做强化学习。

[182.849-188.653] SPEAKER_01: 我总把利用调到最大,不让他们探索。但反事实唯一靠强化学习,因为其他智能体是人。

[188.953-200.762] SPEAKER_00: 好的。 那就是我们离开时那样。 而且就像你确信的那样。 好的。 非常感谢,那个致谢很好,也谢谢你明白我。 继续吧。 就像刚才说的,你看看咱们的

[200.842-209.967] SPEAKER_00: 开会时,我们绕了好几个小时圈子。 我们就这两个,看书时和外面谈那些事。 比如,拜托了。 什么? 那是个社区,对吧? 哇。