Otomobilgi.comOtomobilgi.com
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • TRANG CHỦ
  • TIN TỨC
    Tin tức ngành ô tô Thổ Nhĩ Kỳ
    Tin tức ngành ô tô toàn cầu
    Tin tức đua xe Thổ Nhĩ Kỳ
    Tin tức đua xe toàn cầu
  • Ô TÔ
    ĐỘNG CƠ ĐỐT TRONG
    • Mô hình động cơ đốt trong
    • Công nghệ động cơ đốt trong
    • Nhiên liệu ve mức tiêu thụ
    • Khí thải ve môi trường
    • Quyền sở hữu động cơ đốt trong
    • Lịch sử ô tô động cơ đốt trong
    ĐIỆN
    • Các mẫu xe điện
    • Công nghệ ô tô điện
    • Sạc và hạ tầng
    • Công nghệ pin
    • Tầm hoạt động và mức tiêu thụ
    • Quyền sở hữu xe điện
    • Lịch sử ô tô điện
    XE HYBRID
    • Mô hình hybrid
    • Hệ thống hybrid
    • Pin và sạc
    • Tiêu thụ ve hiệu suất
    • Quyền sở hữu xe hybrid
    • Lịch sử ô tô hybrid
    SUPERCAR
    HYPERCAR
  • CÔNG NGHỆ
    Hệ thống hỗ trợ lái xe
    Công nghệ an toàn
    Công nghệ chiếu sáng và tầm nhìn
    Thông tin giải trí và kết nối
    Lái xe tự động và trí tuệ nhân tạo
    Công nghệ tương lai
  • HƯỚNG DẪN
    Hướng dẫn mua hàng
    Hướng dẫn bán hàng
    Bảo trì và sử dụng
    Quyền sở hữu và chi phí
    Lốp và mâm xe
    Bảo hiểm và kiểm định
  • LỊCH SỬ & VĂN HÓA
    Lịch sử ô tô
    Các mẫu biểu tượng
    Kinh điển và bộ sưu tập
    Hành trình ô tô của Thổ Nhĩ Kỳ
    Thiết kế ô tô
    Ô tô và văn hóa đại chúng
  • THỂ THAO MÔ TÔ
    Công thức 1
    Đua rally (WRC)
    Rallycross
    MotoGP
    Formula 2 & Formula 3
    Đua xe kart
    Le Mans 24 giờ
    WEC
    NASCAR
    IndyCar
    DTM
    Các giải đua GT
    Drift
    Đua tăng tốc
  • HÃY TÌM HIỂU VỀ CHÚNG TÔI
    VỀ CHÚNG TÔI
    LIÊN HỆ
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  • Türkçe
  • English
  • Deutsch
  • Français
  • Italiano
  • Español
  • Português
  • Polski
  • Magyar
  • Azərbaycanca
  • Bahasa Indonesia
  • Русский
  • 中文
  • 日本語
  • 한국어
  • हिन्दी
  • Tiếng Việt
  • ไทย
  • বাংলা
  • العربية
  • فارسی
  1. TRANG CHỦ
  2. CÔNG NGHỆ
  3. Lái xe tự động và trí tuệ nhân tạo
  4. End-to-End Model Đang Thay Đổi Lái Xe Tự Động Như Thế Nào?

End-to-End Model Đang Thay Đổi Lái Xe Tự Động Như Thế Nào?

  • Lái xe Tự Động và Trí Tuệ Nhân Tạo
  • Tác giả: Lütfi Mete Odabaşı
  • Ngày tạo: 4 Tháng 11 2026
Với Tesla FSD v12, thời kỳ lái xe tự hành mà các kỹ sư áp đặt từng quy tắc một đã khép lại; mạng nơ-ron giờ đây trực tiếp đưa ra quyết định lái ngay từ hình ảnh camera thô.
Với Tesla FSD v12, thời kỳ lái xe tự hành mà các kỹ sư áp đặt từng quy tắc một đã khép lại; mạng nơ-ron giờ đây trực tiếp đưa ra quyết định lái ngay từ hình ảnh camera thô.

