⌘K
Change language Switch ThemeSign In
Narrow Mode
Why Fully Self-Driving Cars Are Almost Impossible | The Limit
!Image 2: Business Insider Business Insider @Business Insider
One Sentence Summary
An in-depth analysis of autonomous driving technology challenges, comparing Waymo and Tesla's approaches, revealing obstacles from long-tail effects to extreme weather, remote human assistance, and community trust, suggesting true L5 autonomy may still take decades.
Summary
This video explores the severe challenges facing autonomous driving technology. By comparing Waymo's multi-sensor fusion approach with Tesla's pure vision system, it reveals the limitations of current autonomous systems. The content covers the six SAE automation levels and the 'handoff problem,' extreme weather impacts on sensors, unpredictable 'long-tail' edge cases, community trust crises including accidents and public protests, the reality of remote assistance from the Philippines, massive operational costs, and Helsinki achieving zero traffic deaths through traditional means. It concludes that while urban robotaxis remain in trial phases, controlled industrial environments have achieved L5 automation for years, while true full-scenario autonomous driving may require 'another 99% of effort.'
Main Points
* 1. Fundamental divergence between two technical approachesWaymo uses multi-sensor fusion (LiDAR + radar + cameras) while Tesla insists on pure vision. The two differ fundamentally in cost, safety ceiling, and scalability. * 2. The 'handoff problem' is the core challenge of L3/L4 autonomyVehicles request human takeover in emergencies, but humans need reaction time to transition from relaxed to driving state. This 'hands-off' model poses serious safety risks. * 3. Long-tail effects are autonomous driving's fatal weaknessRare edge cases (like wet cement, disabled person chasing ducks) cannot be covered by training data. Scenes not in simulators leave vehicles helpless, requiring trillions of test miles to prove safety. * 4. Remote assistance reveals the commercial reality of 'autonomous' drivingWaymo employs about 70 remote assistants, roughly half in the Philippines. When vehicles encounter situations they can't handle, humans intervene, raising questions about the business logic of 'driverless' operation. * 5. Controlled environments achieved L5, but urban settings remain a massive challengeAustralian mines and Auckland ports have been fully automated for years, but complex urban streets, variable weather, and unpredictable human behavior make urban L5 a formidable challenge.
Metadata
AI Score
85
Website youtube.com
Published At Yesterday
Length 2917 words (about 12 min)
Sign in to bookmark videos and track your viewing history. Sign in now
!Image 3: Why Fully Self-Driving Cars Are Almost Impossible | The Limit
Why Fully Self-Driving Cars Are Almost Impossible | The Limit
内容概要
本视频深入探讨了自动驾驶技术面临的严峻挑战，对比了 Waymo 的多传感器融合方案与 Tesla 的纯视觉方案。尽管这些自动驾驶车辆在城市街道上看起来游刃有余，但它们仍未达到完全的 5 级自动驾驶。视频通过实际体验和专家访谈，揭示了天气干扰、长尾效应、人类远程干预的必要性以及自动驾驶对城市安全和社区影响的争议。最终指出，虽然技术在进步，但实现全场景、无人工干预的自动驾驶仍是一个需要数十年攻克的难题。
目录
