| 发布于: | 雪球 | 回复：53 | 喜欢：1 |
它说的是“up to”，换句话说就是“情节恶劣”的。哪些情况下会需要坐牢呢？酒驾或毒驾、高速逆行、闯红灯、肇事逃逸这些会需要。当然，如果是使用FSD的话，如果有证据可以证明司机在看电影，玩游戏之类的，也可以算情节恶劣。但是你如果就是正常驾驶，时刻保持警惕，FSD出错发生了意外，那就不可能算是情节恶劣。如果确实是用一个L2系统，还在高速玩游戏、看电影那也应该要坐牢。正常情况的交通意外，就和开车走神的交通事故一样，只要不跑路，去积极救人，做血检没有问题，再找个律师，想坐牢都很难吧……
另外，讨论任何问题也得实事求是吧。电话会议里说了，v12的试用中，全北美170万车主有一半都参与了试用，在过去20天里，FSD的驾驶里程就增加了约5亿公里。在这近百万车，约5亿里程里，一个造成伤亡的安全事故都没有。注意，5亿公里，一个都没有。
拿锤子的人，看什么都像是钉子。你可能误解了FSD v12的实现原理，你以为他们是用强化学习实现的，但其实不是。FSD v12并不是闭环端到端，它不是通过深度强化学习去实现的，而是基于模仿学习实现的。他的迭代是基于现实世界实测数据的反馈，再去做相应的数据调整，以及生成视频做对抗训练。所以我认为，你基于你自己能力圈对于FSD所做出的“无法胜任复杂情况”的判断是不适用的。
自动驾驶的模型一定要在真车上去测试，现实世界里，真车1公里测试数据抵得上模拟100公里。当我们讨论自动驾驶的端到端，指的并不是下围棋那种，给一个决策端到端输出胜率，而是指“光子入，控制出”的一体化的神经网络，输入到输出中间全部黑盒。
FSD v11是先做占用网络用来识别异型障碍物，然后再用搜索树做路径规划，最后再输出车辆控制。v12将多个模块进行了整合（不再使用搜索树），使得上游的微妙信息可以无损流向下游，这理论上可以让FSD更高效的做出预测。比如在车底下看见一双脚，就可以知道后面可能有人，就可以提前减速。在v12之前的模块化方法中，这种能力是不可能实现的，而FSD v12已经在很多实测中都展现了这种能力。
其实想想也知道，交通系统的安全性，不在于无止境的追求最好的驾驶技能，而在于与其他参与者配合融入。无人车是要和人类驾驶员一起上马路的，所以如果要去做闭环模拟，用强化学习来训练一个“最优”策略，你怎么预测其他交通参与者的行为呢？想想就很奇怪。用模仿学习来训练FSD，再用现实世界的接管反馈来做调整明显要更靠谱一些。
你这些都是从Tesla的分析报告中学的吗？挺强的哈。但是误区的是你，不是我[捂脸]模仿学习也是dqn的一个分支，是同一个研究领域。举个例子，alphaGo就是模仿学习+自博弈finetune。第二点就是，算法层面，模仿学习的效率是远远低于和环境交互的自我学习。参考alphago和zero的天差地别。自动驾驶需要用模仿学习和真车环境，是因为仿真环境不够真实而不得不进行的妥协，并非优势。第三点就是，端到端、光子进策略出，我给你翻译成学名，你可以搜搜资料，cs phd应该很容易看懂。输出胜率的是value based，输出策略的是policy based，最新的基于ppo的a2c/a3c很早就对他们做结合了。而且可以说已经一统江湖了。自动驾驶因为是一个...怎么说呢，对bad case非常敏感的领域，所以才会导致整体工程实现上要落后最新的dqn算法1～2代。你讲的v12的这些概念，在dqn真的已经非常普遍了。但是稳定性...真的不行，在复杂情况下。当然，比拆分模块的效果当然是碾压的，现代所有非端到端建模的方案早就已经没有存在的意义了[捂脸]