Nicht wirklich ohne ellenlange Pamphlete zu verfassen und schriftlich die ganzen Grundlagen zu diskutieren. Ansatzweise hatten wir das hier im Thread schon einige Male. Ich stimme in vielen Dingen (zu etwa 90%) mit dem Kerl hier überein, der da diverse Artikel drüber geschrieben hat, die meisten mittlerweile leider nur noch für Pro-Accounts.
https://seekingalpha.com/author/paulo-santos/articles#regular_articles
Von Andrej Karpathy (Tesla AP Cheftyp) gab es neulich einen netten Vortrag zu einigen der Probleme, mit denen sie so kämpfen und ein paar Einsichten, womit sie gerade arbeiten.
https://www.figure-eight.com/wp-content/uploads/...Karpathy_Tesla.pdf
Ganz grundlegende Stichpunkte:
1. Einen Prototyp der zu 95% funktioniert ist vergleichweise einfach, den kannst du aber nicht auf die Straße lassen. Die anderen 5% brauchen verdammt viel mehr Zeit.
2. Der Verzicht auf LIDAR und 360°-Radar war ein großer Fehler, da man sonst vorhandene Daten aus den visuellen Daten rauspopeln muss. Ein paar Beispiele, wie schwierig das ist sieht man in den Folien von Karpathy.
3. Bei der Konkurrenz arbeiten da wesentlich mehr Leute mit mehr Geld dran. Es gibt keinen Grund anzunehmen Tesla hätte da strukturelle Vorteile. Im Silicon Valley haben alle großen Autohersteller und Zulieferer einige Forschungszentren hingestellt.
4. Es gibt in dem Bereich wenig Geheimnisse. Die verwendeten Algorithmen sind üblicherweise seit 15-20 Jahren alt und unterscheiden sich nur in Nuancen. Gäbe es Geheimnisse, könnte die jeder der woanders hingeht im Gedächtnis raustragen. Oder gleich die ganze Codebasis auf'm USB-Stick. Ich meine ich kenne das meiste davon zumindest vom Ansatz her noch aus dem Studium und das ist > 10 Jahre her.
5. Es gibt keine praktischen Nachweise, das Tesla irgendwo die Nase vorn hat, aber viele Indizien, dass es nicht so ist.
6. Das Problem lässt sich in einige weitgehend unabhängige Unterprobleme aufspalten, z.Bsp. semi-dynamische HD-Karten, Lokalisierung des eigenen Fahrzeugs, Separieren / Erkennen / Interpretieren dynamischer Objekte, Modellierung dieser Ojekte und deren wahrscheinlichem Verhalten, Einbindung all dessen in länderspezifische Regelsystem usw. Ich habe in keinem dieser Bereiche irgendwas beeindruckendes von Tesla gesehen, obwohl ich eine ganze Weile gezielt danach gesucht habe.
7. Häufige Wechsel in Projektleitung (und teilweise auch der verwendeten Hardware) sind üblicherweise Gift für ein Projekt von solchen Ausmaßen, das möglichst kontinuierlich und über viele Jahre verfolgt werden muss.
8. In dem Bereich führt was Ressourcen und Know-How angeht, gar nichts an Google / Waymo vorbei. Frag dich mal, wieviele Jahre du schon die Captchas lösen darfst, auf denen du Busse / PKW / Schilder / Brücken / Was-Weiß-Ich anklicken sollst. Das nennt sich Labeling und wird u.a. für das Trainieren von neuronalen Netzen benutzt. Bei Tesla müssten da irgendwo ein paar Leute sitzen und das auch machen, wüsste sonst nicht woher sie die gelabelten Daten bekommen wollen. Wenn auf Googles Karten mitten im Nichts neue GPS-Pünktchen auftauchen, wo regelmäßig Android-Telefone spazieren getragen werden, können die mit 99.999% Trefferquote schonmal einen Trampelpfad in Karten malen. Werden die schnell rumgetragen, lieber gleich eine Straße. Ich mein, mein verdammtes Telefon ging mir am Anfang immerzu auf den Sack, wenn ich an einem Ort war, wo Google meinte, sie hätten zu wenig Fotos von der Umgebung ... ob ich nicht vielleicht mal schnell ein paar Fotos machen könnte und so. -.-
9. Alle anderen versuchen sich in Kollaborationen zusammenzuschließen um mitzuhalten ... nur Tesla nicht so richtig. Beispiel? https://www.here.com/en/partners/find-partner/strategic-alliances
10. ...
Egal, schon wieder zuviel gesabbelt.
|