Skip to main content

经过多次迭代和调整,FSD Beta 10.69 似乎已准备好推出更大的 FSD Beta 程序。 埃隆马斯克在 Twitter 上提到了更新,首席执行官表示 v10.69.2.2。 应扩展到美国和加拿大的 160,000 名业主。

与他关于 FSD Beta 计划的其他公告类似,马斯克的评论发布在 Twitter 上。 “FSD Beta 10.69.2.1 看起来不错,扩展到美国和加拿大的 16 万用户,”马斯克在纠正自己并澄清他说的是 FSD Beta 10.69.2.2,而不是 v10.69.2.1 之前写道。

虽然 Elon Musk 对 FSD Beta 相关的声明有一个众所周知的倾向,但他对 v10.69.2.2 的评论确实反映了该计划的一些长期成员的观察。 资深 FSD Beta 测试员 @WholeMarsBlog,如果系统运行不佳,他不会回避批评系统,并指出他对 v10.69.2.2 的收购是微不足道的。 FSD Beta 测试员研究员 @GailAlfarATX 报告了类似的观察结果。

特斯拉似乎肯定在推动向其车队释放 FSD。 特斯拉投资者关系高级总监 Martin Viecha 最近在仅限受邀参加的高盛技术会议上发表评论,暗示这家电动汽车制造商有望在今年年底左右发布“受监管”的 FSD。 这与埃隆马斯克对 FSD 广泛发布的估计大致相同。

当然,需要注意的是,即使特斯拉能够在年底前向消费者推出“监督式”FSD,但高级驾驶辅助系统的版本仍然需要驾驶员注意道路并遵循正确的道路。驾驶习惯。 然而,有了功能完整的“监督”FSD,特斯拉将能够自行导航,无论他们是在高速公路上还是在市中心的街道上。 归根结底,这是一个很难被击败的功能。

以下是 NotaTeslaApp 检索到的 FSD Beta v10.69.2.2 的发行说明:

– 向矢量车道神经网络添加了一个新的“深度车道引导”模块,该模块将从视频流中提取的特征与粗略的地图数据(即车道数和车道连通性)融合在一起。 与之前的模型相比,这种架构在车道拓扑上的错误率降低了 44%,从而在车道及其连接变得明显之前实现了更平滑的控制。 这提供了一种方法,可以使每次 Autopilot 驾驶都与驾驶自己通勤的人一样好,但以一种足够通用的方式适应道路变化。

– 通过在轨迹规划中更好地建模系统和驱动延迟,在不牺牲延迟的情况下提高整体驾驶平稳性。 轨迹规划器现在独立考虑从转向命令到实际转向致动的延迟,以及从加速和制动命令到致动的延迟。 这导致轨迹是车辆如何驾驶的更准确的模型。 这允许更好的下游控制器跟踪和平滑度,同时还允许在苛刻的机动过程中更准确的响应。

– 在存在高速交叉交通的情况下(“Chuck Cook 风格”无保护左转),在接近和离开中间交叉区域时改进了无保护左转,速度曲线更合适。 这是通过允许优化的初始加加速度来完成的,当需要在高速物体前面行驶时,它可以模仿人类苛刻的踏板压力。 还改进了接近此类安全区域的横向轮廓,以允许更好的姿势,以便很好地对齐以离开该区域。 最后,改进了与正在进入或等待在中间交叉区域内的对象的交互,更好地建模了它们的未来意图。

– 增加了对来自 Occupancy Network 的任意低速移动量的控制。 这还可以更精确地控制长方体图元无法轻易表示的更精确的对象形状。 这需要预测每个 3D 体素的速度。 我们现在可以控制缓慢移动的不明飞行物。

– 升级占用网络以使用视频而不是单个时间步的图像。 这种时间上下文允许网络对临时遮挡具有鲁棒性,并能够预测占用流量。 此外,通过语义驱动的异常值拒绝、困难示例挖掘以及将数据集大小增加 2.4 倍来改进基本事实。

– 升级到新的两阶段架构以产生对象运动学(例如速度、加速度、偏航率),其中网络计算被分配 O(对象)而不是 O(空间)。 这将远处穿越车辆的速度估计提高了 20%,同时使用了十分之一的计算量。

– 通过改善交通信号灯与滑行道与让行标志与滑行道的关联,提高受保护右转的顺畅度。 当没有相关对象存在时,这减少了错误的减速,并且当它们存在时也改善了屈服位置。

– 减少人行横道附近的虚假减速。 这是通过基于行人和骑自行车者的运动来更好地理解他们的意图来完成的。

– 通过完整的向量车道神经网络更新,将自我相关车道的几何误差提高了 34%,将交叉车道的几何误差提高了 21%。 通过增加每个摄像头的特征提取器、视频模块、自回归解码器内部的大小,以及通过增加硬注意力机制大大提高了车道的精细位置,消除了网络架构中的信息瓶颈。

– 在爬行以提高能见度时使速度曲线更加舒适,以便在保护可能被遮挡的物体时更顺畅地停止。

– 通过将自动标记的训练集的大小增加一倍,动物的召回率提高了 34%。

– 在物体可能穿过自我路径的任何交叉路口启用爬行以提高可见性,无论是否存在交通控制。

– 通过允许轨迹优化中的动态分辨率更多地关注需要更精细控制的区域,提高了在具有交叉物体的关键场景中停止位置的准确性。

– 通过让拓扑令牌参与自回归解码器的注意力操作以及增加训练期间应用于分叉令牌的损失,将分叉车道的召回率提高了 36%。

– 通过改进用作神经网络输入的车载轨迹估计,将行人和骑自行车的人的速度误差提高了 17%,尤其是当自我转弯时。

– 改进了对象检测的召回率,通过调整训练期间使用的损失函数和提高标签质量,消除了 26% 的远处交叉车辆的漏检。

– 通过将偏航率和横向运动纳入似然估计,改进了高偏航率场景中的对象未来路径预测。 这有助于物体进入或远离自我车道,尤其是在十字路口或切入场景中。

– 通过更好地处理即将到来的地图速度变化来提高进入高速公路时的速度,从而增加并入高速公路的信心。

– 通过考虑领先车辆的颠簸,减少从停止开始时的延迟。

– 通过根据预期制动曲线评估其当前运动状态,更快地识别闯红灯者。

按顶部栏 UI 上的“视频录制”按钮分享您的反馈。 按下时,您车辆的外部摄像头将与特斯拉工程团队共享一个简短的 VIN 相关自动驾驶仪快照,以帮助改进 FSD。 您将无法查看该剪辑。

特斯拉 FSD Beta 10.69.2.2 扩展到美国和加拿大的 16 万车主:埃隆马斯克

Leave a Reply