Open github-actions[bot] opened 1 year ago
github-actions[bot]
commented
1 year ago 2022-10-25 11:08:46
首先，车辆架构会有巨大的变化，将会取消人员驾驶功能，没有方向盘，没有刹车踏板，无论是转向系统，传动系统，行驶系统还是制动系统，一切都是线控方式。人们在车内，就像在一个移动的房间里。
自动驾驶将会先普及公共交通方式，因为公摊后的较低成本能更好的在公共交通设施上加比较昂贵的感知设备和优化后的算法，如公交车，的士等，会优先普及使用无人驾驶系统。这类车型有个共同的特点，就是不再设置驾驶位，车厢内部全部由乘客的座位构成。
当然早期的时候可能还会有安全冗余，方向盘可以隐藏在车体内，而冗余的刹车设置可
github-actions[bot]
commented
1 year ago 2022-10-20 10:59:32
感谢@知乎游戏 邀请
距离上一作《大富翁10》已经过去了3年，这次的《大富翁11》吸取了上一作的经验做出了改进，第一关键点是首发角色和地图数量一定要够多，这次我们将14位经典角色与12张新地图带给各位玩家，并且后续新角色和新地图也正在制作中了。我们为这14位角色设计的各自的交通工具，比如沙隆巴斯有了飞毯，约翰乔可以骑马，乌咪有老虎使得各位玩家更有代入感。前作中大地图玩热斗模式打不到人，小地图玩传统模式节奏太快的问题在本作从地图设计根源解决了——传统地图与热斗地图不再共用，而是依据不同模式专门设计。
由于上一作是第一次加入联机模式，采用的联机底层不够好，所以这作从底层上进行了改造，采用protobuf通讯协议提高联机稳定性。关于游戏长短新老玩家截然相反的期待，我们也在设置中加入了多种游戏时间和胜利条件的设置，可以调整设置来找到志同道合的朋友，可以慢慢一局玩到地老天荒也可以到设定的天数结算资产，想怎么玩交给玩家自由选择。
github-actions[bot]
commented
1 year ago 2022-10-19 11:29:11
越来越不想发朋友圈，刷朋友圈让你心累；总被社交媒体轻易影响情绪，朋友圈里太多好友让你觉得“社交过载”——这种现象被称为“社交媒体倦怠”。
它在我们生活中，正变得越来越常见。
心理学上，对社交媒体倦怠的定义主要有以下3种视角[1]：
基于情感视角的社交媒体倦怠被视为一种负面情绪体验。
Dhir等人在总结前人观点的基础上认为，社交媒体倦怠是社交媒体用户因参与和在不同在线社交媒体平台中的互动而体验到技术的、信息的和沟通的过载后所遭受的精神枯竭 (Mental Exhaustion) 状态[1-2]。
情感视角关注用户在使用社交媒体时的体验，涉及
github-actions[bot]
commented
1 year ago 2022-10-19 10:58:13
崇祯十七年，李自成攻陷北京，在皇宫内找到上千具糜烂的尸体，臭气滔天，蛆虫遍地。
军队连搜两日，从尸堆中找到长平公主。
此时，长平公主仅剩一臂，状若疯癫。
据她所说，上千嫔妃、宫人皆是被崇祯皇帝下令处死，取上千颗心脏汇于巨鼎蒸熟。
之后，崇祯皇帝带着千颗心脏去往煤山……
1.
