IT之家 8 月 21 日消息，剛剛發(fā)布特斯拉軟件更新 2022.16.3.10（即全自動駕駛 FSD 10.69）。@ACPixel 放出了新版本的發(fā)行說明。
同時，YouTuber @Whole Mars Catalog 給出了一段 35 分鐘的實車測試視頻，全程無人工接管，下面截取一段，大家一起來看一下吧。
在矢量車道 (Vector Lanes) 神經(jīng)網(wǎng)絡(luò)中增加了一個新的 "深度車道引導" 模塊，該模塊將從視頻流中提取的特征與粗略的地圖數(shù)據(jù)，即車道數(shù)和車道連接性融合在一起。與以前的模型相比，這種架構(gòu)在車道拓撲結(jié)構(gòu)上實現(xiàn)了 44% 的錯誤率，在車道及其連接性變得視覺上明顯之前實現(xiàn)了更平滑的控制。這提供了一種方法，使每一個自動駕駛儀的駕駛效果與某人駕駛自己的通勤一樣好，但又能以足夠普遍的方式適應(yīng)道路變化。
通過更好地模擬軌跡規(guī)劃中的系統(tǒng)和驅(qū)動延遲，在不犧牲延遲的情況下，提高了整體駕駛的平穩(wěn)性?，F(xiàn)在，軌跡規(guī)劃器獨立考慮了從轉(zhuǎn)向指令到實際轉(zhuǎn)向驅(qū)動的延遲，以及加速和制動指令到驅(qū)動的延遲。這導致了一個更準確的車輛駕駛模型的軌跡。這允許更好的下游控制器跟蹤和平穩(wěn)性，同時也允許在苛刻的操縱過程中做出更準確的反應(yīng)。
在接近和離開中間交叉區(qū)域時，在高速交叉交通的情況下，改進了無保護的左轉(zhuǎn)彎，其速度曲線更合適（"Chuck Cook 風格" 的無保護左轉(zhuǎn)彎）。這是通過允許可優(yōu)化的初始抽動來實現(xiàn)的，以模仿人類在需要在高速物體前行駛時踩下的嚴厲的踏板。還改進了接近這種安全區(qū)域的側(cè)向輪廓，以允許更好的姿勢，使其在離開該區(qū)域時能很好地對齊。最后，改進了與正在進入或在中間交叉區(qū)域內(nèi)等待的物體的互動，更好地模擬了它們的未來意圖。
增加了對來自占用網(wǎng)絡(luò)的任意低速移動量的控制。這也使更精確的物體形狀得到更精細的控制，這些物體不容易用立方體基元表示。這需要預測每個三維體素的速度。我們現(xiàn)在可以對緩慢移動的 UFO 進行控制。
升級了占位網(wǎng)絡(luò)，使用視頻而不是單一時間步驟的圖像。這種時間背景使網(wǎng)絡(luò)對暫時性的閉塞具有魯棒性，并能預測占用流。同時，通過語義驅(qū)動的離群點剔除、硬例挖掘和增加 2.4 倍的數(shù)據(jù)集規(guī)模，改進了基礎(chǔ)真相。
升級到一個新的兩階段架構(gòu)，以產(chǎn)生物體運動學（如速度、加速度、偏航率），其中網(wǎng)絡(luò)計算被分配為 O（對象）而不是 O（空間）。這將遠處過路車輛的速度估計提高了 20%，而使用的計算量只有十分之一。
通過改善交通信號燈與滑行道的關(guān)聯(lián)和讓行標志與滑行道的關(guān)聯(lián)，提高了受保護的右轉(zhuǎn)彎的平穩(wěn)性。這減少了沒有相關(guān)物體存在時的錯誤減速，也改善了存在時的讓行位置。
減少了人行橫道附近的錯誤減速。這是在根據(jù)行人和騎自行車者的運動來改進對他們意圖的理解。
通過全矢量車道神經(jīng)網(wǎng)絡(luò)的更新，將自我相關(guān)車道的幾何誤差提高了 34%，交叉車道提高了 21%。通過增加每個攝像頭特征提取器、視頻模塊、自回歸解碼器內(nèi)部的大小，以及增加硬性注意機制，大大改善了車道的精細位置，消除了網(wǎng)絡(luò)架構(gòu)中的信息瓶頸。
在匍匐前進的時候，使速度曲線更加舒適，以便在保護可能被遮擋的物體時能更順利地停止。
通過將自動標記的訓練集的大小增加一倍，使動物的回憶率提高了 34%。
在任何有物體可能穿越自我路徑的交叉口，無論是否有交通管制，都能爬行以獲得可見性。
通過允許軌跡優(yōu)化中的動態(tài)分辨率，提高了在有交叉物體的關(guān)鍵場景中停止位置的準確性，使其更多地關(guān)注更精細控制的區(qū)域。
通過讓拓撲標記參與自回歸解碼器的注意操作，以及增加訓練期間應(yīng)用于分叉標記的損失，將分叉車道的召回率提高了 36%。
通過改進作為神經(jīng)網(wǎng)絡(luò)輸入的車載軌跡估計，將行人和自行車的速度誤差提高了 17%，特別是當自我正在轉(zhuǎn)彎時。
通過調(diào)整訓練期間使用的損失函數(shù)和提高標簽質(zhì)量，提高了物體檢測的召回率，消除了 26% 的遠處過路車輛的漏檢。
通過將偏航率和橫向運動納入似然估計，改善了高偏航率情況下的物體未來路徑預測。這有助于物體轉(zhuǎn)入或離開自我的車道，特別是在交叉路口或切入場景中。
通過更好地處理即將到來的地圖速度變化，提高了進入高速公路時的速度，這增加了并入高速公路的信心。
通過考慮領(lǐng)先車輛的顛簸，減少了從停止處啟動時的延遲。
通過評估他們當前的運動狀態(tài)和預期的制動曲線，能夠更快地識別闖紅燈者。
IT之家知悉，特斯拉的 FSD Beta 計劃目前在北美擁有大約 100000 多名公開測試人員。
在上一次財報電話會議上，馬斯克透露，F(xiàn)SD Beta 測試測試團隊已經(jīng)行駛了超過 3500 萬英里，遠遠超過其競爭對手。到今年年底，F(xiàn)SD Beta 測試人員的數(shù)量可能會進一步增長。馬斯克還表示， 用于右舵的的特斯拉 Beta 版將在 2022 年底前發(fā)布。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。