※ 引述《chandler0227 (錢德勒)》之銘言：
: 推 Scape: 有些人還拿那些Lv4載客服務的試驗車說嘴，表示根本看不懂 07/09 17:21
: → Scape: 人家在做什麼。絕大多數的無人駕駛試驗車都是依靠昂貴的 07/09 17:22
: → Scape: 感應器跟安全人員去慢慢推進算法，用很慢的速度累積里程 07/09 17:23
: → Scape: Tesla早就放棄了這一套做法，路上有超過百萬輛Tesla跟他們 07/09 17:23
: → Scape: 蒐集大量的資訊，同時這些資訊到中心後提供Tesla做學習訓練 07/09 17:25
: → Scape: 然後改進，最後反饋到車主的車輛上用陰影模式大量的測試 07/09 17:25
: → Scape: 測試結果安全了、成功了才會放出來給車主使用。 07/09 17:26
: → Scape: 跟那些原型車拿牌照在路上跑根本不是一回事，竟然還有人 07/09 17:27
: → Scape: 拿這來反對，人家在做什麼事情，其本質就那麼難看懂？ 07/09 17:28
: → Scape: 上百萬輛車在全世界各地供你用影子模式做測試，為何還要回 07/09 17:29
: → Scape: 過頭去搞那些又貴數量又少的原型車？ 07/09 17:29
: 就算有影子模式訓練，也絕對無法取代自駕車實際路試
: 自駕車路試的重點
: 1. 環境(號誌/他車/行人) -> 自駕電腦
: 感測器從環境收集數據，由自駕電腦運算和決策
: 2. 自駕車輛 -> 環境
: 自駕電腦的決策(例如變換車道)，進而影響環境(他車/行人)
: 也就是說
: 不只環境會影響自駕決策/行為，自駕決策/行為也會影響到環境
: 被自駕決策/行為影響後的環境，又再進一步影響自駕決策/行為
: 影響並非單邊而是雙向溝通，且形成迴圏
: 因此也考驗自駕電腦即時(real time)運算的能力
: Tesla所謂的影子模式本身只做到第1點
: 用"已經蒐集好"的場景環境訓練自駕電腦
: 場景是不會變動的既定pattern
: 一旦自駕電腦做了任何跟原駕駛不同的決策
: 由於當下沒有實際行為(介入駕駛)，因此自駕電腦的決策並沒有實際反饋到環境
: 所以就算Tesla數據量較Waymo龐大許多
: 但前者本質上仍然是AP和車主的駕駛數據
: 雖有大量數據供自駕電腦訓練，但自駕電腦決策和行為並不影響到數據
: 而後者則是由自駕電腦與環境實際互動的純自駕數據
: 並不是說影子模式沒有意義
: 但你說有了影子模式就不需要昂貴數量少的原型車上路試驗
: 標準外行講的話
: