不是说用规则替代ai
而是在ai的基础上最终还是要有大量规则的输入和优化
就好比人对物体识别能力是自然学习获得的，但一样要去驾校学驾驶

学过几天神经元网络，就只知道神经元网络了？
【 在 last2 的大作中提到: 】
: ai有规则，现在的知识图谱就是传统ai专家系统百科派重装升级的重要延续之一
: 但是海量规则，或者以规则为主导的方法，至少在可展望的近期没什么应对开放世界的可能性
: 就像神经网络10几年前在ai中几乎属于人人均须避之的子领域
: ...................
--来自微水木3.5.5
--
FROM 223.167.21.*

更定不止一条路的，华为又不是弱智

就一堆人在这里酸而已

【 在 hsv 的大作中提到: 】
: 小数据与大数据是俩概念…
: 我感觉不至于拿这一条路训练，这太业余了，测试需要。其他道路表现可以期待。
: 【 在 wrsea 的大作中提到: 】
: ...................
--来自微水木3.5.5
--
FROM 223.167.21.*

道路的问题，基本高精度地图就解决了，最多识别下标线和指示牌，这个现在在卖得车都完全可以做到。

难度大的显然是不同的路况处理问题
【 在 lllll 的大作中提到: 】
: 要看程序的实现，线路可能占50%比重，路况50%的比重
:
: 【 在 wakesman 的大作中提到: 】
: ...................
--来自微水木3.5.5
--
FROM 223.167.21.*

自动驾驶不等同于机器学习

机器学习只是自动驾驶技术中的一部分

能理解？

【 在 Engelberger 的大作中提到: 】
: 机器学习本来就是数据为王
: 【 在 wrsea 的大作中提到: 】
: : 哈哈，我也贴下我刚刚的回复
: ...................
--来自微水木3.5.5
--
FROM 223.167.21.*

现在感知这块只能说还会有bug
比如上次特斯拉识别货车那个事情

但这块显然每个厂家都能做得还不错的了，包括蔚来小鹏等，尤其加入激光雷达以后，理论上应该更不是问题，不知道为啥很多人还是乐此不彼吹

现在差得其实还就是如何驾驶这块。

现在拿过去技术吹好像是一种流行，就好像厂家用个高通8155做车机芯片也各种吹，却没人提这就是3年前手机soc的水平
【 在 wakesman 的大作中提到: 】
: 各种雷达加摄像头识别，感知不是啥难点吧。
: 【 在 dawei78 的大作中提到: 】
: : 感知路况就是难点 需要靠大量数据训练
: ...................
--来自微水木3.5.5
--
FROM 223.167.21.*