前一段時間，幾位國內頭部廠商號稱自動駕駛專家的人物，表示自動駕駛其實很好解決，只要把物體在哪兒搞清楚，無非就是加速和方向盤而已，我就不說這些企業是什么了，總之要命的別做這種車，
為什么：原因很簡單，因為對應的前置任務是有限度的，并且難以提高，以Object Tracking為例，在簡單的地鐵中，曠世通過各種騷操作做到了80%，看起來還可以，但別忘了，公路上的物體比這個復雜的多，所以我要拍腦袋，那正常達到60%就不錯了，
打個不恰當的比方，我從a地走到b地，如果我眼神沒問題，大部分都可以走，但如果我眼神有問題呢？假如說我接近一半的東西都看不到，那我估計就只能以每分鐘一步的方式走了，這不是自動駕駛，這是牛車，
所以大部分時候，RL訓練還是一個主流，但RL也有自己的問題，
- Generalization Gap，因為收集自動駕駛的實際資料太難了，所以不能在公路上訓練，往往是在賽車游戲中，但是賽車游戲比起實際簡單太多，所以如果能在實際訓練，安全的收集樣本，然后在利用小樣本（RL臭名昭著的sample inefficient），
- 置信度問題，神經網路本身一般都對自己判斷高度自信，Bayesian RL在這方面能起一些作用，但本身來說還是有很大需要進步的，
雖然一群人說RL各種各樣問題，但是實際上，如果你要是覺得你還能用規則，你把object tracking這些東西倒數第二層拿出來，然后你自己在這里寫個規則，你能把那些東西指啥說明白都算你厲害，
所以說，反智的人就不要做AI，谷歌在這方面做了這么多年，也一直被詬病，我們反倒覺得自己偏偏能抄個捷徑，一天趕超谷歌，這種把全世界最聰明的一群人當傻子的心態還是非常具有人類學研究意義的，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/242462.html
標籤：其他