本人是Hydra-MDP作者之一，感谢Up主和大家对我们工作的关注 在此想指出视频中一处小小的理解错误。Hydra-MDP中的"Multimodal"主要指的是输出轨迹是一个多峰分布，而非Up主理解的多模态规划 当然Hydra-MDP确实用到了多模态输入，Multimodal在自驾场景下也确实常被用于描述多模态。所以视频这样描述完全可以理解 : ) 但Hydra-MDP本身并不局限于多模态输入，也可以用于纯视觉并且效果也很好 I am one of Hydra-MDP's authors. Thanks to the channel and everyone for the interests in our work. Just want to point out a small mistake in understanding. The "Multimodal" term in Hydra-MDP mainly refers to a multimodal distribution of the output trajectories, not the multimodal input for a planner. Of course, Hydra-MDP did use multimodal input, and multimodal is widely used for referring to multimodal input in autonomous driving. It is thus fully understandable to have this interpretation : ) However, Hydra-MDP itself is not limited to multimodal input. It can also be used under vision-only settings and works very well.
本人是Hydra-MDP作者之一，感谢Up主和大家对我们工作的关注
在此想指出视频中一处小小的理解错误。Hydra-MDP中的"Multimodal"主要指的是输出轨迹是一个多峰分布，而非Up主理解的多模态规划
当然Hydra-MDP确实用到了多模态输入，Multimodal在自驾场景下也确实常被用于描述多模态。所以视频这样描述完全可以理解 : )
但Hydra-MDP本身并不局限于多模态输入，也可以用于纯视觉并且效果也很好
I am one of Hydra-MDP's authors. Thanks to the channel and everyone for the interests in our work.
Just want to point out a small mistake in understanding. The "Multimodal" term in Hydra-MDP mainly refers to a multimodal distribution of the output trajectories, not the multimodal input for a planner.
Of course, Hydra-MDP did use multimodal input, and multimodal is widely used for referring to multimodal input in autonomous driving. It is thus fully understandable to have this interpretation : )
However, Hydra-MDP itself is not limited to multimodal input. It can also be used under vision-only settings and works very well.
作者竟然自己來了
wow作者親自回覆，感謝大大補充！期待日後看到更多精彩的研究～
请问Nvidia 这个Drive Sim 或者说研究中的simulation 部分是close-loop reactive 的还是 non reactive 的呢？环境agent 是否会根据自车的决策做出反应呢？
老黃都敢開源就是表明，這只是我送給客戶落地應用的示範，況且八年前就開始弄了大概就是這家公司早就知道可應用的領域並為想要下單購買伺服器的買家做的項目。這樣老馬逼不得已一定要買最新的來學習，老黃這招真的是強迫客戶買單的好手法。
如我說的開源之後還是要有算力、數據、晶片，之後還需要根據車型微調
這老黃贏不了，特斯拉已累積幾億英哩的經驗，要舉例就是，一個小孩看到世界冠軍後說以後也要變冠軍一樣的差距。
老黃永遠得不到那麼多車商的數據，這些車商都是專攻硬體的，沒有像特斯拉這樣走軟體的車商，再者等你做到，市場份額可能剩1%或是紅海了。
這有點難說，老黃數據輸特斯拉，但GPU硬體勝，特斯拉現在也不得不買H100來訓練它的自駕系統
@@JaneChiang-hh4nb 你忘記了，真正的硬體在車子，不是GPU，你再多GPU也只是鏟子，你要知道軟體賺到的錢是硬體的8倍。
在自動駕駛這個領域，必須軟硬體配合，才能有最大發揮，所以nvidia 只能分到這個市場的一個份額，而不是主導地位！
我投資了特斯拉，NVDA,還有蘋果，應該不寂寞。
數據要追上來就要看有多少車商合作，但真的要追也不是不可能，一年全世界汽車銷量是8000萬台真的大規模追趕也不是不可能
感謝分享
😁😁😁
所以未来特斯拉想独吃自动驾驶这个蛋糕真的不可能，端到端也说不上说谁学习谁，看好八仙过海，只有这样才能真正实现自动驾驶
最終應該是三分天下哈哈
不要低估特斯拉優勢
因為AI訓練誰都能做，但特斯拉有超大量市場運行的基數提供數據
就好像现在的聊天机器人，openai确实领先，但是谷歌与anthropic也没有被拉开很远。
3:10 均方根(root mean square；RMS)沒修改到，噗哧
感謝提醒哈哈
就像老黄自己讲的，他们希望做的是开源系统。就像是苹果和安卓的差别，他们的存在都是有合理的
非常好的節目🎉🎉🎉🎉🎉🎉🎉
感謝支持🙏🙏
Wow感謝阿財，老黃真的什麼都想做哈哈
真的佈局很廣哈哈
NVIDIA 自動駕駛 最新多模態端到端模型，什么时候落地？有准确消息吗？博主？
不知道，畢竟Nvidia不造車…
@@xxtech_finance_and_life 博主，我是问，落地到别人家上的车也行，比如跟奔驰合作，什么落地到车上，谁家的车都行那种
@user-ow1sq9dq2o 你可以看我上一支影片，裡面有Nvidia合作的車商
英偉達有晶片，有這套算法，可惜沒有收集Data的設備、沒有輸出Realwork的設備，所以他還是只能賣鏟子，沒辦法挖礦。老黃算是抄Elon的作業抄得滿積極的，機器人也想要抄，急著到處找人幫他挖礦...
