Re: [分享] 特斯拉國道直直插入貨車車廂內影片

※ 引述《Scape (缺鈣缺很大)》之銘言： : 你找的報告是2018年11月媒體發的，只測四台是嗎？ : 2018年12月，歐盟NCAP 公佈了一份"十"輛車的測試報告，Tesla表現最好 : 歐盟的公信力絕對比車媒要好裝備跟經驗更齊全 : 你怎麼就不敢找這篇呢？ : EURO NCAP ACC及剎停測試集綿 : https://www.ptt.cc/bbs/car/M.1544371986.A.D45.html : "十"車對決！NCAP自動(輔助)駕駛系統試驗 : https://www.ptt.cc/bbs/car/M.1545264437.A.DDE.html IIHS examines driver assistance features in road, track tests https://reurl.cc/0oyjOl https://i.imgur.com/kj6zPzY.jpg One series involved driving at 31 mph toward a stationary vehicle target with ACC off and autobrake turned on to evaluate autobrake performance. Only the two Teslas hit the stationary target in this test. With ACC active, the 5-series, E-Class, Model 3 and Model S braked earlier and gentler than with emergency braking and still avoided the target. The cars slowed with relatively gradual decelerations of 0.2-0.3 gs, braking in the same manner no matter the distance setting. Braking before impact was earlier for the Teslas than for the 5 series and E-Class. 有開啟ACC下Tesla表現比其他車好(較早煞車&煞車力道較輕) 但在未開啟ACC且時速31 mph下，卻只有兩台Tesla撞上靜止物體 有無開啟ACC下，面對靜止物體的自動煞車能力差異可是非常大 這樣怎麼能斷言Tesla的ADAS就是最好的??? : 公信力最佳？你這個資訊是哪來的？ : 都會找這篇報告了，還不曉得這報告的問題嗎？ 沒任何相關的技術背景的鄉民，去評論Navigant Research的報告有問題????? : 它給的十項指標： : Strategy : ‧ Vision: (願景) : ‧ Go-to-Market Strategy: (進入市場策略) : ‧ Partners: (夥伴) : ‧ Production Strategy: (生產策略) : ‧ Technology: (技術) : Execution : ‧ Sales, Marketing, and Distribution: (銷售、行銷、與分銷能力) : ‧ Product Capability: (產品能力) : ‧ Product Quality and Reliability: (產品品質與可靠性) : ‧ Product Portfolio: (產品介紹) : ‧ Staying Power: (持久力) : 十項評分標準裡面只有一項是技術評分，其他大多數是跟營銷能力還有生產有關 : 而你卻說這報告拿來評斷自動駕駛技術最有公信力？ 從來沒人叫你只看總分指標，技術分數單獨拿出來看很難嗎????? Tesla評分 https://i.imgur.com/1HkYjCN.jpg : 拜託 : 人家評的是"誰最能將自動駕駛技術普及到市場"好嗎？ : 最會賣漢堡的人等於最會做好吃的漢堡的人？你這也扯太大了 https://i.imgur.com/LDBzaKJ.jpg to better understand which companies are leading the rollout of self-driving technology and which are lagging 啊平常最會推銷自動駕駛技術不就是Tesla????? : 再者 : 早已有不少人質疑過這份報告，中外皆有 : 我也發過文轉貼： : 差生特斯拉和頭牌Waymo，做自駕有何不同? : https://www.ptt.cc/bbs/car/M.1553556815.A.F94.html : 做AI 做機器學習的都知道資料的重要性 : 而你這篇研究報告卻絲毫不提數據量多寡的重要性，只講他們不相信視覺辨識 : 然後就給了Tesla 低分 Lv4自駕車實際行駛蒐集到的數據，和Lv2 ADAS與駕駛人開車搜到的數據 這樣可以拿來比數據多寡? Navigant Research解釋技術給低分的原因 https://i.imgur.com/AcXeaQJ.jpg All of the other companies in this report use lidar as part of their sensor suite, considering it essential to provide a robust automated driving solution 報告中其他家公司認為lidar的必要性 While Tesla CEO Elon Musk has stated that he does not believe lidar is necessary, it is generally believed that the company aims to avoid the added cost of the technology and claim that its current vehicles will eventually be capable of full autonomy. Each type of sensor has its strengths and weaknesses, and the use of radar, cameras, ultrasonic, and lidar fused together with connectivity increases capabilities in a greater number of different conditions 1. Musk不相信lidar必要性 2. Tesla不打算增加成本，並宣稱現有車輛最終能具備全自駕能力 Navigant Research believes that the current Tesla Autopilot 2 system will likely never be capable of Level 5 automation, and even Level 4 is likely to be more limited than other systems. Navigant Research完全不看好現有AP系統能達到Lv5自駕 甚至要達到Lv4也會有所限制 現有ADAS硬體要達成全自駕，本來在這產業就不被看好 https://i.imgur.com/Wel5K24.jpg 但這些先進的主動安全系統還是無法完成全自主駕駛的要求 其中最困難的挑戰是現今感知系統所提供的環境感測與了解還是不足 https://i.imgur.com/NmrqsRG.jpg 雖說深度學習已在影像辨識、分群等任務獲得空前的成功， 甚至達到比人類更好的性能表現。 