SSAD 2026 演讲:公开数据集不足,端到端自动驾驶泛化受质疑
abursuc · x · 2026-09-18
在 #ssad2026 研讨会上，研究者 abursuc 发表了一系列对自动驾驶技术路线的悲观判断：
- 公开数据集不足以支撑训练，数据多样性缺失时 scaling 受限
- 开环（open loop）评测无法泛化到真实场景
- 新视角合成（novel view synthesis）在公开数据集上同样不泛化
- 端到端方案仍需要一个"保姆"（babysitter）来兜底
- 摄像头方案不够，现实道路上的事故风险仍是硬约束
整体观点认为当前自动驾驶的 scaling 路径在数据和泛化层面存在根本瓶颈。
所属事件:SSAD 2026：端到端自动驾驶泛化与问责遭集中质疑(6 条相关)→
「研究」频道最新
- SSAD 2026 收官演讲：OpenXLA 端到端编译器栈实践分享 — abursuc · 2026-09-18
- VākQA：首个泰卢固语口语问答基准，揭示 LLM 评测的自动裁判缺陷 — SPL-IIITH · 2026-09-18
- 研究：让老年人和照护者参与共同设计，可提升AI技术采用 — pshrink · 2026-09-18
- Salesforce 推出 DarwinX：用进化方法解决 agent harness 自我优化难题 — bendee983 · 2026-09-18
- tokenbender：前沿模型基准全失真，能力越强盲点越不似人类 — tokenbender · 2026-09-18
- 把是/否问题当维度用：jev 能拼出类嵌入向量 — zsakib_ · 2026-09-18