1樓：星期六的鐵皮鼓
從機器學習的應用方向上來說還是決策模型吧。感知模型題主講的都對，而且方向大家也看得到，所以花時間總能解決，不能解決的靠新sensor也能做。但是路徑規劃做L4的5年內估計不會有機器學習模型可以路測的。
強化學習現在來講不可能，你的action是在路上不是在遊戲中，上路的實際環境和做回測跑模擬環境的是兩回事。
2樓：leeayu
這個問題比較大，我從乙個我了解的小的方面來回答。
對於目前的自動駕駛，定位模組是非常核心的一塊。而定位系統中比較難搞的乙個問題就是環境變化，如何在環境變化的情況下還能魯棒的定位是乙個棘手的問題。這在slam研究中稱為long term問題。
拋開當前的自動駕駛技術體系，我認為未來的自動駕駛是不需要像現在的自動駕駛那樣精確的定位的，也就是針對環境有更高層次的模糊理解，就是各種模糊資訊的情況下做出最優的決策，就像人在環境中開車一樣，我並不需要知道我在世界座標系gps系統下的精確座標，只要乙個大概的位置就可以。
胡言亂語，輕噴。。。
你夢想中的自動駕駛什麼樣？
原來遙不可及的自動駕駛有朝一日真的便不再是夢想，它會成為每個人日常生活中的必需品，就像手機一樣，我們甚至可能無法接受沒有它存在的日子。那些存在於科幻片甚至想象中的樣子和功能也將存在我們身邊，甚至可能如變形金剛一般在機械人與汽車之間隨意切換，又或者飛行在天空中的不再只是飛機而是各式各樣的飛行汽車在空中...
自動駕駛在複雜的駕駛環境中面臨什麼樣的挑戰呢？
蘇無七 自動駕駛面臨的最大挑戰，我覺得就是真實世界中的路況，隨機性非常大，感測器再精密，分辨細節的能力再卓越，但是它也無法預料其他駕駛者的隨機行為，路上隨機出現的事件。就比如有一次我前面有乙個老人在過馬路，過了一半他就停下來了，見我不動了又繼續走，但這個時候車子和老人之間的距離其實是可以通過的，如果...
特斯拉的 7 0 系統對 自動駕駛 的發展有什麼樣的意義？
吃著吃著就胖了 狂熱的特斯拉愛好者.表哥就買了臺P85D 羨慕嫉妒恨.因為是我推薦的本來說一起買的結果我窮屌了.自動駕駛了解的也比較多 總的來說.最先進的應該是google的全自動駕駛技術但是因為沒有自己的車型.保守估計會和特斯拉技術共享或者授權 自己有一台新的賓士C260L 通過和特斯拉自動駕駛的...