這可以用AI修復嗎？ 這取決於路況。如果是在亞利桑那州的一條長直路上，那麼可以。其他的可能可以，但大概可以。 IMU可以告訴你你在路上的哪個位置，並開始觀察車輛的行駛模式。 側面攝像頭仍然可以看到。 雨刷是自動的，幾秒鐘內就能清除擋風玻璃上的水。 而且@NianticLabs有一個系統，可以告訴車輛的AI它的確切位置，只要它能看到車周圍的任何東西。即使是仙人掌在沙漠中的每個位置也都是非常獨特的。 我稱這為以色列思維，因為我曾在那裡的8200計劃中學會了如何以3D的方式思考，幾年前我在那裡發言過。

賽車有另一個感測器——一個直指車底的激光。這個激光可以判斷車輛在轉彎時是否滑動，這有助於主 AI 電腦盡可能用力地將賽車推過轉彎。 這樣可以在不失去抓地力的情況下最大化速度，否則會失去速度或撞上牆壁。因此，AI 可以以人類無法做到的方式將車輛保持在抓地力的邊緣，這就是為什麼它在阿布達比的賽車運動中擊敗了人類。

我最近一直在思考這個問題。其實有20家公司正在與Niantic合作，建立一個每毫米一個體素的世界模型或地圖。這是非常精細的。一旦你將一條街道映射成體素，當相機能夠在這些體素中看到足夠的模式時，它就能確切知道自己的位置。這項技術明年將會在手機和汽車中出現。 特斯拉目前擁有世界上最好的體素地圖——比Niantic的更好——而且更新更及時，因為他們有這麼多汽車在行駛，創建實時地圖。 這對於困難條件至關重要： 1. 如果一輛車在暴風雪中失去了主要傳感器，它仍然可以使用其他輸入。即使後視相機被雪覆蓋（就像我那時的情況），你仍然有四個側面相機和一個內部相機。 2. 即使是內部相機有時也能看到地標，比如透過後窗看到摩天大樓，這使得汽車能夠在識別更多物體的同時計算其在三維空間中的確切位置。 3. 在晴天，這很簡單，但在大暴風雪中，能見度顯然有限。 你觀察其他汽車的想法是一個很好的方法來保持系統的安全。這將隨著時間的推移降低IMU（慣性測量單元）的錯誤率，IMU跟踪方向、顛簸和航向。每個輪子上也有傳感器來監測滑移。 雖然在暴風雪中麥克風幫助不大，但主要目標是： * 看到你前面卡車的紅燈 * 跟踪其他車輛的運動方向 * 通過側面相機找到任何車道標記的證據 看看他們如何完全解決這個問題會很有趣。在直線上似乎很簡單，但在暴風雪中的彎曲峽谷路則更為複雜。不過，同樣的想法適用：如果你能看到你前面的車以及它們在路上的位置，你就能判斷它們是否正在進入轉彎。其他車輛無疑是重要的數據點——尤其是如果有一輛車出事故，這告訴系統需要減速和停下來。想一想這些事情真的很有趣。