* 自动驾驶的两大阵营：Waymo 与 Tesla * 现实世界的碰撞：安全隐患与设计缺陷 * 自动驾驶的六个等级与「接管问题」 * 极端天气的考验与模拟训练 * 长尾效应：无法预测的「边缘案例」 * 社区信任危机：从 KitKat 猫事件到 Cruz 事故 * 远程辅助的真相：菲律宾的后台支持 * 自动驾驶的经济学与运营挑战 * 另一种思路：赫尔辛基的零伤亡经验 * 自动驾驶的未来：工业场景与封闭环境
自动驾驶的两大阵营：Waymo 与 Tesla
目前的自动驾驶市场主要有两个截然不同的参与者。当你并排观察 Waymo 和 Tesla 时，你会发现它们的实现逻辑完全不同。
Waymo 的车辆配备了激光雷达（LiDAR）、传统雷达以及 29 个环绕车身的摄像头。激光雷达通过发射激光脉冲，构建周围车辆、骑行者和行人的高分辨率地图；传统雷达利用无线电波跟踪物体的速度和距离，即使在雨雾天也能工作；而摄像头则负责识别颜色、标志和信号。
相比之下，Tesla 仅使用了 8 个摄像头，几乎肉眼难辨。埃隆 · 马斯克曾称激光雷达是「徒劳无功」，既昂贵又没必要。Tesla 的纯视觉方案在成本上具有显著优势，但专家指出，只用摄像头就像在能用双手的情况下却绑住一只手，安全上限可能存在瓶颈。Tesla 的愿景是，如果能证明这套系统足够安全，那么路上行驶的每一辆 Tesla 都有潜力在一夜之间变成自动驾驶出租车。
现实世界的碰撞：安全隐患与设计缺陷
虽然自动驾驶看起来很酷，但它们在一些普通人类驾驶员看来极其简单的场景中却表现挣扎。例如，Tesla 的全自动驾驶（FSD）系统在测试中多次被发现无法为校车停车，甚至会忽略校区的限速标志。
关键系统工程师丹 · 奥多德通过大量测试指出，Tesla 的软件存在严重的设计缺陷，比如在有明确「禁止驶入」标志的情况下依然逆行。尽管 Tesla 试图通过法律手段要求他停止发布此类信息，但测试数据显示，即使是较新版本的 FSD，在校车停车测试中的失败率依然高达 20%。
并非只有 Tesla 存在问题。Waymo 在奥斯汀也因路过校车而受到调查，在圣莫尼卡，一辆 Waymo 甚至在学校放学期间撞上了一名 9 岁儿童，所幸孩子没有受重伤。
自动驾驶的六个等级与「接管问题」
要理解目前的行业现状，必须了解 SAE 定义的六个自动驾驶等级。
0 级是完全由人类驾驶。1 级是车辆可以独立执行转向或制动。2 级是目前大多数「自动驾驶」宣传的现状，车辆可以同时执行转向和制动，但要求人类必须时刻关注路面，Tesla 的 FSD 目前就属于这一级。
3 级带来了所谓的「接管问题」（Handoff Problem），即车辆在大部分时间自动驾驶，但遇到突发状况会立刻要求人类接管。4 级在特定区域内不需要人类在驾驶座上，Waymo 目前大部分时间处于这一级，但在陷入困境时仍需「远程好友」的协助。而 5 级则是自动驾驶的「终极目标」，意味着车辆可以在任何时间、任何地点和任何天气下完全自理，但目前这种技术还不存在。
极端天气的考验与模拟训练
大自然是自动驾驶的另一大障碍。对于摄像头和传感器来说，雪天尤其麻烦。积雪会覆盖路面标线，雪花会在激光雷达和雷达传感器中产生噪点，甚至遮挡摄像头。
Waymo 表示他们已经在包括纽约、密歇根和科罗拉多在内的 10 个州进行雪天测试，并为传感器开发了专门的清洁技术。然而，即使是 Waymo 也承认，冬季天气的训练数据在模型中占比不足。为了弥补，他们开发了「世界模型」来进行仿真训练，将干燥场景转换为雪天场景，甚至模拟遭遇龙卷风或在路中心遇到冲锋的大象等极端情况。
长尾效应：无法预测的「边缘案例」
工程师们将这些罕见的特殊情况称为「长尾问题」。比如遇到未干的水泥地、拉着摇晃树木的货车，或者在路上追赶鸭子的残疾人。
模拟虽然有帮助，但如果模拟器中没有「驼鹿」，那么当车辆在现实中第一次遇到驼鹿时，它依然会不知所措。据估算，自动驾驶汽车需要行驶数万亿英里才能见识到足够多的边缘案例，从而证明其安全性优于人类。
社区信任危机：从 KitKat 猫事件到 Cruz 事故
技术之外，公众的信任更加脆弱。在旧金山的米申区，发生过一件令当地人痛心的事：一只深受居民喜爱的名为 KitKat 的流浪猫被一辆正在启动的 Waymo 轧死。目击者称，如果有真人驾驶员，可能会注意到车底有人正在试图唤出小猫，而机器没有这种感知能力。这引发了公众对大科技公司的强烈抗议。
更严重的事故发生在 2023 年，通用旗下的 Cruz 自动驾驶车在旧金山拖拽了一名被撞女性，导致该公司暂停了在该市的所有业务。目前在旧金山的某些停车场，可以看到大量落满灰尘的自动驾驶车「坟场」，这成为了行业受挫的缩影。
远程辅助的真相：菲律宾的后台支持
一个价值万亿美金的问题是：开一辆无人车到底需要多少人？
在国会听证会上，Waymo 透露他们拥有约 70 名远程协助人员，其中约一半位于菲律宾。当车辆在路上遇到无法处理的状况时，这些身在海外的工作人员会通过网络介入，告诉车辆该怎么做。这引发了关于管辖权和责任归属的讨论。如果自动驾驶汽车需要人类时刻通过后台「牵着手」走路，它的商业逻辑是否真的成立？
自动驾驶的经济学与运营挑战
运营一个自动驾驶车队的成本是天文数字。目前的 Waymo 车辆大多基于捷豹 I-Pace，单车成本估计达 15 万美元。为了降低成本，Waymo 正转向基于现代 Ionic 的新车型。
除了硬件成本，还有庞大的后勤团队。在 Waymo 的运营中心，每天有数十人负责车辆的充电、真空吸尘和传感器清洁。此外，由于目前的自动驾驶并不完美，为了训练数据，依然有受雇的驾驶员坐在驾驶座上，当车辆出现错误动作时，他们会按下方向盘上的按钮记录数据并发送给开发人员。甚至在他们因长时间自动驾驶感到困倦时，座椅还会通过震动将其唤醒。
另一种思路：赫尔辛基的零伤亡经验
如果终极目标是减少道路死亡，自动驾驶或许不是唯一的、也不是最快的答案。芬兰赫尔辛基在去年实现了「零交通死亡」的壮举。
他们没有等待 AI，而是通过降低限速、设置减速带、缩窄道路、种植树木以及大力投资公共交通和自行车基础设施来实现这一目标。逻辑很简单：车速更慢，死亡人数就更少。而目前的自动驾驶公司仍在为如何让车辆在高速公路上安全行驶 65 英里而苦恼。
自动驾驶的未来：工业场景与封闭环境
虽然城市中的无人车出租车业务仍处于「试错阶段」，但在封闭或简单的工业环境中，5 级自动驾驶早已成为现实。
在澳大利亚的矿区，力拓集团已经利用自动驾驶卡车工作了 15 年。在奥克兰港等大型物流枢纽，卡车在固定路线上缓慢移动的场景，比起复杂的城市街道，更容易实现完全的自动化。此外，像 Kodiak 这样的公司正在利用自动驾驶卡车在偏远的矿区运送物资，那里环境可控，没有行人，只有高效的机器运转。
尽管存在质疑和挑战，自动驾驶的扩张似乎仍不可阻挡。我们正处于一个既令人印象深刻又令人沮丧的阶段，正如一位行业专家所言：「我们已经完成了前 99% 的工作，但剩下的 1% 可能还需要另一个 99% 的努力。」 *
_相关视频：http://www.youtube.com/watch?v=Kcq0tjmvGOs_
!Image 4: Business Insider Business Insider @Business Insider
One Sentence Summary
An in-depth analysis of autonomous driving technology challenges, comparing Waymo and Tesla's approaches, revealing obstacles from long-tail effects to extreme weather, remote human assistance, and community trust, suggesting true L5 autonomy may still take decades.
