开源自动驾驶：Comma AI 如何用 OpenPilot 让普通汽车实现自动驾驶
Comma AI 用开源 OpenPilot 和世界模型，让普通车主也能体验自动驾驶技术。
主持Chris Benson、Daniel Whitenack
嘉宾Harald Schäfer
话题脉络
- 1:19Comma AI 简介与使命
Comma AI 拥有最流行的开源自动驾驶栈 OpenPilot，目标是解决自动驾驶问题，已开发9年。
Harald - 3:53自动驾驶适用场景
自驾驶是少数能落地通用AI的领域，其他如工业机器人、扫地机器人等场景有限。
Harald - 6:36系统架构与端到端训练
OpenPilot 使用端到端模型，输入视频直接输出动作，无中间目标检测，依赖大量数据和计算。
Harald - 11:23使命从自动驾驶到机器人
公司使命是解决自动驾驶并交付中间产品，长远目标是解决更通用的机器人AI问题。
Harald - 14:34端到端定义与数据引擎
端到端指从人类驾驶数据中学习，但仅靠模仿学习不够，需数据引擎和模拟器辅助。
Harald - 19:56世界模型与模拟器
世界模型用于仿真中生成图像以监督控制恢复，模拟器需精确响应控制输入而非仅美观。
Harald - 25:14设备本地运行与数据收集
运行时设备完全本地，无需网络，仅通过数据回传用于训练；硬件算力受限。
Harald - 28:03硬件升级与模型扩展
未来使用外部GPU实现100倍大模型，红灯识别性能可提升2倍。
Harald - 30:38用户安装与体验
安装简单，通过车辆CAN总线连接后视镜，用户可定制和调试系统。
Harald - 33:25从驾驶到通用机器人
计划将自动驾驶方法扩展至其他机器人（如室内导航），但当前ML状态不足。
Harald - 36:20开源决策与原则
开源让用户真正拥有设备控制权，也促进社区贡献和人才招聘。
Harald - 39:33技术挑战：控制与RL
未解决的控制问题需强化学习，模仿学习无效；大部分代码用Python提高效率。
Harald
节目简介
自动驾驶不只是大公司的闭源游戏。Comma AI 的 CTO Harald Schäfer 分享了 OpenPilot——一个开源驾驶辅助系统，可适配多数市售车辆。他们用世界模型（一种模拟驾驶环境的 AI）训练大规模数据，结合机器人和仿真技术，让自驾驶开发更平民化。