我不确定这是否有意义。虽然埃隆比我聪明得多，但我想说说我的看法： 我认为传感器融合并不是不可能的，只是让系统变得更加复杂。我可以看到一个物体，触摸它，闻到它，我的大脑可以自然地将这些信息融合在一起。我认为传感器融合本质上并不更不安全，但它增加了系统的复杂性，并增加了故障点的数量。特斯拉的主要问题是他们的车载雷达分辨率太低。 Waymo目前还不能在高速公路上载客，部分原因是LIDAR传感器的范围以及为高速驾驶进行调校的难度。还有高速行驶带来的额外风险。但他们现在实际上在高速公路上运行，没有人坐在驾驶座上，让员工进行测试。所以我认为说他们不能在高速公路上行驶并不公平，他们只是还不觉得让客户使用它是安全的。 我最喜欢的论点是，深度学习胜过多传感器方法的原因在于，使用单一低成本传感器模态可以构建的大规模数据集对于提高模型的预测准确性极为强大。你可能拥有所有这些高级传感器，但如果这意味着你的数据集规模、种类等只是一个小部分，那么仅依靠视觉模型的预测准确性和安全性可能实际上会更高。 我同意他所说的仅依靠视觉更好，但我认为问题的关键并不在于传感器融合。