Nvidia跟Tesla走的路線不一樣，一個是傳感器融合一個是純視覺，所以Nvidia現在需要更多車廠跟他們合作蒐集數據
你把先後次序搞錯了，是NVIDIA 先做成高性能雙GPU的車用中央電腦Drive PX，後來Tesla 和MobileEye 分手之後採用Nvidia Drive PX；
NVIDIA也不是今年才搞機器人，台灣產商才是蹭題材；
NVIDIA 從201x年就從光跡追蹤和Deep Learning 的空間網路、和GPU叢集數據中心，發展模擬真實世界的物理特性，
從模擬工業生產線單臂機器人，到支持各廠商研發人形機器人
輝達，你講英偉達? 你中國人?
@@taiwanallen3544科科 給個讚
NV它不是急著找人挖礦，
它是用開放模型騙人去挖擴，他就能大賣它的高價鏟子
來了😯❤🎉
猴哥早啊！
没看懂。英伟达这套系统类似手机的安卓？各种车辆平台通吃？
應該是以這個系統為底，跟車廠合作之後再根據車型優化模型
連NVIDIA都加入自動駕駛 ，特斯拉上看1000美元都是低估。
覺得特斯拉有機會再衝到拆股
to the moooooon~~~
這對特斯拉股價不是好事吧 代表越多人可以低門檻進入這個技術 那些原本還在用hardcode 也可以把代碼全刪掉全靠transform 學習 像特斯拉一樣 最後就是比 模型優化 數據收集 和算力比拼
@@請先了解台灣政治 但算法算力數據就是最重要的...不是隨便train就可以train出來的
特斯拉跟英偉達一起賺 也沒什麼不好 幹嘛一定要拚輸贏
自動駕駛領域本來就很難一家全拿，有錢大家賺
這個端到端跟特斯拉的端到端根本不是同一種東西 名字一樣而已
Nvidia是多模態端到端 本來就跟特斯拉的端到端使用的input不一樣
@@TS-gm8pc 恩 很多人以為特斯拉的東西 別人也會了, 甚至還說OPENPILOT更早就用特斯拉的端到端
@@Klaytonlol end2end是一個概念 很早就有了你可以自己去查就知道了 特斯拉不是第一個做端到端的 只是特斯拉數據夠多所以目前證明端到端在自動駕駛上也可以有不錯的效果
@@Klaytonlol 另外特斯拉的端到端很多廠商確實也有相關的算法 就像GPT 但openAI在細節方面有更出色的表現 這些需要透過大量的數據學習而來 其他廠商要追究必須累積里程數要追上特斯拉
@@TS-gm8pc 我知道阿 特斯拉的端到端和很久以前的提到的端到端不是同一種東西，只是名字像
nvda
NVIDIA只能揀剩的
不一定現在自動駕駛還沒大規模推展開來
不要低估特斯拉的先天優勢
因為AI訓練是誰都能做，但特斯拉有超大量市場運行的基數提供數據，這是NV沒有的，
NV定位頂多提供公版基礎模組，讓大家可以拿去再訓練，大家要跟NV買大量AI設備，NV就發大財.
至於你訓練後也沒有特斯拉水準，不是NV 的事
NV本質是在AI淘金熱中，給你金礦地圖，再賣你鏟子.....
有沒有掏金成功是你自己的事
數據的部分確實目前是特斯拉的優勢，但Nvidia跟車廠深入合作，車廠應該會慢慢發現依靠Nvidia的解決方案與之深入綁定比自己研發省的多，而且也不一定有Nvidia的效果好，所以我猜日後應該會朝這個方向，目前看起來賓士是這個趨勢。
比FSD差得太远
目前確實還需要優化