李阳山似笑非笑地盯着我。
我毛骨悚然地打断道：「正史记录，崇祯皇帝于煤山自缢而死，太监王承恩、大学士范景文等诸臣从死，明朝灭亡。」
我叫杜乐，历史系大学生，准备考研。课余时间，我都会在这家书店复习。
半个小时前，我才认识李阳山，他见我在翻阅明朝历史书，主动要给我讲一段历史。
「那你打算继续听下去吗？」
李阳山的眼里流露出残忍的光，我预感不妙，后面的故事肯定更加诡异。
只是我这人生性胆小如鼠，却又好奇心重。
「你接着说，但不准用讲鬼故事的语气。」
我犹豫了下，还是合上书籍，把时间留给李阳山的「明朝史」。
「崇祯皇帝将千颗心脏插在煤山，摆成硕大无比的山羊图案，然后他按照奇数的顺序，依次用刀剖开心脏……」
讲到这里，李阳山突然卡壳。
他思索片刻，满脸无奈地抓了抓乱糟糟的头发，歉意地望向我。
「果然，下面还没想好怎么编。」
我忍不住扑哧笑了出来。
李阳山讲的时候一直在瞄电脑，我想他应该是一个小说家，这邪典意味十足的明朝历史，是他的小说。
只是，不曾想竟还在创作中。
李阳山尴尬地耸了耸肩，把电脑塞回书包，唤来服务员。
我抢先拿起手机扫码，将两份茶饮一并付账。
「当听故事的报酬，等你想好下面的剧情，一定要再讲给我听。」
李阳山冲我感激地笑了笑，背起书包，挥手离去。
外面的雨淅淅沥沥地下。
我目送李阳山走到马路对面的车站，他坐在长凳上抽烟，低头摆弄手机。
这时，我的手机疯狂振动。
一个陌生来电。
我按下接通，李阳山低沉的声音从雨声中钻出来：「崇祯皇帝站在千颗心脏的中间，不断重复一句话，山羊
github-actions[bot]
commented
1 year ago 2022-10-18 16:52:01
写在前面：在不久前的一篇文章中，我们简单聊了聊如何使用 Taichi 加速 Python 程序。文章发布后，不少从事计算机视觉、图像处理工作同学都在好奇 Taichi 是否可以加速 Python 中图像处理相关的计算，并与 OpenCV (import cv2) 协同工作、甚至在 GPU 上并行运行。本文就尝试针对这些问题进行初步探讨。我会带领大家揭秘女生爱用的美颜滤镜和男生爱玩的主机游戏《对马岛之魂》中的 HDR 效果的原理，讲解它们背后使用的几个从简单到困难逐渐递进的图像处理算法，包括高斯滤波器、双边滤波器、双边网格 (Bilateral Grid) 等，并和大家一起手把手从零开始写代码体验效果。相信读完这篇教程，不论读者是否从事图像处理方面，都可以有所收获。欢迎大家按需食用、批评斧正！
Python 是当前图像处理领域的主打语言之一。在计算机视觉（特别是深度学习图片预处理、模型训练）等复杂度较高，技术迭代速度快的领域，用 Python 快速开发出算法原型、验证效果是许多研发人员的首选方案。著名图像处理库 OpenCV 就提供了完整的 Python 封装，用户可以书写 Python 调用底层的 C++ 实现来获得不错的性能。
理想很丰满，现实很骨感。在实际的研发任务中，
github-actions[bot]
commented
1 year ago 2022-10-17 15:16:13
因为工作关系（作为虚幻官方社区经理），也因为年纪大一点（奔四了），还因为我其实几年前也干过两三年的UE4培训讲师，采样过社会上招收的形形色色的各种人。在日常的工作中，也经常会有各种人私下跟我咨询，例如30多岁是否可以学UE，两个offer哪个比较好。
针对题主的问题，我的回答是：有点难但并非不可行
有点难：一是年龄确实劣势，二是学历吃亏，三是工作经验缺乏，四是发展潜力受限。对于现在来搞游戏开发几乎就是白手起家。在同样的就业市场上，是远远比不过年轻的专业对口应届生的，更遑论同龄的前辈了。还有第五点，作为一个面试官，我会在心里暗自揣测，你30多岁了才开始转行，在学习能力或者是心性上可能多多少少有点问题。多一事不如少一事，其他候选者又多的是，干嘛要招你呢？说这些是让题主清楚明白自身的劣势，当然也不要被各种培训机构忽悠的好像只要去学完就能行。
并非不可行：当然也不是全无希望。我试想一下我在什么情况下会招你？只有你当面拿出一个UE的Demo，然后针对技术面试的问题对答良好，那我会愿意给你一个机会，从初级岗位开始做起。以后发展成什么样子就看你接下来自己的努力和造化了。虽然机会不大，但你要真能学以贯通技术服众发展成核心骨干或是leader，那也得送你一句牛逼。第二是，IT虽然也会看学历，但确实不像传统别的行业那么看，不会一个机会都不给你。所以也不像别的答主那样悲观，好像只有1%的机会，我觉得至少有5%吧。在IT，或者是游戏开发圈，我话说得糙一点，只要你能帮我干活，把我要的东西实现好，那就行了，其他的我管你干嘛的。你什么学历，什么背景，甚至连是否是在公司内入职我都不在乎，外包给你兼职干都行(有很多人就是这么要我介绍人干活的)。第三是UE的人才需求确实还远没有到饱和的阶段。国内的使用UE的公司，包括游戏和非游戏的，都还在增长中。这点对于大龄转行的人来说是利好，不像web或app那样已经非常成熟饱和了。
