{"source":{"id":"2042149519945515245","title":"造无人机和自动驾驶系统，核心门槛在哪？ 视觉导航。 麻省理工学院直接把自家的底牌亮出来了。 MIT 16.485 视觉自…","url":"https://mubeitech.com/p/2042149519945515245"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"17120181","account":"mubei","brand":"@mubei","title":"想系统学前沿的机器人AI，市面上几乎找不到成体系的硬核教材。 苏黎世联邦理工（ETH Zurich），把他们2026年的…","summary":"想系统学前沿的机器人AI，市面上几乎找不到成体系的硬核教材。 苏黎世联邦理工（ETH Zurich），把他们2026年的机器人学习课程全套公开了。 这是大学讲堂里的真实课程。 授课课件、课堂录播、编程作业，连代码仓库都一次性全端了出来。 它到底教什么？ 体系直接从底层的模仿学习与…","body":"想系统学前沿的机器人AI，市面上几乎找不到成体系的硬核教材。\n苏黎世联邦理工（ETH Zurich），把他们2026年的机器人学习课程全套公开了。\n\n这是大学讲堂里的真实课程。\n授课课件、课堂录播、编程作业，连代码仓库都一次性全端了出来。\n\n它到底教什么？\n体系直接从底层的模仿学习与强化学习起步。\n一路覆盖到最前沿的视觉-语言-动作（VLA）与基础模型。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2096387378277503300","translated_status_id":"2096387378277503300","published_at":"2026-09-05 23:11:54","created_at":"2026-09-06T00:44:32+02:00","url":"https://mubeitech.com/p/17120181","markdown_url":"https://mubeitech.com/p/17120181/markdown"},{"rank":2,"id":"raw_2bac0e4472cb61c3","account":"mubei","brand":"@mubei","title":"装一颗激光雷达就能量准距离，为什么非逼着摄像头去猜？ 每次看到自动驾驶因为逆光或者看错影子突然幽灵刹车，大家都会忍不住吐…","summary":"装一颗激光雷达就能量准距离，为什么非逼着摄像头去猜？ 每次看到自动驾驶因为逆光或者看错影子突然幽灵刹车，大家都会忍不住吐槽： 求求你用激光雷达吧，明明几百块钱就能把距离测得清清楚楚，何必非跟纯视觉死磕？ 这个抱怨非常符合直觉。 先看激光雷达怎么干活的。 它向外打出一束激光，碰到前…","body":"装一颗激光雷达就能量准距离，为什么非逼着摄像头去猜？\n\n每次看到自动驾驶因为逆光或者看错影子突然幽灵刹车，大家都会忍不住吐槽：\n求求你用激光雷达吧，明明几百块钱就能把距离测得清清楚楚，何必非跟纯视觉死磕？\n\n这个抱怨非常符合直觉。\n先看激光雷达怎么干活的。\n它向外打出一束激光，碰到前面的卡车、护栏或者路人，光线弹回来。\n算一下发射和接收的时间差，乘上光速。\n距离当场就有了，精度能卡到毫米级。\n在激光雷达眼里，世界根本没有颜色和幻觉，只有一张实打实的三维点阵图。\n前面到底是真有一堵墙，还是路边画了一张巨幅海报，激光一扫就见分晓。\n\n再看摄像头是怎么看的。\n摄像头拍回来的，是一张张二维平面的彩色像素。\n在一张平面的照片里，你怎么知道两百米外那个白色的物体，是一辆横停的大货车，还是天上飘着的一团低云？\n这全靠神经网络在背后估算。\n算法得顺着光影、边缘、透视线条和地面的车道线，一点点往回推空间位置。\n这就像人闭上一只眼睛去伸手抓桌上的茶杯。\n一旦碰到逆光暴晒、暴雨反光，或者地面有大片深色阴影，算法稍有一瞬间吃不准，就可能把影子当成障碍物，当场来一脚急刹。\n\n既然激光雷达这么省心，现在的固态雷达也降到了几百美元，为什么还有人死活不装？\n真不只是为了抠那点硬件成本。\n工程上最残酷的地方，从来不在于单个零件好不好用，在于架构一旦选定，背后的代价就彻底锁死了。\n\n第一个要命的关卡，是多传感器融合时的信任冲突。