404 Driver Not Found

TelegramIt dev

@drivernotfound

Канал об ML в автономном транспорте от специалистов из Яндекса: разбираем научные статьи, делимся интересными находками, обсуждаем горячие вопросы индустрии. Вопросы и предложения > @yandex_ml_brand

1.4K
Подписчиков
+10
148.1%
Охват (Reach Rate / RR)
просмотры / подписчики
1.2%
Вовлечённость (ER)
реакции / просмотры

О канале 404 Driver Not Found

1.4Kподписчиков2.1Kсредний охват148.1%охват (RR)1.2%вовлечённость (ER)+180за 30 дней

Канал об ML в автономном транспорте от специалистов из Яндекса: разбираем научные статьи, делимся интересными находками, обсуждаем горячие вопросы индустрии. Вопросы и предложения > @yandex_ml_brand

AI-обзор

Обновлено 19.07.2026

404 Driver Not Found" - канал, посвященный машинному обучению в сфере автономного транспорта. Авторы, специалисты из Яндекса, разбирают научные статьи, делятся находками и обсуждают актуальные вопросы индустрии. Канал будет интересен специалистам в области IT и всем, кто интересуется развитием технологий автономного вождения.

Описание сформировано MaxBook AI на основе последних публикаций канала.

Основные метрики

Рост подписчиков

+180+14.4%

Вовлечённость

148.1%Охват
Подписчиков1.4K
Просмотров/пост2.1K
Реакций/пост24
Отличная
Качество
1.13%
Реакции/просм.
10
Постов
24
Реакций/пост
1.13%просмотров конвертируются в реакции

Здоровье аудитории

Средний охват: ~2.1K на пост — это ~100% от 1.4K подписчиков
100%
Доля от числа подписчиков. Один пост видит не обязательно одна и та же часть аудитории, поэтому остаток — не «неактивные подписчики».
148.1%
Охват (RR)
Отличное
1.17%
ER (вовлечённость)
~25 реакций/пост
Здоровый канал. Более 30% подписчиков видят публикации — аудитория живая и вовлечённая.

Часовая активность

МСК

Когда канал публикует — распределение постов по часам суток.

10:00
Пик публикаций
0%
Ночью (0-6)
Публикует утром
0
3
6
9
12
15
18
21
Распределение 10 постов по часам публикации и средний охват/реакции постов в этот час. Время — московское (МСК). Это график публикаций канала, не онлайн-статус аудитории.

Последние публикации канала «404 Driver Not Found»

  1. 337 просмотров, 22 реакций, 10 июл. 2026 г.

    Безопасность, ускорение end-to-end, prediction в частотной области: чем запомнился ещё один день ICML 2026 В этом году конференция продолжает бить собственные рекорды по количеству участников. В основной программе — 168 устных докладов и почти 5900 постеров. Рассказываем о трёх классных постерах про АТ. CorrectionPlanner: Self-Correction Planner with Reinforcement Learning in Autonomous Driving Авторы предлагают архитектуру планера, которая умеет корректировать траекторию во время декодинга. Если голова-критик утверждает, что предложенный токен небезопасен, то он добавляется в список…

    Открыть пост в MAX
  2. 460 просмотров, 23 реакций, 09 июл. 2026 г.

    Три статьи об автономном транспорте с ICML 2026 Продолжаем рассказ о тематических работах на крупнейшей международной конференции по машинному обучению. Впечателниями делится наш коллега из команды автономного транспорта Иван Дубровин. CoIRL-AD: Collaborative-Competitive Imitation-Reinforcement Learning in Latent World Models for Autonomous Driving Авторы пытаются решить главную проблему imitation learning — выход модели в out of distribution под накапливающимся влиянием расхождений предсказанных и GT-траекторий. Предлагают решать это через объединение IL и RL, чтобы добавить в обучение…

    Открыть пост в MAX
  3. 487 просмотров, 17 реакций, 09 июл. 2026 г.

    Генерация реального города Seoul World Model, memory bias в RL, совместное обучение VLA и WM: что обсуждают на ICML 2026 [2/2] Продолжаем всё ближе подбираться к автономному транспорту в продолжении обзора работ с ICML , которая прямо сейчас продолжается в Сеуле. DriveWorld-VLA: Unified Latent-Space World Modeling with Vision–Language–Action for Autonomous Driving К сожалению, не получилось пообщаться с авторами. В статье они предлагают совместно обучать VLA- и WM-модели, чтобы у них был общий latent state. То есть, чтобы можно было генерировать потенциальные развития событий без…

    Открыть пост в MAX
  4. 569 просмотров, 19 реакций, 08 июл. 2026 г.

    Генерация реального города Seoul World Model, memory bias в RL, совместное обучение VLA и WM: что обсуждают на ICML 2026 [1/2] 6 июля в Южной Корее стартовала одна из крупнейших конференций о машинном обучении — ICML. Участников очень много, работы охватывают самые разные тематики. Личным топом выступлений и постеров, полезных для автономного транспорта, делится наш коллега Иван Дубровин. Seoul World Model На Expo Talk авторы из Naver рассказали, как используют RAG поверх фотографий street view, чтобы генерировать настоящий Сеул, а не вооображать что-то похожее. Это позволяет эффективно…

    Открыть пост в MAX
  5. 1.1K просмотров, 28 реакций, 30 июн. 2026 г.