Khi nghĩ đến một chiếc xe tự lái, điều gì hiện lên trong đầu bạn? Có lẽ là hàng chục cảm giác đặt trên đường, bản đồ khổng lồ và các kỹ sư đã viết sẵn quy tắc cho mọi tình huống, đúng không? Thế nhưng Tesla, với phiên bản FSD 12, đã đảo ngược bức tranh đó: không còn hàng nghìn quy tắc được viết tay; hình ảnh thô từ camera đi vào, lệnh lái-chân phanh-phanh ga đi ra. Vậy nói với một mạng thần kinh "hãy học cách lái xe" thực sự mang ý nghĩa gì? Sự chuyển đổi này thay đổi thế giới lái xe tự động như thế nào - và mắc kẹt ở đâu?

Kiến trúc Mô-đun Cổ điển: Dây chuyền nhà máy bên trong trợ lý lái xe

Trước khi nói về end-to-end, cần hiểu trật tự cũ, vì đa số hệ thống trên đường ngày nay vẫn hoạt động theo logic này. Kiến trúc mô-đun tổ chức phần mềm lái xe tự động như một dây chuyền nhà máy: mỗi giai đoạn làm công việc của mình và chuyển kết quả cho giai đoạn tiếp theo. Từ Cruise, một trong những chiếc xe đầu tiên chiến thắng DARPA Grand Challenge, đến Mobileye và Autoware mã nguồn mở, cách tiếp cận này có lịch sử lâu đời.

  • Nhận thức (Perception): Dữ liệu LiDAR, camera và radar được xử lý để phát hiện các vật thể; Các thuật toán như YOLO và VoxelNet hoạt động ở lớp này.
  • Dự đoán (Prediction): Người đi bộ và các xe khác được mô hình hóa theo quỹ đạo ngắn hạn và dài hạn.
  • Lập kế hoạch (Planning): Lộ trình được tính bằng các thuật toán cổ điển như A* hay Dijkstra, còn các thao tác địa phương được tính bằng các phương pháp như RRT.
  • Điều khiển (Control): Thường thì Model Predictive Controller (MPC) được kích hoạt và điều hướng xe về mặt vật lý.

Ưu điểm lớn nhất của cấu trúc này là tính minh bạch: bạn có thể kiểm tra từng mô-đun riêng lẻ, tìm ra giai đoạn nào đã làm sai điều gì. Nhược điểm lớn nhất cũng nằm ẩn ngay đây - sự lan truyền lỗi. Nếu mô-đun nhận thức phân loại sai một người đi bộ, lỗi đó bị chuyển đến cuối chuỗi và mô-đun lập kế hoạch ra quyết định dựa trên dữ liệu đã hỏng. Hơn nữa, việc huấn luyện riêng từng mô-đun đòi hỏi chuyên môn sâu và sức mạnh tính toán đáng kể; xử lý theo từng giai đoạn tự nó đã là một nguồn kém hiệu quả.

Những điểm nổi bật

  • Tesla FSD, với phiên bản 12 (mở cho khách hàng đầu năm 2024), đã chuyển hoàn toàn sang kiến trúc mạng thần kinh đầu cuối; hôm nay bạn đang ở phiên bản v14.
  • Trong kiến trúc mô-đun, nhận thức, dự đoán, lập kế hoạch và điều khiển là các mô-đun riêng biệt; trong end-to-end, tất cả hợp nhất trong một mạng thần kinh duy nhất.
  • Tên chính thức của FSD vẫn là FSD (Supervised): không phải xe hoàn toàn tự lái, mà là hệ thống hỗ trợ đòi hỏi người lái luôn chú ý.
  • Vấn đề lớn nhất của end-to-end là khả năng giải thích: việc kiểm chứng chính thức các mạng thần kinh vẫn là một bài toán kỹ thuật chưa được giải quyết.

Cách tiếp cận End-to-End: Thay hàng nghìn quy tắc bằng hàng triệu ví dụ

Binlerce elle kodlanmış kuralı ezberleyen sistem yerine, milyonlarca sürüş örneğinden öğrenen tek bir sinir ağı direksiyona geçiyor.

