※ 引述《chandler0227 (钱德勒)》之铭言：
: 推 Scape: 有些人还拿那些Lv4载客服务的试验车说嘴，表示根本看不懂 07/09 17:21
: → Scape: 人家在做什么。绝大多数的无人驾驶试验车都是依靠昂贵的 07/09 17:22
: → Scape: 感应器跟安全人员去慢慢推进算法，用很慢的速度累积里程 07/09 17:23
: → Scape: Tesla早就放弃了这一套做法，路上有超过百万辆Tesla跟他们 07/09 17:23
: → Scape: 蒐集大量的资讯，同时这些资讯到中心后提供Tesla做学习训练 07/09 17:25
: → Scape: 然后改进，最后反馈到车主的车辆上用阴影模式大量的测试 07/09 17:25
: → Scape: 测试结果安全了、成功了才会放出来给车主使用。 07/09 17:26
: → Scape: 跟那些原型车拿牌照在路上跑根本不是一回事，竟然还有人 07/09 17:27
: → Scape: 拿这来反对，人家在做什么事情，其本质就那么难看懂？ 07/09 17:28
: → Scape: 上百万辆车在全世界各地供你用影子模式做测试，为何还要回 07/09 17:29
: → Scape: 过头去搞那些又贵数量又少的原型车？ 07/09 17:29
: 就算有影子模式训练，也绝对无法取代自驾车实际路试
: 自驾车路试的重点
: 1. 环境(号志/他车/行人) -> 自驾电脑
: 传感器从环境收集数据，由自驾电脑运算和决策
: 2. 自驾车辆 -> 环境
: 自驾电脑的决策(例如变换车道)，进而影响环境(他车/行人)
: 也就是说
: 不只环境会影响自驾决策/行为，自驾决策/行为也会影响到环境
: 被自驾决策/行为影响后的环境，又再进一步影响自驾决策/行为
: 影响并非单边而是双向沟通，且形成回圏
: 因此也考验自驾电脑即时(real time)运算的能力
: Tesla所谓的影子模式本身只做到第1点
: 用"已经蒐集好"的场景环境训练自驾电脑
: 场景是不会变动的既定pattern
: 一旦自驾电脑做了任何跟原驾驶不同的决策
: 由于当下没有实际行为(介入驾驶)，因此自驾电脑的决策并没有实际反馈到环境
: 所以就算Tesla数据量较Waymo庞大许多
: 但前者本质上仍然是AP和车主的驾驶数据
: 虽有大量数据供自驾电脑训练，但自驾电脑决策和行为并不影响到数据
: 而后者则是由自驾电脑与环境实际互动的纯自驾数据
: 并不是说影子模式没有意义
: 但你说有了影子模式就不需要昂贵数量少的原型车上路试验
: 标准外行讲的话
: