日前，他在社交平臺上表示，車輛控制（vehicle control）是“特斯拉FSD AI拼圖”上的最后一塊拼圖，其將使得（原始FSD中）30萬行以上的C++控制代碼，減少約兩個數(shù)量級。

眼下，特斯拉正在訓練（車輛控制技術(shù)），但目前的主要限制因素在于訓練的算力，而非工程師人力。

不過，這里的“車輛控制”技術(shù)，似乎并非指的是硬件端零部件，或許更偏向的是AI技術(shù)。

Electrek便指出，馬斯克這句話表明，特斯拉計劃更多地用（人工智能/機器學習）神經(jīng)網(wǎng)絡(luò)來控制車輛，而非依賴預編碼指令集（讓車輛在傳感器檢測到特定場景時，做出特定動作）來控制車輛轉(zhuǎn)向、制動等。

還有外媒指出，通過從預編碼向人工智能與機器學習轉(zhuǎn)變，特斯拉有望向L5級自動駕駛、實現(xiàn)“端到端AI”全自動駕駛的目標更近一步。

端到端方案與之前的關(guān)鍵區(qū)別之一就在于，傳統(tǒng)的模塊化架構(gòu)是將智能駕駛拆分稱單獨任務(wù)，交由專門的AI模型或模塊來處理，例如感知、預測、規(guī)劃等；而端到端AI則是“感知決策一體化”，即將“感知”與“決策”融合到一個模型中。

就在7月，馬斯克再次重申，要實現(xiàn)全自動駕駛，或者說L4-L5級的全自動駕駛，大概今年晚一點時候就有望實現(xiàn)?！拔覀円呀?jīng)非常接近沒有人類干預的全自動駕駛的狀態(tài)了，我們已經(jīng)在美國的道路上展開測試，現(xiàn)在很少會需要人工干預”。

華西證券指出，特斯拉自動駕駛技術(shù)領(lǐng)先的原因，在于其已構(gòu)建全閉環(huán)、自成長的AI數(shù)據(jù)體系。

另外，特斯拉“端到端”的自動駕駛方案目標，主要是以道路場景圖像作為輸入，控制參數(shù)作為輸出。

這一方案放棄了傳統(tǒng)的多模塊合成自動駕駛技術(shù)，改為采集人為操作車輛的控制參數(shù)數(shù)據(jù)以及行駛過程中由攝像頭采集到的道路場景圖像，其中控制參數(shù)包括方向盤轉(zhuǎn)角、油門、剎車和速度等數(shù)據(jù)，然后以圖像數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)中的輸入，控制參數(shù)作為端到端模型的標簽進行神經(jīng)網(wǎng)絡(luò)模型的學習訓練。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com