主题：【原创】货币锚定国债，不是建金融防火墙，而是建金融抽水机 -- nobodyknowsI

当然限宽墩是纸糊的，仅模拟。场景是两车道左右两侧放置了长方形限宽墩，车辆需要从正常行驶车道跨实线通过限宽墩。测试结果是只有华为智驾顺利通过（全程未减速），如此拙劣的表现再次确认了你的AI是人工智障的判断。再读你的科普，发现L5的路确实遥遥无期。

我之前提到自动驾驶要解决的几个问题，确实2，3，4都可以归于一个问题——环境感知。只是从拟人的角度去看问题就更直观，而且从人类驾驶的感受看，2. 道路/车道识别 3. 信号灯识别 4. 障碍物识别，这三个问题其实等级难度都差不多，决策执行的优先级差不多，而且从算法剪枝处理来看要简单许多。一个大问题（通用性的问题）分解为几个小问题（区域性场景)计算量应该削减很多，甚至很多小问题可以得到近乎100%的答案。

回到限宽墩的场景，首先要解决障碍物识别测量问题，这个领域，没有安装前置激光雷达，毫米波雷达（最好是高精度4D毫米波雷达）的基本上先pass掉了，纯视觉方案理论上可行，但实际应用智障的厉害，也列在失败行列；另外虽然安装了这些传感器，但是无法做好信号融合处理的也失败了。障碍物识别测量做好后，决策执行控制车辆调整姿态通过就相对容易。意外的是，好几辆车子表现得是因为不愿意压实线而失败，决策系统看上去都非常智障。

初步了解了一下自动驾驶常用的几种传感器特征参数后，我大致的判断是自动驾驶传感器起码需要配置4D毫米波雷达，激光雷达和双目（或更先进）摄像头才有可能实现。然而如你所言，哪怕配齐了这些传感器，设备算力也足够大，对于一些非常longtail的障碍物识别依然是巨大的挑战，比如一些细小的东西，如钉子，碎玻璃，钢丝类物体，一些飘动的如塑料袋，飞絮类物体如何界定，感觉蛮怀疑的。因为一旦亚毫米级识别精度的激光雷达都无法识别，而重新借助视觉辅助判断的话，那又回到了听天由命的概率中去。我猜测现在敢给萝卜快跑放行，应该是基于AI的识别/决策能力足够避免恶性事故（可能好于人类驾驶），虽然不免出现各种智障场景。

感觉上，相比纯开放环境的L5级自动驾驶，似乎封闭场景机器人应用的实现短期内更值得期待。