Summary
This video explores the severe challenges facing autonomous driving technology. By comparing Waymo's multi-sensor fusion approach with Tesla's pure vision system, it reveals the limitations of current autonomous systems. The content covers the six SAE automation levels and the 'handoff problem,' extreme weather impacts on sensors, unpredictable 'long-tail' edge cases, community trust crises including accidents and public protests, the reality of remote assistance from the Philippines, massive operational costs, and Helsinki achieving zero traffic deaths through traditional means. It concludes that while urban robotaxis remain in trial phases, controlled industrial environments have achieved L5 automation for years, while true full-scenario autonomous driving may require 'another 99% of effort.'
Main Points
* 1. Fundamental divergence between two technical approaches
Waymo uses multi-sensor fusion (LiDAR + radar + cameras) while Tesla insists on pure vision. The two differ fundamentally in cost, safety ceiling, and scalability.
* 2. The 'handoff problem' is the core challenge of L3/L4 autonomy
Vehicles request human takeover in emergencies, but humans need reaction time to transition from relaxed to driving state. This 'hands-off' model poses serious safety risks.
* 3. Long-tail effects are autonomous driving's fatal weakness
Rare edge cases (like wet cement, disabled person chasing ducks) cannot be covered by training data. Scenes not in simulators leave vehicles helpless, requiring trillions of test miles to prove safety.
* 4. Remote assistance reveals the commercial reality of 'autonomous' driving
Waymo employs about 70 remote assistants, roughly half in the Philippines. When vehicles encounter situations they can't handle, humans intervene, raising questions about the business logic of 'driverless' operation.
* 5. Controlled environments achieved L5, but urban settings remain a massive challenge
Australian mines and Auckland ports have been fully automated for years, but complex urban streets, variable weather, and unpredictable human behavior make urban L5 a formidable challenge.
Key Quotes
* Musk called LiDAR a fool's errand, expensive and unnecessary. * Using only cameras is like tying one hand behind your back when you could use both. * We've completed the first 99% of the work, but the remaining 1% may require another 99% of effort. * If the ultimate goal is reducing road deaths, autonomous driving may not be the only or fastest answer. * Helsinki achieved zero traffic deaths last year through reduced speed limits, speed bumps, and narrowed roads.
AI Score
85
Website youtube.com
Published At Yesterday
Length 2917 words (about 12 min)
Tags
autonomous driving
Waymo
Tesla
LiDAR
vision-only
Related Articles
* Tesla Integrates Grok: Cars Gain 'Vision,' Becoming Robots * Vol.102 | A Conversation with Yu Kai on AI and Autonomous Driving: Technical Divergence, Data Traps, and the Shift from Selling Point to Standard Feature | 2025 Year-End Special (Part 1) * Tech Weekly (Issue 385): Is Elon Musk Afraid of Chinese Automakers? HomeArticlesPodcastsVideosTweets