但深度學習在許多的感知任務上，如空間構建與高維語意理解，還有待開發， 甚至不被看好 https://i.imgur.com/Bw2zdZT.jpg 而目前相機與雷達感測器系統尚無法達成這些地圖構建與定位性能要求， 而是要使用在機器人學界中已被廣泛使用的光達（雷射測距儀、雷射掃描儀） 來完成相關任務 我們預測未來自駕系統將採用雷達、相機與光達的組合系統 來確保感知系統表現與車輛安全。系統不只要執行感測器融合 並要能偵測感測器失效與處置感測器失效所帶來的問題 : 這樣叫做有公信力？ : 目前全世界有真實里程數據的公司裡，Tesla 擁有所有數據量的99% 以上 : 連MIT 科學家都大為讚賞： : https://lexfridman.com/tesla-autopilot-miles-and-vehicles/ : 而你就只相信一個被人質疑多次然後要賣幾千美金的商業報告？ : 你是活在一個無人駕駛技術不需要數據量的平行世界嗎？ ----------------------------------------------------------------------------- 話說回來，啥叫劣幣逐良幣? #1S9kQPu3 (car) [ptt.cc] Re: [影片] 重量分佈對於車輛動態的影響 描述物體運動的轉動慣量(moment of inertia)，單位[kg]·[m^2] 描述物體扭轉剛性(polar moment of inertia)，單位[m^4] (純量) 前者是動力學跟yaw, roll, pitch有關，後者是材力(可變形體)範疇 https://i.imgur.com/W5rucwx.jpg https://en.wikipedia.org/wiki/Polar_moment_of_inertia 把兩種物理量搞混的人在文章下面狂回&噓文..... #1TVknQMC (car) [ptt.cc] Re: [討論] Tesla Model S Plaid如何破Laguna Se 解釋操控項目ISO 3888看側傾(roll)並不適合 https://i.imgur.com/3jv5FsN.jpg 自己不懂車輛動力學，還在底下一直反駁 https://i.imgur.com/B0DqHug.jpg https://i.imgur.com/PbuKc6Q.jpg https://i.imgur.com/X8wMY9Z.jpg https://i.imgur.com/rOIIx00.jpg #1UHGV8Pi (car) [ptt.cc] [情報] 輕度改裝Model 3筑波賽道 https://i.imgur.com/893V4Kf.jpg 選擇性PO資訊 1. 花了3萬鎂以上只提"輕度改裝" 2. 拿出了10幾年以上的知名超跑成績來比 McLaren是因為濕地成績 https://i.imgur.com/EbbroOV.jpg Porsche 911 Turbo 997更快的成績不列 https://i.imgur.com/9brf2sJ.png 筑波賽道單圈時間筑波賽道單圈時間在1:04附近的其他車(如EVO)就不提 https://i.imgur.com/PjWiitE.jpg https://i.imgur.com/MedQqTj.jpg https://i.imgur.com/aHjfy8t.jpg #1UIChL0J (car) [ptt.cc] [分享] BMW M8 vs M5 - DRAG RACE M5彈射不穩定，M8彈射很穩定 卻講成BMW彈射起步不穩定 https://i.imgur.com/mJHiDEt.jpg https://i.imgur.com/AruUHOi.jpg #1ULpkRd8 (car) [ptt.cc] Re: [討論] 稀土元素在汽車領域的應用 標題是"稀土元素"在"汽車領域"應用 文章大部分內容幾乎在講不太需要用稀土的電池，還講了傳統汽車觸媒需要稀土 電動車馬達相當仰賴稀土這點，卻只有一兩句帶過 https://i.imgur.com/UT0JnAt.jpg https://i.imgur.com/KbeBuhg.jpg 2017年依據Bolt電動車拆解資料推估，內燃機車輛全換成EV會增加655%稀土需求 https://i.imgur.com/nvaTEGz.jpg https://i.imgur.com/pgG0PmJ.jpg #1UfbhIdp (car) [ptt.cc] Re: [新聞] Apple 獲汽車電機專利 PO一篇東拼西湊又一堆錯的文章 1. 專利重點是定子端部散熱設計只幾句帶過(還亂翻譯名稱) 2. 文章大部分在講轉子，還自行腦補感應電機和永磁電機比較 3. 應用例明明敘述轉子(內藏式永久磁鐵)，卻說是鼠籠式電機跟Tesla相似????? 4. 標題下"與Tesla結構相似"，可是完全不甘Tesla的事 #1UgYtIPO (car) [ptt.cc] Re: [討論] 玩具模型車的品管 解釋馬達rated和peak特性，超過rated且長時間測試累積後加速自然下降 0-100測試時間短，單次測試時間拉長超過rated而累積熱量自然多 絕對不是因為轉速高才產生高熱量 https://i.imgur.com/w3a3TvT.jpg 不懂馬達效率損失，在底下噓說別人亂掰 https://i.imgur.com/McYTsN7.jng https://i.imgur.com/6lQmYaO.jpg 鐵損 https://i.imgur.com/OVwbQHg.jpg 銅損 https://i.imgur.com/YgAeaUv.jpg Total Loss https://i.imgur.com/kEraRx8.jpg #1UjNGSD_ (car) [ptt.cc] Re: [問題] 自動駕駛限定電車嗎? 介紹了幾間廠商，解釋了一般有ADAS的燃油車在不改煞車系統下也能線控 不懂線控技術發展，在底下狂噓 https://i.imgur.com/gYBCyMG.jpg https://i.imgur.com/gNInCew.jpg https://i.imgur.com/x29lM1G.jpg https://i.imgur.com/toob1fy.jpg https://i.imgur.com/fvRq2kF.jpg 1. 選擇性提供資訊 2. 文章資訊明顯有錯誤 3. 錯誤資訊或內容被別人提出質疑，一直反駁甚至狂噓別人 特別是第3點 說別人是"劣幣逐良幣"有沒有搞錯? -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.73.155.73 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/car/M.1591248604.A.A0C.html