Trong lái xe end-to-end, ý tưởng đơn giản đến mức gây ấn tượng: bạn đưa dữ liệu cảm biến thô - camera, LiDAR, radar, GPS - vào một mạng thần kinh khổng lồ duy nhất và nhận trực tiếp từ mạng đó các lệnh lái hoặc một kế hoạch lái xe. Nhận thức, dự đoán và lập kế hoạch không còn là các phần mềm riêng biệt mà tan vào trong một chương trình duy nhất. Tesla đi vào con đường này với FSD v12 và đến đầu năm 2024, phiên bản end-to-end đầu tiên mà các tài xế trải nghiệm trên tay lái đã ra đời. Ngày nay hệ thống đã tiến hóa đến v14.

Để tôi giải thích sự khác biệt qua một phép so sánh: hệ thống modular giống như một học sinh đã học thuộc luật giao thông; luôn có sẵn một quy tắc cho mọi tình huống. Còn hệ thống end-to-end giống như một tài xế giàu kinh nghiệm ngồi bên cạnh mà ta đã theo dõi hàng nghìn giờ; có thể họ không giải thích từng bước vì sao làm vậy, nhưng họ cảm nhận được đúng nước đi. Mạng nơ-ron học không chỉ những gì các vật thể là gì mà còn cả cách các tài xế con người phản ứng với chúng như thế nào.

Vậy Mạng Nơ-ron Được Huấn Luyện Như Thế Nào?

Có hai con đường chính. Thứ nhất là học bắt chước (behavior cloning): mạng học cách sao chép hành vi của các tài xế con người qua hàng triệu km. Phương pháp hay nhưng có hai điểm yếu - covariance shift và nhiễu loạn nhân quả; nghĩa là mạng có thể học sai điều gì thực sự quan trọng. Thứ hai là học tăng cường: trong mô phỏng, mạng được huấn luyện bằng cách thử-sai và nhận thưởng. NVIDIA có một lịch sử trong lĩnh vực này, từ DAVE-2 năm 2016 đến DRIVE Thor ngày nay cung cấp sức mạnh chip lên tới 1.000 TOPS; Wayve và Comma.ai là những cái tên khác theo đuổi cùng triết lý này.

Modular hay End-to-End? So Sánh Cụ Thể

Khi đặt hai cách tiếp cận cạnh nhau, bức tranh trở nên rõ ràng. Những ưu điểm của kiến trúc end-to-end mà các nhà nghiên cứu liệt kê như sau: giảm lan truyền lỗi, hiệu quả tính toán, việc huấn luyện tương đối dễ dàng và một cách thú vị là khả năng chống tấn công - vì không thể biết từ bên ngoài,input cụ thể nào kích hoạt hành vi lái xe của hệ thống, nên thao túng ác ý cũng trở nên khó khăn hơn.

Đặc tínhKiến trúc ModularKiến trúc End-to-End
Cấu trúcNhận biết → dự đoán → lập kế hoạch → điều khiển là các module riêng biệtMột mạng nơ-ron duy nhất từ dữ liệu cảm biến thô đến điều khiển
Phương pháp phát triểnQuy tắc viết tay + các module được huấn luyện riêngHọc từ dữ liệu (học bắt chước/tăng cường)
Tính minh bạchCao; mỗi module có thể kiểm thử riêng biệtThấp; cơ chế ra quyết định là hộp đen
Lan truyền lỗiCó; lỗi nhận biết được truyền dọc theo chuỗiĐã giảm
Nhu cầu dữ liệuChuyên môn theo từng moduleBắt buộc cần bộ dữ liệu rất lớn

Nhưng vũ khí nặng của phía đối lập là tính minh bạch. Bạn có thể kiểm tra hệ thống modular từng phần một; còn những gì diễn ra bên trong đầu của mạng nơ-ron thì bạn chỉ có thể nhìn thấy một phần. Thế giới nghiên cứu đã phát triển các câu trả lời một phần cho lời phê bình này bằng bản đồ chú ý và đầu ra có thể diễn giải, nhưng khi chứng chỉ an toàn bước vào cuộc, vấn đề trở nên sâu sắc hơn - chúng ta sẽ quay lại điều này sau ít phút nữa.

