特斯拉FSD「架構(gòu)級」更新，11大能力上車！馬斯克：可以讓更多人用了

賈浩楠 2022-03-15 14:31:42 來源：量子位

賈浩楠 發(fā)自 副駕寺智能車參考 | 公眾號 AI4Auto

今天智能車領(lǐng)域最重要進展：

特斯拉FSD新版本上線。

為什么重要？

FSD Beta 10.11版本，馬斯克親自確認有架構(gòu)層面的改進，屬于重大更新。

而且，馬斯克還說，因為新的10.11能力夠牛X，未來會考慮開放更多FSD測試名額。

從更大的層面看，進展最迅速、純視覺路線代表、數(shù)據(jù)體系構(gòu)建最完整…特斯拉的AI做到什么程度，是消費者和無人車行業(yè)都緊盯著的風(fēng)向標。

那就具體看一下，F(xiàn)SD代表的純視覺自動駕駛技術(shù)No.1進展到哪一步。

11項更新，馬斯克為什么最看重這一項？

11項更新內(nèi)容分別是：

將車道幾何形狀的建模從密集的光柵（”點包”）升級為自回歸解碼器。

在地圖不準確或?qū)Ш绞r，改進自動駕駛系統(tǒng)對路權(quán)（道路類別、可行駛區(qū)域）的理解。特別是在岔路口對道路建模，現(xiàn)在完全依賴神經(jīng)網(wǎng)絡(luò)預(yù)測，而非地圖信息。

VRU(弱勢交通參與者)檢測的精度提高了44.9%。極大減少了雨天、斑駁路面等情況下摩托車、滑板車、輪椅和行人的誤報情況。這是通過增加下一代自動識別器的數(shù)據(jù)量，訓(xùn)練以前凍結(jié)的網(wǎng)絡(luò)參數(shù)，以及修改網(wǎng)絡(luò)損失函數(shù)來實現(xiàn)的。

將距離非常近的VRU預(yù)測速度誤差減少了63.6%。措施是引入了一個新的模擬對抗性高速VRU數(shù)據(jù)集。這一更新改善了對快速移動和切入的VRU的自動駕駛控制。

車輛爬坡姿態(tài)改進，爬坡開始和結(jié)束時的加速度或制動力更強。

改進了靜態(tài)障礙物感知網(wǎng)絡(luò)，提高了對車輛周圍障礙物的感知和識別。

通過增加14%的數(shù)據(jù)集大小，將車輛“停放”屬性（指路面其他車輛）的識別錯誤率降低了17%，還提高了剎車燈的準確性。

通過調(diào)整損失函數(shù)以提高車輛在困難場景下的自動駕駛能力。“可通行狀態(tài)”速度誤差改進5%，高速情況速度誤差改進10%。

改進了對路邊車輛打開的車門的檢測和控制。

優(yōu)化了在車輛同時具有橫向縱向加速，以及顛簸時的車身控制算法，獲得了更平順的轉(zhuǎn)彎體驗。

以太網(wǎng)數(shù)據(jù)傳輸優(yōu)化，提高了FSD Ul可視化的穩(wěn)定性。

所有的更新，大致可以分為兩類，第一類是對于乘客乘坐體驗的改善。

比如過彎平穩(wěn)性、UI可視化、爬坡姿態(tài)這三項。

第二類則是跟車輛本身的感知、決策緊密關(guān)聯(lián)，比如使用神經(jīng)網(wǎng)絡(luò)預(yù)測來給路口建模，減輕了對高精地圖的依賴。

另外，去年年底開始用戶頻繁反映的“幽靈剎車”問題，其原因在于攝像頭在有干擾的情況下識別不準。

這次的更新，通過在后端AI神經(jīng)網(wǎng)絡(luò)中添加識別器、豐富數(shù)據(jù)集、調(diào)整損失函數(shù)的方法來提高對不同目標、狀態(tài)的識別準確性。

