自动驾驶
利用传感器、AI算法和高精地图等技术实现车辆在无人干预下自主行驶的技术领域，按SAE标准分为L0-L5六个等级
核心事实
时间轴 (近 90 天)
自动驾驶从演示到达到大众可用的可靠性耗费了远超预期的时间
基于基础模型的架构在处理分布外场景时相比传统分模块设计的自动驾驶系统展现出更强的泛化能力
边缘案例的覆盖程度是区分不同自动驾驶系统成熟度的关键指标，也是商业化落地前安全验证成本居高不下的根本原因
自动驾驶车辆采集乘客数据的存储与使用、误判责任归属等问题对监管机构构成新的挑战
自动驾驶车辆在复杂路况、施工区域或传感器失效时可能陷入无法自主脱困的状态，需要保留人工干预机制作为安全冗余
自动驾驶技术的社会接纳取决于叙事、信任与情感，而不仅是工程指标
自动驾驶事故的责任归属模糊，公众难以找到可追责的对象
自动驾驶最本质的心理挑战在于能动性的缺失，人类失去可沟通、可预判的对象
人类对机器失误的容忍度远低于对人类失误的容忍度
公众对自动驾驶的态度正从无条件期待转向被审视、质疑甚至妖魔化
还有 2 条时间轴事件
全部知识事实 (12)
增强学习领域用'sim-to-real gap'描述在模拟环境训练的机器人策略因现实物理差异而在真实世界失效的现象
65%待验证自动驾驶从演示到达到大众可用的可靠性耗费了远超预期的时间
50%待验证基于基础模型的架构在处理分布外场景时相比传统分模块设计的自动驾驶系统展现出更强的泛化能力
50%待验证边缘案例的覆盖程度是区分不同自动驾驶系统成熟度的关键指标，也是商业化落地前安全验证成本居高不下的根本原因
50%待验证自动驾驶车辆采集乘客数据的存储与使用、误判责任归属等问题对监管机构构成新的挑战
50%待验证自动驾驶车辆在复杂路况、施工区域或传感器失效时可能陷入无法自主脱困的状态，需要保留人工干预机制作为安全冗余
50%待验证自动驾驶技术的社会接纳取决于叙事、信任与情感，而不仅是工程指标
50%待验证自动驾驶事故的责任归属模糊，公众难以找到可追责的对象
50%待验证自动驾驶最本质的心理挑战在于能动性的缺失，人类失去可沟通、可预判的对象
50%待验证人类对机器失误的容忍度远低于对人类失误的容忍度
50%待验证公众对自动驾驶的态度正从无条件期待转向被审视、质疑甚至妖魔化
50%待验证程序化合成数据为机器人与自动驾驶开发者提供低成本、高精度、可无限扩展的数据获取路径
50%