Jim Fan· @DrJimFan · X·· 2025-08-05精选
AI 导读
物理AI评估无法靠实车碰撞测试完成，传统游戏引擎（sim 1.0）也难以覆盖所有边缘情况。基于神经网络的sim 2.0由数据驱动，随车队规模扩展。Tesla已应用多年，用于生成近正面碰撞等罕见危险场景的训练数据，补充800万辆实车难以采集的极端案例。
推荐理由
Jim Fan 指出物理 AI 评估难题，提出神经网络驱动的 Sim 2.0 数据飞轮方案
正文 · AI 翻译
评估是物理AI系统面临的最难问题：每次调试新的FSD构建时，你都要对汽车进行碰撞测试吗？传统的游戏引擎（模拟 1.0）是一种替代方案，但不可能将所有边缘情况都硬编码进去。基于神经网络的模拟 2.0 完全由数据编程，随着数据增长而变得更强大，并且随着车队数据飞轮的扩展而扩展。
@DrJimFan 特斯拉已经拥有这个功能好几年了。用于创建不寻常的训练样本（例如近乎正面碰撞），即使现场有800万辆车也需要补充数据，尤其是随着我们的汽车变得越来越安全，危险情况变得非常罕见。
原文
@DrJimFan Tesla has had this for a few years. Used for creating unusual training examples (eg near head-on collisions), where even 8 million vehicles in the field need supplemental data, especially as our cars get safer and dangerous situations become very rare.
来源：Jim Fan · x.com