今天，特斯拉向参加测试计划的汽车发布了最新版本的全自动驾驶（FSD）测试版软件。目前，大约有 10 万车主正在积极测试特斯拉的 FSD 软件，最新版本带来了一系列改进。
特斯拉表示，此次更新基于来自其车队运动的超过 250,000 个训练剪辑，这是该公司首次公开这样的数字。新的 FSD Beta 软件版本为 2022.12.3.10，它是迄今为止最广泛的更新之一。
有一些与系统采取行动的置信度相关的改进，并且三个旧的神经网络已从系统中删除，特斯拉表示这使得系统帧速率提高了 1.8 fps。
尽管其名称可能暗示了这一点，FSD 仍被视为 2 级驾驶员辅助系统，因为驾驶员需要始终保持警惕并做好掌控的准备。 3 级系统不需要这些，但到目前为止这几乎仍然是一个白日梦。
这是完整的变更日志：
• 升级了无保护左转的决策框架，通过添加更多影响走/不走决策的功能，更好地建模对象对自我行为的响应。这提高了对噪声测量的鲁棒性，同时在安全裕度内更容易做出决策。该框架还在必要时利用中间安全区域来穿越大转弯，并在需要安全退出十字路口时通过机动加速加速。
• 使用更准确的车道几何形状和更高分辨率的遮挡检测来改善爬行的可见性。
• 通过在车道选择过程中更好地与物体未来预测相结合，减少尝试不舒服的转弯的情况。
• 升级后的规划器可减少对车道的依赖，从而能够顺利地驶出受限空间。
• 通过改进车道神经网络的架构，提高了交叉交通转弯的安全性，大大提高了交叉车道的召回率和几何精度。
• 通过向训练集中添加 180,000 个视频剪辑，提高了所有车道产品的召回率和几何准确性。
• 通过更好地整合车道结构和改善黄灯行为，减少与交通管制相关的错误减速。
• 通过添加具有广义静态障碍物网络的混合/耦合层，提高了道路边缘和线路预测的几何精度。
• 通过使用来自自动贴标机的改进数据重新训练广义静态障碍物网络并添加 30,000 个以上视频剪辑，提高了几何精度和对可见性的理解。
• 通过向训练集中添加新的模拟和自动标记数据，提高了摩托车的召回率，减少了附近行人和骑自行车者的速度误差，并减少了行人的航向误差。
• 通过向训练集中添加 41,000 个剪辑，提高了车辆“已停车”属性的精度。解决了 10.11 遥测捕获的 48% 的故障案例。
• 通过使用自动贴标机中使用的改进版本的神经网络重新生成数据集，提高了数据质量，从而改进了对远处交叉物体的检测召回。
• 改进了在车门打开的汽车周围操纵时的偏移行为。
• 通过将非VRU 对象升级为网络预测任务，改进了非VRU 对象的角速度和以车道为中心的速度。
• 通过在前车未来运动估计和计划变道曲线之间更紧密的集成，提高在减速剧烈的车辆后变道时的舒适度。
• 该系统现在将网络预测的加速度应用于所有移动实体，超越了之前仅适用于纵向目标的限制。
• 周围车辆的视觉资产已更新，包括显示车门何时打开的指示器。
• 通过消除三个过时的神经网络，系统性能提高了 1.8 帧/秒。
