MonkeyDhouzi的博客

RAG 就像是给自动驾驶装了一个“记忆搜索引擎”，它能在遇到复杂路况时，快速从海量历史数据中“翻旧账”，找出类似场景的处理方式，然后结合当前情况做出更聪明的决策。

随着自动驾驶技术的不断进步，相关的术语也越来越多，像“大模型”、“蒸馏”、“DAgger”、“SFT”……除了 SFT，你可能还听过一些类似的词，比如“大模型蒸馏”、“DAgger”。它们听起来都像是在“训练 AI”，但其实各有不同的作用。了解这些，不是为了“炫技”，而是为了更好地理解前沿技术，更高维度上有我们自己的理解。其实，SFT 的应用远不止“开车”本身，它已经渗透进自动驾驶的多个关键模块，帮助系统变得更聪明、更安全、更贴近人类驾驶习惯。通过 SFT，模型不只是“看到”，而是“理解”它看到的内容。

简单来说，数据标注就像是给自动驾驶汽车上的“眼睛”做教学。我们把大量的图片、视频、激光雷达数据等输入给它，然后告诉它：“这个是行人”、“这个是红绿灯”、“这条线是车道”。就像教小朋友认物一样，汽车也需要大量的“看图识物”训练。比如，一张街景图中，标注员会用框框圈出每一个行人、每一辆车，甚至每一个交通标志，并告诉系统它们分别是什么。这些信息会被用来训练自动驾驶的感知系统，让它在真实道路上也能“看懂”周围环境。

自动驾驶不是一蹴而就的奇迹，而是无数次“试错+纠正”的积累。DAgger，就是让这条成长之路更聪明、更高效、更安全的关键一步。

语义分割是计算机视觉中的一种任务，它的目标是将图像中的每一个像素都分类到一个具体的语义类别中，比如“道路”、“行人”、“车辆”、“建筑物”、“天空”等

ACC 不是“自动驾驶”，但它绝对是“开车不累”的第一步。了解它、用好它，你会发现堵车和跑高速都不再那么烦人了！

LDWS 虽然是一个“老功能”，但它并没有被淘汰，反而在不断进化。从提醒到理解，从单一感知到多模态融合，它正在变得越来越聪明，也越来越值得我们信赖。

FCW（前方碰撞预警）系统通过多传感器融合技术实时监测前方150米内的障碍物，当检测到碰撞风险（相对速度≥30km/h且碰撞时间＜2.7秒）时，通过三级警报提醒驾驶员，可降低27%事故率。系统面临误报（如弯道误判静态物体）和漏报的平衡难题，工程师通过AI算法、动态阈值调整等手段持续优化。随着技术发展，FCW正与AEB、V2X等技术深度融合，从单一预警功能进化为智能安全决策模块，实现从被动安全到主动避险的跨越。

了解主要功能成为更加全面汽车人