    Умеют ли трансформеры водить машину? Трансформеры уже умеют писать код, генерировать тексты и рисовать картины. Сегодня разберём нашу статью о том, как в Яндексе используют архитектуры на основе трансформеров для планирования движения и почему это сильно отличается от привычных задач генеративных моделей. Любая система автономного движения опирается на модуль Motion Planner — алгоритм, который несколько раз в секунду решает, куда должен переместиться робот или автономный автомобиль. То есть превращает их восприятие мира в конкретные действия: руление, торможение, ускорение. В индустрии…

    Открыть пост в MAX
  6. 1.5K просмотров, 20 реакций, 24 июн. 2026 г.

    Occupancy Grid Prediction [2/2] Продолжаем серию постов о 3D occupancy perception. В первой части обсудили особенности подхода и общие тренды, а сегодня разберём три актуальные работы. Одна из особенностей Agent Occupancy Grid — воксели агентов движутся и в системе координат мира, и в системе эго-агента. Это значит, что можно предсказывать Occupancy Grid Flow — то есть, направление и скорость перемещения каждого вокселя. Let Occ Flow: Self-Supervised 3D Occupancy Flow Prediction Авторы предлагают решать задачи Occupancy Grid (OG) и Occupancy Grid Flow (OG Flow) prediction, не используя…

    Открыть пост в MAX
  7. 4.1K просмотров, 35 реакций, 17 июн. 2026 г.

    Occupancy Grid Prediction [1/2] Сегодня начнём серию постов о 3D occupancy perception. В первой части обсудим особенности подхода и общие тренды, а в следующей — разберём несколько актуальных работ. Для этого подхода сцену представляют плотной 3D-решёткой (вокселями) с семантикой и метками «занято» или «пусто». В отличие от BEV, в 3D occupancy perception явно моделируют высоту, что критично для сложных городских сцен. Например, для случаев, когда 3D occupancy справляется лучше, чем 2D: небольшие камни или куски мусора на дороге, которые проще пропустить между колёс, а не объезжать. Или края…

    Открыть пост в MAX
  8. 4.1K просмотров, 25 реакций, 10 июн. 2026 г.

    VoxelNeXt: Fully Sparse VoxelNet for 3D Object Detection and Tracking Классические dense-подходы, применяемые поверх воксельных featuremap’ов требуют большого количества вычислений и пост-процессинга (например, NMS). Сегодня разберём статью о попытках оптимизировать это. Авторы предлагают решать задачу 3D-детекции на лидарных точках в fully-sparse режиме. Для построения такого детектора используют классический spconv-based лидарный бэкбон. Но с улучшениями: 🔴 В изначальный FPN добавили больше featuremap’ов в низком разрешении с последующим апсэмплом. Это значительно увеличило размер…

    Открыть пост в MAX
  9. 2.9K просмотров, 27 реакций, 05 июн. 2026 г.

    POV: ведём вас читать обзоры и лучшие статьи ICRA 2026 Сегодня заключительный день конференции. И вот что рассказали о ней наши коллеги: ➡️ Чем запомнился первый день ICRA 2026 ➡️ И ещё одно мнение о первом дне в канале ML Underhood ➡️ Земной автомобиль, луноход или марсианский ровер — на ICRA 2026 припаркуются все ➡️ Заметки о втором дне в канале ML Underhood ➡️ Residual RL, генерация сложных сценариев поведения и безопасность движения: что обсуждали в третий день ICRA 2026 А вот работы, которые отметил оргкомитет ICRA 2026. Награду Best Conference Paper Award получили две статьи: 🔴 …

    Открыть пост в MAX
  10. 1.0K просмотров, 21 реакций, 04 июн. 2026 г.

    Residual RL, генерация сложных сценариев поведения и безопасность движения: что обсуждали в третий день ICRA 2026 Продолжаем трансляцию с главной международной конференции о робототехнике и автоматизации. Сегодня в подборку самого интересного вошёл один доклад и пять постеров. Residual Off-Policy RL for Finetuning Behavior Cloning Policies Работа от Amazon Frontier AI & Robotics, посвящённая планированию движения. Проблематика рассматривается на роботах, но те же подходы можно применить к автономному транспорту. Для больших VLA хорошо работает behaviour-cloning-претрейн, но RL пока…

    Открыть пост в MAX

Качество и доверие

100
из 100
Явных аномалий не обнаружено

Эвристические сигналы качества по публичным метрикам (охват, реакции, динамика подписчиков). Это не доказанный фрод и не приговор — лишь поводы присмотреться к каналу.

Реклама и монетизация

Внешняя реклама, которую этот канал размещал в других лентах.

Рекламирует с 13.06.2026

1
рекл-постов
1.7K
охват рекламы
24
реакции
Продвигал:
  • @MLunderhood1 пост
Эффективность по типу контента

Средние показатели последних публикаций. Тип определён по тексту поста — оценочно.

Текст(9 постов)1.8K просм. · 24 реакц.
Фото(1 пост)569 просм. · 19 реакц.

Цитирование

Индекс цитирования

Сколько раз канал упомянут и репостнут в постах других каналов.

28
упоминаний
4
репостов

Публикации

10 последних публикаций

Дополнительно

9пропущенных ID постов

Из 10 пойманных постов в диапазоне ID сообщений отсутствует 9. Пропуски — это удалённые посты ИЛИ медиа-альбомы и служебные сообщения (один альбом = несколько ID). Точную причину по одним ID определить нельзя.