Trong thực tế, mức độ chính xác của các phương pháp đo thị giác / SLAM dựa trên máy ảnh gần với các phương pháp dựa trên nắp để điều hướng xe tự trị?

Benedict Evans, một đối tác chung của Andreessen Horowitz, tuyên bố rằng hầu như tất cả các dự án tự trị của họ đều sử dụng phương thức khai thác cho SLAM và không phải tất cả đều sử dụng bản đồ HD.

Một nhóm MIT đang thử nghiệm xe tự lái trên đường công cộng không có bản đồ HD .

Câu hỏi của tôi là liệu sự khác biệt về lỗi giữa máy ảnh và máy ảnh có đáng kể hay không. Benedict Evans và những người khác tuyên bố rằng flipar là cần thiết cho SLAM đủ chính xác trong xe tự lái, nhưng thoạt nhìn, dữ liệu điểm chuẩn KITTI dường như mâu thuẫn với tuyên bố đó. Tôi muốn xác nhận hoặc bác bỏ ấn tượng đó.

Bảng xếp hạng điểm chuẩn của KITTI Vision cho các phương pháp đo thị giác / SLAM trực quan cho thấy một phương pháp dựa trên nền tảng được gọi là V-LOAM ở vị trí đầu tiên, và một phương pháp dựa trên camera âm thanh nổi gọi là SOFT2 ở vị trí thứ tư. Chúng có cùng một lỗi xoay và chênh lệch điểm phần trăm 0,05 trong các lỗi dịch tương ứng.

Là một sự khác biệt 0,05 điểm phần trăm trong độ chính xác dịch thuật lớn hay không đáng kể, khi nói đến một điều hướng xe tự trị?

Bảng xếp hạng điểm chuẩn KITTI Vision cho các phương pháp đo hình / SLAM:

Nói cách khác, sự khác biệt này có thể ảnh hưởng đáng kể đến an toàn hoặc độ tin cậy? -> hoàn toàn không theo ý kiến ​​của tôi.

Điều quan trọng trong điều hướng xe tự trị là sự ổn định nội địa hóa hơn là độ chính xác ước tính hình học. Các bản đồ cho lái xe tự trị thường được xây dựng sẵn và tối ưu hóa toàn cầu trước khi chúng được sử dụng để điều hướng. Không bao giờ cần phải xây dựng một quỹ đạo vòng mở như vậy để điều hướng.

Ngay cả đối với một tòa nhà bản đồ, 0,05% là gần như vô nghĩa nếu có một hệ thống nhận dạng địa điểm thích hợp.