Tesla với Waymo: Cùng Mục Tiêu, Triết Lý Trái Ngược

Sự chia rẽ ở phía cảm biến là gương mặt dễ thấy nhất trong cuộc tranh luận về kiến trúc. Cách tiếp cận của Tesla là camera + mạng nơ-ron, không có LiDAR - họ cho rằng con đường này là cần thiết cho một hệ thống có thể di chuyển ở quy mô toàn cầu. Waymo thì hoàn toàn ngược lại: một kiến trúc đa cảm biến xếp chồng các cảm biến với 13 camera và 4 module LiDAR trên xe gần nhất của họ. Đồng CEO Waymo Dmitri Dolgov là người công khai nói rằng cách tiếp cận chỉ dùng camera đã bị đình trệ, tức là bế tắc, trước khi đạt được mức hoàn toàn tự lái vào năm 2026. Trong khi đó, phe Tesla bảo vệ rằng với FSD đã tạo ra hàng tỷ dặm bằng chứng.

Thực tế, nếu nhìn từ hậu trường thì bức tranh hơi xám hơn: Được cho rằng nhiều người chơi, bao gồm Tesla và Waymo, thực tế đang sử dụng kiến trúc lai, tức là sự kết hợp giữa lập kế hoạch tuyến đường xác định và cảm nhận dựa trên mạng nơ-ron; Momenta và Aurora cũng được nhắc đến trong danh sách này. Nghĩa là câu trả lời cho câu hỏi "mọi thứ nằm trong một mạng duy nhất hay mọi thứ trong các mô-đun riêng biệt" trong thực tế hiện trường phần lớn là "sự pha trộn của cả hai". Về so sánh cảm biến, LiDAR vượt trội trong điều kiện ánh sáng yếu và ban đêm; còn các hệ thống chỉ dùng camera thì tiết kiệm năng lượng và không cần bản đồ hóa trước.

Vấn đề Hộp Đen: Khả năng giải thích và khả năng kiểm chứng

Đây là phần kỹ thuật then chốt nhất của vấn đề. Các tiêu chuẩn an toàn của thế giới ô tô - ASIL, ASPICE, AUTOSAR, MISRA - đòi hỏi phải định nghĩa và chứng minh hệ thống làm gì trên cơ sở các yêu cầu. Trong một mạng nơ-ron end-to-end, việc định nghĩa một yêu cầu mà bạn có thể viết kiểu "xe sẽ ra quyết định thế nào trong tình huống đó" vốn đã rất khó; còn việc xác minh hình thức các mạng nơ-ron thì vẫn là một bài toán kỹ thuật chưa được giải. Nghĩa là dù mạng lái xe tốt đến đâu, khi các kỹ sư phải chứng minh từng yêu cầu an toàn, họ có thể không có đủ công cụ.

Chúng ta thấy hệ quả cụ thể của điều này ở khía cạnh trách nhiệm. Mercedes-Benz tuyên bố chấp nhận trách nhiệm pháp lý cho DRIVE PILOT - hệ thống Cấp 3 được chứng nhận đầu tiên trên thế giới - và đã được cơ quan chức năng Đức phê duyệt sử dụng trên đường cao tốc với tốc độ tối đa 95 km/h - theo các mức của SAE J3016, ở Cấp 3 trách nhiệm chuyển từ tài xế sang nhà sản xuất. Một phần lý do nằm ở kiến trúc: một hệ thống mô-đun với ranh giới được định nghĩa rõ ràng là thứ mà người ta có thể tuyên bố "hệ thống lái trong các điều kiện này" và ký tên vào đó. Việc đặt cùng chữ ký đó vào một mạng hộp đen khó hơn nhiều. Xu hướng nghiên cứu mới là các mô hình ngôn ngữ lớn và mô hình ngôn ngữ hình ảnh bổ sung lớp hiểu ngữ cảnh và suy luận cho mạng nơ-ron - như một nỗ lực trả lời cho vấn đề khả năng giải thích.

Giữa Lời Hứa và Thực Tế: Tình hình hiện nay ra sao?

