自动驾驶：纯视觉 VS 多传感器

一句话总结 作者认为：自动驾驶等真实世界智能的瓶颈不是能接入多少原始传感器数据，而是能把多长、多杂的数据以高信噪比和高压缩率进行语义压缩与长期上下文联结——否则再多传感器也只是“差生文具多”。 要点归纳 - 核心问题是“长数据上下文”和“可压缩性”：长上下文越难保存，尤其是那些稀有、重要的极端场景难以压缩。 - 感知不是单纯增加原始数据量的问题：在有限的压缩/量化预算下，更多模态（特别是本质不同的模态）保留的信息边际递减。 - 模型本身是压缩器：无论如何运行，模型是在对量化后的观测进行“超分辨率”与推理，其能力受限于输入的压缩质量。 - 人类视觉的设计带有权衡：放弃某些波段（如紫外/近红外）可能是为了在神经路径中实现最佳压缩率与长期推理能力。 - 智能的本质可视为“语义压缩与关联”——强 AI 在于把长、乱的数据压成有意义的逻辑，而不是单纯的原始传感器堆积。 - 结论性比喻：若不能压缩并提取精华，多传感器就像“差生文具多”。 评论摘录（简要） - 有人赞同“差生文具多”。 - 有人指出视觉优先可能推动人形机器人与人类互学互进。 - 亦有评论认为“端到端”说法被夸大，可能只是为了不装激光雷达找理由。 来源 作者：一把梭十年；转自不是郑小康（与特斯拉相关讨论）；原帖链接见用户提供。