\n车上如果同时装了激光雷达和摄像头，在路上开得好好的，突然前面飘过来一个巨大的黑色塑料袋。\n激光雷达一照，光束反弹，立刻报警：前方有实体障碍物，必须立刻急刹。\n但摄像头算法一看，这只是一张轻飘飘的塑料膜，直接压过去毫无危险。\n这时候整辆车听谁的？\n听激光雷达的，车子在高速公路上突然踩死刹车，很容易造成后车追尾。\n听摄像头的，万一下次路中间不是塑料袋，而是一块深色的花岗岩呢？\n两套传感器只要一打架，工程师就得写海量的人工规则去裁决。\n规则越叠越厚，代码越来越脆，遇到稀奇古怪的路况就会互相掣肘。\n\n更深层的关卡，在整个数据训练的飞轮上。\n纯视觉方案押注的是端到端大模型。\n路上跑着数百万辆量产车，每天把人类司机在各种复杂路况下的驾驶视频源源不断传回来，喂给同一个模型训练。\n这是用百亿公里级的真实世界视频堆出来的通用智能。\n如果现在突然决定给新车加装激光雷达，整个数据体系马上就割裂了。\n以前几百万辆车采集的纯视觉视频，新模型没法直接拿来对齐。\n激光雷达的三维点云和高清视频在帧率、视场角和时间戳上差异极大，跨模态数据对齐的计算开销极其惊人。\n这就等于为了眼前的局部确定性，把自己用海量车队滚出来的视频数据飞轮给砸了。\n\n激光雷达确实是一个极佳的物理外挂。\n把它装上去，当场就能拿到一份高精度的空间答案，解决眼下最让人头疼的测距问题。\n但这种外挂也会把感知能力锚定在硬件探测的物理边界内。\n而纯视觉是一条极度反人性的苦路。\n它试图用摄像头去复现人类驾驶员的大脑感知，必须忍受漫长的不完美，在一次次被质疑和失误中死磕模型的泛化能力。\n\n大家吵的从来不是要不要省下几百块钱。\n这是一场两种技术哲学的不可逆押注。\n到底是要一套看得见天花板但今天就能交卷的工程补丁，还是赌端到端视觉大模型最终能把整个真实物理世界彻底看懂？","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2106573064196509894","translated_status_id":"2106573064196509894","published_at":"2026-10-03 19:52:51","created_at":"2026-10-03 19:52:51","url":"https://mubeitech.com/p/raw_2bac0e4472cb61c3","markdown_url":"https://mubeitech.com/p/raw_2bac0e4472cb61c3/markdown"},{"rank":3,"id":"16634373","account":"mubei","brand":"@mubei","title":"自动驾驶最难的，从来不是盯着白线开。 而是线没的那一瞬间，车还知不知道路在哪。 在时速 42 英里的演示中，地上干干净净…","summary":"自动驾驶最难的，从来不是盯着白线开。 而是线没的那一瞬间，车还知不知道路在哪。 在时速 42 英里的演示中，地上干干净净，一条车道线都没有。 如果换作以前的辅助驾驶，这时候系统直接报警退出了。 因为过去的系统本质上是高级循迹车，靠死抠地上的标记认路。 没线，就等于没路。 但你看屏…","body":"自动驾驶最难的，从来不是盯着白线开。\n而是线没的那一瞬间，车还知不知道路在哪。\n\n在时速 42 英里的演示中，地上干干净净，一条车道线都没有。\n如果换作以前的辅助驾驶，这时候系统直接报警退出了。\n因为过去的系统本质上是高级循迹车，靠死抠地上的标记认路。\n没线，就等于没路。\n\n但你看屏幕上那条绿色的引导带。\n死死咬住右侧路面，顺着弯道稳稳延伸。\n\ncomma.ai 的这个画面，说明底层逻辑变了。\n系统不再执着于“找线”，而是在理解“可行驶空间”。\n它看到右边是护栏，知道左边要留给对向来车。\n就算没有白线划定规矩，它也清楚中间这块柏油路是自己的地盘。\n\n现实世界哪有那么多完美的试验场。\n满大街都是磨损的标线和没画线的乡间小道。\n谁能不靠白线活着，谁才能真正把车开进现实。