Đến đây thì mọi thứ đều thú vị; giờ là cú tắm nước lạnh. Hãy nhìn vào tên chính thức của Tesla FSD: FSD (Supervised). Nghĩa là hệ thống mang tên "lái xe hoàn toàn tự động" theo định nghĩa chính thức là một hệ thống hỗ trợ tài xế nâng cao được thiết kế để sử dụng hoàn toàn cùng một tài xế chú ý, và nó không biến Tesla thành một phương tiện hoàn toàn tự lái. Tài xế phải luôn sẵn sàng can thiệp bất cứ lúc nào - theo phân loại SAE, đây vẫn thuộc khu vực Cấp 2. Với FSD v13, hệ thống có thể được kích hoạt trên xe đang đỗ và bao gồm cả lùi xe; khả năng đang mở rộng, nhưng phân loại thì không đổi.

Ở phía bên kia, Waymo với dịch vụ robotaxi đã mở rộng đến 14 thành phố của Mỹ thực chất đang vận hành ở Cấp 4. Bản sửa đổi gần đây của SAE cũng đổi tên Cấp 0-2 thành "hệ thống hỗ trợ tài xế" và Cấp 3-5 thành "hệ thống tự động", đồng thời nhấn mạnh rằng tự động hóa hoàn toàn, tức Cấp 5, vẫn còn ở phía xa. Toàn ngành đang ở giai đoạn chuyển từ làn sóng hype sang triển khai ngoài đời thực: Các hệ thống Cấp 2+ đã trở nên phổ biến, robotaxi bị giới hạn ở một số thành phố nhất định, còn Cấp 5 vẫn là mục tiêu cho tất cả mọi người.

Tóm lại: Việc Chuyển Từ Viết Quy Tắc Sang Học Từ Dữ Liệu Đã Thay Đổi Điều Gì?

Câu trả lời trực tiếp là: kiến trúc end-to-end đã đưa việc ra quyết định trong lái xe tự hành từ các quy tắc được viết tay sang một mạng nơ-ron duy nhất học từ dữ liệu; điều này mang lại hành vi lái xe tự nhiên hơn và khả năng lan truyền lỗi giảm, nhưng cũng tạo ra những thách thức mới chưa được giải quyết về mặt khả năng giải thích, khả năng xác thực và chứng nhận. Tesla là người chơi tham gia cá cược này một cách quyết liệt nhất và hệ thống sau FSD v12 thực sự đã trở thành một thứ khác - nhưng tính tự động hoàn toàn không cần giám sát vẫn chưa được trao bàn giao. Cách tiếp cận mô-đun cũng chưa rời khỏi sân khấu; Các hệ thống Cấp 3-4 sử dụng cụm cảm biến của Waymo và nhận trách nhiệm đang được chứng nhận theo triết lý này. Có lẽ kiến trúc chiến thắng của tương lai sẽ là những cấu trúc lai kết hợp ưu điểm tốt nhất của cả hai thế giới - và cuộc đua đó đang diễn ra ngay lúc này.

Nguồn tham khảo

  • Recent Advancements in End-to-End Autonomous Driving using Deep Learning: A Survey - arXiv
  • Autonomous driving: Modular pipeline Vs. End-to-end and LLMs
  • Navigating Autonomous Driving: Comparing Modular, End-to-End, and Hybrid
  • End-to-end learning vs modular trade-offs
  • Integrating Modular Pipelines with End-to-End Learning
  • End-to-end system architectures in autonomous driving

Chia sẻ trang này

Biên tập viên chuyên mục

Lütfi Mete Odabaşı

Lütfi Mete Odabaşı

Một người đam mê ô tô và thể thao tốc độ trẻ trung, năng động, thích tìm tòi và học hỏi. Mete mang góc nhìn của người trẻ đến nền tảng tin tức, kiến thức và văn hóa ô tô của chúng tôi. Anh ấy luôn theo sát những đổi mới trong công nghệ ô tô và những diễn biến trong thể thao tốc độ, đồng thời biến những điều học được thành những nội dung hữu ích và đầy đủ cho otomobilgi.com.