勤能补拙：说了这么多，中心思想只有一个，外人怎么说你不行都没事，但你自己要能证
github-actions[bot]
commented
1 year ago 2022-10-14 15:10:22
两个核心观点：
1. 特斯拉不是是目前唯一在坚持纯视觉方案的企业，纯视觉方案是被技术领域高度认可的未来技术趋势之一；
2. 特斯拉坚持纯视觉方案符合马斯克推崇的“第一性原则“，其核心是轻硬件，重算法；
纯视觉方案是目前全球自动驾驶领域一个非常热门的研究方向，另一个非常成熟的参赛选手就是mobileye。Mobileye在2020年的CES上就已经展示了基于纯视觉的城市无干预自动驾驶。
2021年北美和英国的华人汽车工程协会搞了一个自动驾驶方面的技术论坛，我也在里面听听。与会的在国内和美欧工作的自动驾驶研究人员的观点还是比较一致的，那就是从技术逻辑的角度来说纯视觉更可能是“正确的选择“，而激光雷达方案更多的是现有的技术能够拼凑出可用系统的现实选择。
其实这有点像“三体”中章北海所在的时代面临的选择，到底是使用成熟的化学工质推进方案还是看起来连技术基础都有很多突破空间的无工质推进方案。
那么，为什么会有这样的观点呢？
因为这个观点的核心并不在于复杂的两者技术的解读，而在于这些技术背后的理论基础，那就是：
视觉方案是轻单车硬件，重软件算法、云计算和大数据协作来实现识别的方案；
激光雷达方案则相反，重单车硬件系统，是靠硬件扫描出的海量高精度数据来实现识别的方案。
这就是两者最大的区别，也是为什么特斯拉在一片反对声中必须坚持纯视觉方案的根本原因。我相信这也是马斯克所推崇的第一性原则相关：
“我在想存在一种好的思维框架。那是物理学的东西，你知道，有点儿像第一原理推理（first principles r
github-actions[bot]
commented
1 year ago 2022-10-14 15:07:36
作为一名整车研发工程师，其实我在相当长一段时间内对于新能源汽车的换电模式是非常不理解，也非常不看好的。现在我能更客观的来看待新能源汽车换电模式，下面向大家分享一下我的理解。
目录：
为了能更好的说明这个问题，我先和大家一起把视角拉到圆点问题——“汽车是什么？”。这其实是一个简单到几乎被所有人忽略掉的一个问题，对于整车研发工程师来说更是如此。
那汽车到底是什么呢？我想大家心里都应该有了答案：“汽车是为了解决把人或物从A点运送到B点的这个需求的工具”。简单一点就是“汽车是一种移动出行工具”。
如果汽车是一种移动出行工具，最基本的要求是什么呢？既
github-actions[bot]
commented
1 year ago 2022-10-14 15:07:18
一般来说，现在智能驾驶主要的中高速检测障碍物的手段就是毫米波雷达+摄像头的方案。
毫米波雷达的工作原理就是通过发射无线电信号（毫米波段，30-300GHZ），再将反射的零散信号收回，来探测感知周围物体，通过算法（阈值去掉噪声值留下信号能量峰值）得到反射点的信息，再得到汽车和其他物体之间的相对距离、相对速度、角度、运动方向等。
由于毫米波雷达的穿透性较好，可以轻松穿透塑料，所以常安装在汽车的前保险杠处，塑料板的里面。
毫米波的最大优点就是无视天气，穿透雾气、烟尘的能力强，受到环境因素影响较小，可以保障在日常情况下的使用。
毫米波雷达早期为24GHZ，探测距离短，精度低，探测距离大概50米到100米，精度大概是40-70CM的分辨率。而最近两年推出的77GHZ的探测距离远，能达到200米以上，精度相对较高，大概是4-10CM分辨率。但因为成本较高，还是主要用在高端车型上，如果要达到更好的辅助驾驶级别，一般至少一个
这个题目涉及到的内容太广袤了，随便哪一个下面都是一个繁杂的，需要大量资金和科研的重要领域，其中包括的难点不知凡几。 抛砖引玉，浅聊下智能汽车和大数据/网络之间的一些关联吧。 一架可以坐500-600人的双层A380空中客车以自动飞行模式从伦敦飞往纽约，全程只需要2.5MB的数据要处理。而一辆L4级别的自动驾驶车辆，仅处理每天的日常任务，可能就需要处理45TB的数据，是空客380的不知道多少倍。 人在驾驶车辆，一般做出决策是需要先感知，再思考，再决定行动的一个过程。 而自动驾驶也是一样，一辆车通过多个摄像头（含红外线），毫米波雷达，激光雷达，超声波传感器，
Previous
如何加快汽车与互联网、通信、大数据、人工智能、可再生能源等技术的跨界融合？需要解决哪些阻碍？
2022-10-14 15:07:00
知乎每日精选 2022-11-22