而這些能力的進步，無論是感知決策，還是建模都離不開最基本的車道、目標預(yù)測能力。

這也是本次更新中馬斯克最為看重的“架構(gòu)級”更新：

車道幾何形狀的建模從密集光柵升級為自回歸解碼器。

什么意思？

車道光柵本來是常應(yīng)用在收費站ETC上的技術(shù)，通過物體對光的遮蔽來提取輪廓特征，用來區(qū)分不同車輛。

特斯拉這里說的密集光柵建模，同樣也是通過虛擬的密集光柵提取圖像數(shù)據(jù)中大量的特征點，來復(fù)原重建數(shù)字模型。

而自回歸解碼器解碼器則使用Transformer直接預(yù)測并逐點連接矢量空間車道。

所謂”矢量空間 “車道，是指將車道的整體情況分解成若干關(guān)鍵參數(shù)信息，比如寬度、材質(zhì)、顏色、車道線類型等等。

為什么要這么做？因為對于人類來說，看到景物的一瞬間就能理解基本情況。

但是對于神經(jīng)網(wǎng)絡(luò)來說，必須要提取能夠“看懂”的關(guān)鍵參數(shù)。如果把每一種關(guān)鍵參數(shù)看做一個向量，那么一條車道所包含的所有信息，就是一個多維的空間。

有了這個概念，馬斯克口中的這次架構(gòu)層面的更新，其實可以簡單理解為建模過程省去了從圖像提取大量點這個中間步驟，直接生成AI能理解的參數(shù)信息。

這樣的好處在于，系統(tǒng)對道路、其他目標行為的預(yù)測、以及多個傳感器信息后端融合的效率更高。

減少了中間步驟，自然也相應(yīng)降低了算力成本和出錯率。

怎么評價這項更新？

本質(zhì)上講，以往的建模方法，依托于從為“人眼”服務(wù)的圖像數(shù)據(jù)提取特征，體現(xiàn)的還是人類優(yōu)先的思想。

而自動駕駛的終極目標，就是要讓AI替代人類，如果還從服務(wù)人類的信息數(shù)據(jù)中提取參數(shù)，不是多此一舉嗎？

更何況計算成本、差錯率都會升高。

所以，這項更新，體現(xiàn)了馬斯克對于AI本質(zhì)的深刻理解，貫徹了他之前一直強調(diào)的“第一性原理”。

冷峻、理性，在拋棄人類固有思維的路上，馬斯克越走越遠了。

而對于特斯拉FSD這項產(chǎn)品來說，則“機器”的更加徹底。也許它目前在MPI、平穩(wěn)性上不及一些友商，但從底層結(jié)構(gòu)上說，它已經(jīng)是更純粹的AI了。

更AI的特斯拉，意味什么？

馬斯克認為，更AI更本質(zhì)的FSD，代表著更強的自動駕駛能力。

目前FSD 10.11在特斯拉內(nèi)部員工范圍內(nèi)推送，但馬斯克說如果“表現(xiàn)”良好，就推送給更大范圍的用戶測試。

這個“表現(xiàn)”包括兩方面，既有算法的能力，也有車主的靠譜程度。

沒錯，想體驗特斯拉FSD，必須得是“優(yōu)等生”。

特斯拉給每一位申請FSD測試的用戶都打了分，來判斷他是不是一名合格負責(zé)的駕駛者。

維度包括5個方面：每1000英里的前方碰撞預(yù)警、緊急制動、急轉(zhuǎn)彎、不安全跟車、強制解除Autopilot。

也就是說，開車分心、激進，以及對自動駕駛不信任，都會造成低分。

而目前，只有98分以上才有資格測試FSD，全部人數(shù)只有6萬左右。

馬斯克所說的擴大規(guī)模，也是將司機準入分數(shù)的門檻降低到95分。

而國外聽聞這一消息的用戶，已經(jīng)激動不已了：

本來是車主花錢買服務(wù)，馬斯克卻玩出了“擇優(yōu)錄取”的優(yōu)越感。

要說拿捏用戶心理，還得是馬一龍啊。

特斯拉車主們，或者其他智能車用戶，體驗中有沒有讓你印象最深刻的功能？