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2084446179471839678","translated_status_id":"2084446179471839678","published_at":"2026-08-04 00:41:30","created_at":"2026-08-04T00:35:38+02:00","url":"https://mubeitech.com/p/16634373","markdown_url":"https://mubeitech.com/p/16634373/markdown"},{"rank":4,"id":"2090450618334724342","account":"mubei","brand":"@mubei","title":"无人出租车真正的核心大脑，到底藏在哪？ 不在车顶，在后备箱。 Waymo 第一次公开了后备箱里的布局。 里面装的不是行李…","summary":"无人出租车真正的核心大脑，到底藏在哪？ 不在车顶，在后备箱。 Waymo 第一次公开了后备箱里的布局。 里面装的不是行李，是自研芯片与定制算力平台。 以前看无人车，目光全盯着车顶的传感器。 但真要规模化上路，车端能耗与算力才是硬骨头。 算力给不够，车在路上跑不安全。 算力堆过头，…","body":"无人出租车真正的核心大脑，到底藏在哪？\n不在车顶，在后备箱。\n\nWaymo 第一次公开了后备箱里的布局。\n里面装的不是行李，是自研芯片与定制算力平台。\n\n以前看无人车，目光全盯着车顶的传感器。\n但真要规模化上路，车端能耗与算力才是硬骨头。\n算力给不够，车在路上跑不安全。\n算力堆过头，车载电池吃不消。\n\n怎么破局？\nWaymo 拿出的方案是自研定制芯片。\n联手行业领军企业，把软硬件算力做垂直整合。\n\n后备箱里的这套计算系统，才是无人车能否规模化落地的关键。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2090455863282573489","translated_status_id":"2090455863282573489","published_at":"2026-08-20 14:51:45","created_at":"2026-08-20T16:47:20+02:00","url":"https://mubeitech.com/p/2090450618334724342","markdown_url":"https://mubeitech.com/p/2090450618334724342/markdown"},{"rank":5,"id":"16749870","account":"mubei","brand":"@mubei","title":"全美唯一的高速自动驾驶测试轨道，在佛州。 先把最危险的场景，全部搬进考场。 佛州州长德桑蒂斯开了一场发布会。 身后停着一…","summary":"全美唯一的高速自动驾驶测试轨道，在佛州。 先把最危险的场景，全部搬进考场。 佛州州长德桑蒂斯开了一场发布会。 身后停着一辆Waymo，身边是一辆特斯拉Cybercab。 他指着Cybercab说，坐进去，里面只有一个屏幕。 没有方向盘，没有踏板。 技术确实惊艳，但怎么保证它不会把…","body":"全美唯一的高速自动驾驶测试轨道，在佛州。\n\n先把最危险的场景，全部搬进考场。\n\n佛州州长德桑蒂斯开了一场发布会。\n身后停着一辆Waymo，身边是一辆特斯拉Cybercab。\n他指着Cybercab说，坐进去，里面只有一个屏幕。\n没有方向盘，没有踏板。\n技术确实惊艳，但怎么保证它不会把你开进沟里？\n\n靠SunTrax测试场。\n想在佛州上路，得先把这里的关全闯了。\n模拟暴雨湿滑。\n模拟拥挤的城市街道。\n模拟突然出现的行人。\n模拟山丘和坑洼。\n最后，还要以州际公路的时速跑完全程。\n\n通不过？\n那就别想上路。\n\n政府提供基础设施，把安全门槛设在真实道路之前。\n特斯拉、Waymo、Beep，谁来都得考。\n先把烂摊子在场地里收拾明白，再来谈改变世界。","category":"其它","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-08-11 21:33:30","created_at":"2026-08-11T23:22:15+02:00","url":"https://mubeitech.com/p/16749870","markdown_url":"https://mubeitech.com/p/16749870/markdown"}]}