这个youtuber将FSD AI看到的画面结合实际行车画面
https://www.youtube.com/watch?v=qRjY55ELYnc
有几个亮点, 你去观察对向车道,或是更远处都可以发现AI都可以清楚知道车子位置在哪
换句话说,FSD用了镜头就可以模拟光达的距离侦测了
这个技术已经被特斯拉提出为专利
https://uspto.report/patent/app/20200265247
特斯拉一直在训练深度学习神经网络，该神经网络可以说是“伪LiDAR”所以马斯克
认为根本不需要光达.靠镜头模拟即可,不服的人去看看AI所看到的画面跟实际差异
再来. 要问大家在1分27秒处, AI感应到马路中间有行人, 我想问看看多少人能在影片中
看到.如果看不到就代表AI的感知能力已经大于人类
如果还找不到 请看这张图
https://i.imgur.com/khEAyN8.jpg
AI看到行人,并且以蓝色框表示
我相信随着数据继续增加,AI深度学习,最后特斯拉仍然在自动驾驶处于统治地位
其他关于特斯拉这项技术的解释
https://tinyurl.com/ssrktpeh
机器翻译
特斯拉发布专利：“使用视觉图像数据评估对象特性”以增强自动驾驶系统
为了操作自动驾驶系统，通常在汽车上安装大量各种昂贵的传感器。但是，特斯拉决定避
免这种情况，并使用摄像头构建自己的自动驾驶系统。这使AI学习过程变得复杂，但是它
具有许多关键优势，并且可以为驾驶提供真正完整的自主权，被归类为5级自主权。
特斯拉已经发布了一项专利“使用视觉图像数据评估对象属性”。公开的发明有助于基于
由车辆摄像机捕获的图像来接收数据，以便部分地识别物体与车辆的距离。
自主驾驶系统通常依赖于安装众多传感器，包括视觉和发射距离传感器的集合（例如，雷
达，激光雷达，超声波等）。通过收集每个传感器捕获的数据，系统可以了解车辆的环境
并确定如何控制车辆。但是，随着传感器数量和类型的增加，系统的复杂性和成本也随之
增加。
例如，将发射距离传感器（例如激光雷达）包括在大众市场的车辆中通常是昂贵的。此外
，每个附加传感器都增加了自动驾驶系统的输入带宽要求。因此，特斯拉开始寻找车辆上
传感器的最佳配置。理想的配置应限制传感器的总数，而不限制捕获的数据的数量和类型
，以准确描述周围环境并安全地控制车辆。
该专利中描述的系统包括一个或多个耦合到存储器的处理器。一个或多个处理器被配置为
基于由车辆摄像机捕获的图像来接收图像数据。然后，目标是利用此数据（作为对经过训
练的机器学习模型的输入的基础），以至少部分地识别物体与车辆的距离。机器学习模型
已经使用训练图像和发射距离传感器的相关输出进行了训练。
该专利描述了一种用于从视觉数据生成高度准确的机器学习结果的训练技术。使用辅助传
感器数据（例如雷达和激光雷达结果），辅助数据与从视觉数据中识别出的对象相关联，
以准确估算对象属性（例如距离）。在各个部分中，辅助数据与视觉数据的收集和关联都
是自动完成的，几乎不需要人工干预。