完全自动驾驶(测试版)
你可以通过点击 “控制”>”自动驾驶”>”完全自动驾驶(Beta版)”并按照说明来启用完全自动驾驶(Beta版)。
完全自动驾驶处于早期有限的测试阶段,使用时必须更加谨慎。它可能在最糟糕的时候做错事,所以你必须始终保持你的双手在方向盘上,并对道路给予额外关注。不要自满。当启用完全自动驾驶时,你的车辆将在高速公路以外的地方改变车道,选择岔路以遵循你的导航路线,在其他车辆和物体周围导航,并进行左转和右转。在有限的测试中使用完全自动驾驶,只有当你将持续关注道路,并准备立即采取行动,特别是在盲目的角落,穿过十字路口,以及在狭窄的驾驶情况下。
你的车辆在特斯拉视觉上运行!请注意,Tesla Vision也包括一些暂时的限制,跟随距离被限制在2-7,自动驾驶最高速度为85英里/小时。
FSD测试版 v10.69.25.1 发布说明
– 将物体检测网络升级为光子计数视频流,并使用最新的自动标记数据集重新训练所有参数(特别强调低能见度场景)。改进了结构,提高了精度和延迟,提高了远处车辆的召回率,将穿越车辆的速度误差降低了20%,并将VRU精度提高了20%。
– 将VRU速度网络转换为两阶段网络,减少了延迟,并将穿越行人的速度误差提高了6%。
– 将非VRU属性网络转换为两阶段网络,减少了延迟,将过路车辆的错误车道分配减少了45%,并将错误的停车预测减少了15%。
– 重新制定了自回归矢量车道语法,使车道的精度提高了9.2%,车道的召回率提高了18.7%,岔道的召回率提高了51.1%。包括一个完整的网络更新,其中所有组件都是用3.8倍的数据量重新训练的。
– 为矢量车道神经网络增加了一个新的 “道路标记 “模块,使交叉口的车道拓扑结构误差提高了38.9%。
– 升级了占位网络,使其与路面而非自我对准,以提高检测的稳定性,并改善山顶的召回率。
– 通过将昂贵的轨迹优化程序提炼成轻量级规划器神经网络,将候选轨迹生成的运行时间减少了约80%,并提高了平滑度。
– 通过对偏离路线与驶过戈壁区域所需的轨迹之间的权衡进行更丰富的建模,改进了戈壁周围短期限变道的决策。
– 通过使用更好的行人运动学模型,减少了对人行道附近行人的错误减速。
– 增加了对一般占用网络所检测到的更精确的物体几何形状的控制。
– 通过更好地模拟车辆的转弯/侧向动作,改进了对切出我们所需路径的车辆的控制,从而避免了不自然的减速。
– 通过搜索可行的车辆运动曲线,改进了在静态障碍物周围偏移的纵向控制。
– 通过在轨迹优化中考虑相对加速度,提高了车道内车辆在高相对速度情况下的纵向控制的平稳性
– 通过自适应规划器调度、重组轨迹选择和并行感知计算,将最佳情况下物体光子到控制系统的延迟减少了26%。这使我们能够做出更快的决定并改善反应时间。
– 通过对TRIP编译器、推理运行时间和处理器间通信层的改变,引入了对模型并行神经网络推理的基础性支持,在SOC间共享中间张量,以提高道路边缘和道路线预测的一致性。
– 通过改进交通灯和交叉口之间的关联逻辑,改进了对密集交叉口区域的交通控制行为的处理。
按下顶栏用户界面上的 “视频记录 “按钮,分享你的反馈。按下后,你的车辆的外部摄像头将与特斯拉工程团队分享一个简短的与VIN相关的自动驾驶快照,以帮助对FSD作出改进。你将无法查看该片段。
原创文章,作者:特来讯,如若转载,请注明出处:https://teslaside.com/ota-detail/626/