Các nội dung liên quan

Gói đăng ký FSD giá 99 đô la của Tesla hứa hẹn hoàn toàn tự lái ngay trong tên gọi, nhưng liệu bạn có xứng đáng với số tiền bỏ ra hay không còn phụ thuộc vào việc bạn lái bao nhiêu kilômét mỗi ngày.
Lái xe Tự Động và Trí Tuệ Nhân TạoCó nên trả phí hàng tháng cho lái xe tự hành không?
Waymo chỉ chạy không người lái ở vùng hạn chế, còn Tesla hoạt động có giám sát ở mọi nơi; sự khác biệt này không phải ngẫu nhiên, mà chính là bản chất mô hình kinh doanh của hai công ty.
Lái xe Tự Động và Trí Tuệ Nhân TạoKhi Waymo tự lái một mình trong thành phố thì tại sao Tesla vẫn cần tài xế?
Miễn là tay lái vẫn nằm trong tay bạn, thì dù chiếc ô tô thông minh đến đâu, về mặt pháp lý bạn vẫn là người lái xe.
Lái xe Tự Động và Trí Tuệ Nhân TạoMức 2 hay Mức 3? Lời hứa và thực tế trong lái xe tự hành
Trong tuyết dày, hiệu suất nhận diện của lidar giảm hơn 50% và vì trí tuệ nhân tạo không biết nên tin cảm biến nào, các xe robotaxi phải dừng lại.
Lái xe Tự Động và Trí Tuệ Nhân TạoXe Tự Lại Vì Sao Mù Khi Gặp Tuyết và Mưa?
Suốt mười năm qua, những mốc thời gian cho việc tự lái hoàn toàn được công bố hằng năm đã trôi qua từng cái một; hôm nay trên đường vẫn chỉ có những hệ thống hỗ trợ lái Level 2 mà tay lái vẫn phải nắm.
Lái xe Tự Động và Trí Tuệ Nhân TạoNhững Lời Hứa Trì Hoãn của Lái Xe Tự Làm Từ Năm 2015 Đến Nay
Khi xảy ra tai nạn khi xe đang ở chế độ lái tự động, trách nhiệm không còn thuộc về người lái nữa mà chuyển sang bàn của công ty phát triển hệ thống.
Lái xe Tự Động và Trí Tuệ Nhân TạoKhi Không Ai Ở Trên Vô Lăng Mà Xảy Ra Tai Nạn Thì Ai Là Người Có Lỗi?
Trong lái xe tự hành không có một loại cảm biến đúng duy nhất; sự cân bằng giữa chi phí, an toàn và quy định sẽ quyết định người thắng cuộc.
Lái xe Tự Động và Trí Tuệ Nhân TạoLidar hay Camera? Bảng điểm của cuộc chiến cảm biến trong lái xe tự hành
Vì cả hai hệ thống đều ở SAE Cấp 2, phi công thực sự sau tay lái vẫn là bạn: không có chiếc ô tô nào hôm nay nhận trách nhiệm thay bạn.
Lái xe Tự Động và Trí Tuệ Nhân Tạo5 Diem Khac Biet Co Ban Giua Super Cruise Va Tesla FSD
Mercedes-Benz đã giới thiệu hệ thống Cấp 3 được phê duyệt toàn cầu đầu tiên trên thế giới chịu trách nhiệm khi xảy ra tai nạn; nhưng sự tự do này vẫn chỉ áp dụng trong một phạm vi rất hẹp.
Lái xe Tự Động và Trí Tuệ Nhân TạoMercedes Drive Pilot Giữ Đúng Lời Hứa Về Mức Độ 3
Công nghệ đã sẵn sàng, các mô hình đã có sẵn, nhưng chiếc ghế trống trên xa lộ Mỹ vẫn có một tài sĩ ngồi, bởi vì rào cản thực sự không phải là phần mềm mà là kinh tế và cuốn sổ quy tắc.
Lái xe Tự Động và Trí Tuệ Nhân TạoTại sao xe tải tự hành trên đường cao tốc Mỹ vẫn vẫn còn người lái?

Nhãn

  • tự lái
  • tesla
  • tự lái hoàn toàn
  • lidar
  • waymo
  • hệ thống hỗ trợ người lái
  • các cấp độ sae
  • mercedes-benz
  • trách nhiệm pháp lý
  • học end-to-end
  • mạng nơ-ron
  • hợp nhất cảm biến

Theo dõi chúng tôi trên mạng xã hội

  • Về chúng tôi
  • Văn bản Thông báo KVKK
  • Chính sách Bảo mật
  • Liên hệ
Otomobilgi.com
NỀN TẢNG VĂN HÓA Ô TÔ ĐỘC LẬP
Được hỗ trợ bởi Virgo CMS