(资料图片仅供参考)

FSDV11.3开始给员工车主推送。- 在高速公路上启用了FSD测试版。这统一了公路和非公路上的视觉和规划技术栈，并取代了已有四年之久的传统公路技术栈。传统的高速公路堆栈仍然依赖于几个单摄像机和单帧网络，并被设置为处理简单的特定车道机动。FSD Beta的多摄像头视频网络和下一代规划器，允许更复杂的代理互动，减少对车道的依赖，为增加更多的智能行为、更流畅的控制和更好的决策创造条件。- 增加了语音驾驶笔记。在干预之后，你现在可以向特斯拉发送匿名的语音信息，描述你的经历，以帮助改善自动驾驶。- 增强了自动紧急制动（AEB），以应对穿越自我路径的车辆。这包括其他车辆闯红灯或转弯穿插抢夺路权的情况。对以前这种类型的碰撞的回顾显示，49%的紧急事件会被新的策略所缓解。这一改进现在在人工驾驶和自动驾驶操作中都是启用的。- 通过增加对物体的瞬时运动学和轨迹估计的依赖，将FSD对闯红灯者和闯红灯者的反应时间提高了500ms。- 增加了一个长距离的高速公路车道网络，以便对堵塞的车道和高曲率弯道做出更早的反应。- 将候选轨迹神经网络的目标姿态预测误差减少40%，运行时间减少3倍。这是通过使用更重、更稳健的离线优化来改进数据集，将这个改进后的数据集的大小增加4倍，并实施更好的架构和特征空间来实现的。- 通过对包括雨水反射、道路碎片和高曲率在内的180K挑战性视频进行超采样，改进了占用网络检测。- 通过在数据集中增加4万个自动标记的车队片段，将近距离切入案例的处理效果提高了20%。同时，通过改进对其进入自我车道的运动的建模，改进了对切入案例的处理，利用同样的方法对切入物体进行更平滑的横向和纵向控制。- 为道路边缘和线条网络增加了 "车道引导模块和感知损失"，使线条的绝对召回率提高了6%，道路边缘的绝对召回率提高了7%。- 通过更新 "车道引导 "模块的表示方法，用与预测交叉和迎面而来的车道有关的信息，改善了车道预测的整体几何形状和稳定性。- 通过向内侧车道线偏移，改善了对高速和高曲率情况的处理。- 改进了车道变化，包括更早地检测和处理同时发生的车道变化，在接近最后期限时更好地选择间隙，更好地整合基于速度和基于导航的车道变化决定，以及更多的区别。

$特斯拉(TSLA)$

关键词： 高速公路 改进后的 创造条件