针对这种‘冷启动’问题，你是否考虑过引入基于图神经网络（GNN）的车辆交互关系建模？
或者，利用非参数贝叶斯方法（如DiriChletPrOCeSS）进行在线自适应学习？
请简述其可行性及在嵌入式平台上的计算复杂度边界。”
陈奇惊的呼吸微微一滞。
图神经网络（GNN）在自动驾驶交互预测领域确实是前沿方向，特斯拉内部也有预研，但远未到量产落地阶段。
非参数贝叶斯在线学习？
这更偏向理论研究，实时性要求极高的车载规控系统目前几乎不可能承受其计算开销。
顾南舟的问题，像一把精巧的钥匙，瞬间捅开了他理论认知与实际工程落地之间的那层窗户纸，暴露了一个他心知肚明却尚未完美解决的痛点。
他坦诚地承认了当前方案的局限性，并简要探讨了GNN的潜力与当前硬件瓶颈，也直言非参数贝叶斯在实时性上的巨大挑战。
他看到屏幕那端的顾南舟快速在笔记本上记录着什么，脸上没什么表情。
蒋雨宏紧接着抛出了第二个问题，这次是关于华兴MDC平台。
内容未完，下一页继续阅读