테슬라의 자동운전 뇌 시스템은 어떻게 배웠습니까? 먼저 테슬라의 카메라를 사용하여 주변 교통 참가자를 모델링하고 사진 데이터를 신경 네트워크의 교육 세트에 추가하여 인간이 무엇인지 구분할 수 있도록 합니다. 이런 식으로, 일정한 비율을 형성 한 후, 뇌? 나는 어떤 차, 어떤 자전거, 누가, 그들이 나에게서 얼마나 멀리 떨어져 있는지, 그들이 어떤 방향과 운동의 속도인지 스스로 판단할 수 있을 것이다 ... 이런 학습은 테슬라 자신의 내측에만 국한되지 않고, 많은 차주들이 실제 운전 장면에서 데이터를 축적하는 것을 포함한다. 그러나 사람의 눈에 잘못된 판단이 있을 수 있는 것처럼, 시각적 알고리즘에는 2D 평면 이미지에서 정확한 3D 실제 장면을 추론하기가 어렵다는 명백한 단점이 있습니다. 예를 들어 테슬라 자동차는 흰색 대형 트럭 한 대를 구름으로 식별해 직접 들이받았다. 2 차원 인체 투영을 실물로 하여 능동적으로 브레이크를 밟다. 광고판의 주차 표시를 자동차의 푯말로 사용하여 능동적으로 브레이크를 밟다.
이론적으로 시각 기술과 라이더의 결합은 완벽한 솔루션입니다. 시각 시나리오의 이미지 센서는 높은 프레임 속도와 고해상도의 복잡한 환경 정보를 얻을 수 있고 가격도 저렴하기 때문입니다. 라이더는 펄스 레이저를 발사하여 대상의 산란광 특성을 감지하여 목표의 깊이 정보를 얻는 센서입니다. 그것은 정확도가 높고, 범위가 넓으며, 간섭 방지 능력이 강한 특징을 가지고 있다. 업계 기업들도 전자동 운전 기술에는 라이더, 레이더, 카메라, 초음파, 열 이미징 등의 센서가 포함되어야 한다고 보편적으로 믿고 있다.
라이더는 일반적으로 기계 라이더, 혼합 솔리드 스테이트 레이더 및 순수 솔리드 스테이트 라이더로 나눌 수 있습니다. 기계식 라이더의 기술 발전도 비교적 이르고 성숙하지만 기계 회전 부품의 주행 환경이 불안정하여 차량 법규에 따라 양산하기가 어렵고 가격도 높다. (윌리엄 셰익스피어, 기계, 기계, 기계, 회전, 기계, 회전, 회전, 회전, 회전, 회전) 우리가 본 팽이의 높은 자동운전차는 보통 기계 라이더이다. L4 운전을 실현할 수 있는 기계식 라이더의 가격은 수만 위안으로 쉽게 계산할 수 있다.