特斯拉发布大型FSD Beta更新，更接近完全自动驾驶( 二 )

如果地图不准确或汽车无法跟随导航， FSD算法可以进一步提高对道路通行权的理解。特别是，交叉区段的建模现在完全基于网络预测，不再使用基于地图的启发式模型。
VRU检测精度提高了44.9% ，显著减少了对假性行人和自行车的错误判断(特别是在沥青缝、刹车痕和雨点附近) 。这是通过增加下一代自动标注工具的数据大小、训练之前冻结的网络参数和修改网络丢失函数来实现的。整体来说，降低了与VRU相关的假减速的发生率。
将靠近的摩托车、滑板车、轮椅和行人的预测速度误差降低了63.6% 。为此， FSD引入了一个新的模拟对抗高速VRU交互数据集。
改善了怠速模式（CreepingMode），现在在怠速开始和结束时具有更高的变加速度。
通过预测连续距离的静态几何与一般的静态障碍网络对附近障碍物的控制得到了增强。
通过增加14%的数据集大小，减少了17%的车辆停放错误率，也提高了刹车灯的准确性。
通过调整损失函数，提高了很多困难场景下的性能，并将清晰场景的速度误差提高了5% ，公路场景的速度误差提高了10% 。
改进了车门打开状态下的检测和控制。
通过基于优化的方法来确定，在给定横向和纵向加速度和加速度限制以及车辆运动学的情况下，哪些路线不需要控制，从而提高了转弯的平滑度。
通过优化15%的以太网数据传输管道，提高了FSDUl可视化的稳定性。
关于AutoByte
AutoByte为机器之心推出的汽车技术垂直媒体，关注自动驾驶、新能源、芯片、软件、汽车制造和智能交通等方向的前沿研究与技术应用，透过技术以洞察产品、公司和行业，帮助汽车领域专业从业者和相关用户了解技术发展与产业趋势。
欢迎关注标星，并点击右下角点赞和在看。