极道
·
AGI来了？特拉斯用大模型帮助自动驾驶
💡
原文中文，约1100字，阅读约需3分钟。
📝
内容提要
特拉斯结合大模型实现自动驾驶，Grok-1.5V能将“像素->动作”映射提升为“像素->语言->动作”。Grok-1.5V解决自动驾驶中边缘情况的潜力，使用语言进行“思维链”将有助于汽车分解复杂的场景，用规则和反事实进行推理，并解释其决定。
🎯
关键要点
-
特拉斯结合大模型实现自动驾驶，Grok-1.5V将映射提升为'像素->语言->动作'。
-
Grok-1.5V在解决自动驾驶边缘情况方面具有潜力。
-
使用语言进行'思维链'有助于汽车分解复杂场景并进行推理。
-
网友讨论了Grok与特斯拉FSD的关系及其潜在的AGI道路。
-
特斯拉视觉系统基于虚拟视频训练，实时转换视频到标记数据。
-
对'思维链'的理解存在疑问，不同地区的驾驶逻辑不同。
-
引入语言层可能会影响响应时间，尤其是时间敏感的驾驶决策。
-
Grok应接受人类驾驶员的输入，以适应不同的驾驶偏好。
-
自动驾驶系统可能会与用户对话，处理边缘情况。
-
特斯拉汽车内的芯片处理能力受到关注，是否能快速执行推理。
-
FSD的关键组成部分包括感知、规划和控制，Grok是实现这一目标的途径。
-
特斯拉发明了一种用于车道预测的'车道语言'，解决了棘手的问题。
❓
延伸问答
Grok-1.5V如何提升自动驾驶的能力？
Grok-1.5V将映射从'像素->动作'提升为'像素->语言->动作'，增强了自动驾驶的决策能力。
Grok-1.5V在自动驾驶中解决了哪些边缘情况？
Grok-1.5V在处理复杂场景时，使用语言进行'思维链'推理，帮助汽车分解和理解边缘情况。
特斯拉的自动驾驶系统如何与用户互动？
自动驾驶系统可能会与用户对话，处理边缘情况，允许人类提供输入以适应不同的驾驶偏好。
引入语言层对自动驾驶的响应时间有何影响？
引入语言层可能会影响响应时间，尤其是在时间敏感的驾驶决策中。
特斯拉的视觉系统是如何训练的？
特斯拉的视觉系统基于虚拟视频训练，通过实时将视频转换为标记数据进行训练。
特斯拉的'车道语言'是什么？
特斯拉发明了一种用于车道预测的'车道语言'，旨在解决车道预测中的棘手问题。
➡️
