路?通?是?个很好的案例 。
?前辅助驾驶?辆的?个?较?的通病在于：有?道线道路?驶正常 ， ??道线引导???乱 。
特斯拉要做的就是提升辅助驾驶在这?块的表现 。 所以特斯拉??做了?道神经?络 。
由三个组件构成：
1、视觉组件：有?组卷积层、注意层和其他神经?络层 ， 处理来??个摄像头的视频数据并进?编码 ， 并产?丰富的视觉表征；
2、?道引导模块：?道路级别的地图数据增强这种表征 。 并引??组额外的神经?络层进?编码 。
虽然只是普通地图 ， 虽然不是?精地图 ， 但提供了很多基础属性信息 ，
?如?道拓扑结构、?道数、导航路线等信息 。
这?引申出的?个信息是：特斯拉FSD 有?到地图 ， 但是是普通的导航地图 ， ?不是?精地图 。
所以不要再问特斯拉?动驾驶到底?不?地图这件事了 。
3、语?组件：前两个组件产?了?个密集的张量 ， 可以对世界进?编码 。 不过特斯拉的诉求是将这个密集张量转换为智能?道集还有它们的连通上 。
输?的是这个密集张量 ， 输出?本则被预测为特斯拉??开发的特殊语? ， 姑且称之为道路语?（Language of Lanes）吧 ， 特斯拉?它来编码?道的连接关系 。
具体咋做呢？看图：
这就是最终?道?络：
简?之 ， 这让特斯拉在没有?精地图以及激光雷达的情况下 ， 拥有了?清晰度的空间定位以及更远的可视范围 。
周围物体未来?为预测&路径规划
这个?为其实很好理解 。
代?到我们?类驾驶员 ， 其实我们??在开?的时候 ， 其实下意识的也会去做类似的预判 ， 关注周围不同交通参与者（?如??、???、?辆等）的动向 ， 然后做出下?步的?辆控制（加速、减速、停?） 。
这?特斯拉提到了两个个?常好的案例 ， 可以让我们更好的理解特斯拉在这?块所做的?作 。
第?个：
特斯拉正常?驶 ， 遇到?辆?闯了红?并左转 。
在这个过程中 ， 特斯拉已经预测了这台?可能会做的所有动作 ， ?后根据这台?接下来会做的不同动作 ， 来决定?辆到底要采取怎样的动作 。
第?个：
虽然前?都是红灯 ， 但是本?道这台?不知道为何距离很远就停?了 。
特斯拉并没有?常机械的停在该?后? ， ?是提前变道 ， 转到了另?条?道上 。
这个操作真的很细节 ， 特斯拉FSD 在变得更?性化 ， 给个好评 。
特斯拉在试图建??个实时系统 ， 所以就需要最?限度地提?对象部分堆栈的帧速率 ， 以便Autopilot 能够对不断变化的环境做出快速反应 。 在这? ， 每?毫秒都?常重要 ， 以尽量减少推理的延迟 。
在这? ， 特斯拉神经?络运作分为两个阶段：第?阶段 ， 确定三维空间中存在的物体的位置；第?阶段 ， 在这些三维位置拉出张量 ， 附加上?辆上的其他数据 ， 然后再进?其余的处理 。
这样 ， 可以让神经?络将计算集中在最重要的区域上 ， 从?以??部分延迟成本提供更好的性能 。
把它们放在?起 ， 特斯拉的Autopilot 视觉堆栈不仅可以预测?何和运动 ， 同时可以预测各种语义 ， 让驾驶更安全 。
现在 ， FSD 道路?络已经在?上运? ， 同时特斯拉也做了很多?作：
?且 ， 现在在?上运?的不?有?道?络 ， 还有移动物?络、占??络、交通控制和路标?络、路径规划?络…..
可能后续还会加?更多新的?络 。
下?这张图就是在特斯拉?内的神经?络的可视化：
看着?常震撼 。
特斯拉的这套东? ， 才算是真正的?动驾驶数字?脑 。
与此同时 ， 特斯拉也在优化延迟上做了不少?作：
有了数量如此多的神经?络 ， 就需要巨量的数据喂养 。 接下来且看看特斯拉在?动标注数据??的进展 。
06
自动标注
特斯拉有?种所有的标注框架来?持各种类型的?络 。
以?道?为例 ， 为了成功地训练和普及这个?络到各个地? ， 需要100万甚?更多交叉?出?数千万次的数据量 。
不过 ， 数据对于特斯拉来说不是问题 ， 毕竟?源众多 。 但是?个新的挑战就是将所有这些数据转换成训练表格 。
这?年 ， 特斯拉尝试过多种数据标注?式：
推荐阅读
- 大叔刷了200万礼物，终于在如家跟网红女神见面，场面不忍直视！
- 实拍零跑C01：合资看了摇摇头，20万级纯电卷中卷静态表现如何？
- 小米Civi2与小米Civi1S全面对比：优缺点很明显
- 争产、绑架、自杀、失踪：这个香港豪门，到底有多乱？
- 谁说买苹果14Plus不如买苹果13Pro 各有各的好吧
- 目前值得买的手机，这四款用三五年没问题，十月购机必看
- 男子结婚，遭邻居大娘怒斥，知情人：大娘养大男子，新郎拒不拜她
- 实体店行业怪象：大量旺铺招租，药店遍布，年轻人盲目开店创业
- 首创电池底盘一体化先河，集成135项NVH技术，堪称性价比“卷王”