馬斯克似乎向著“全自動(dòng)駕駛”的目標(biāo)，又邁進(jìn)了一步。

日前，他在社交平臺(tái)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(wàn)行以上的C++控制代碼，減少約兩個(gè)數(shù)量級(jí)。

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

不過(guò)，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(jì)劃更多地用（人工智能/機(jī)器學(xué)習(xí)）神經(jīng)網(wǎng)絡(luò)來(lái)控制車輛，而非依賴預(yù)編碼指令集（讓車輛在傳感器檢測(cè)到特定場(chǎng)景時(shí)，做出特定動(dòng)作）來(lái)控制車輛轉(zhuǎn)向、制動(dòng)等。

還有外媒指出，通過(guò)從預(yù)編碼向人工智能與機(jī)器學(xué)習(xí)轉(zhuǎn)變，特斯拉有望向L5級(jí)自動(dòng)駕駛、實(shí)現(xiàn)“端到端AI”全自動(dòng)駕駛的目標(biāo)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(dú)任務(wù)，交由專門(mén)的AI模型或模塊來(lái)處理，例如感知、預(yù)測(cè)、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(gè)模型中。

就在7月，馬斯克再次重申，要實(shí)現(xiàn)全自動(dòng)駕駛，或者說(shuō)L4-L5級(jí)的全自動(dòng)駕駛，大概今年晚一點(diǎn)時(shí)候就有望實(shí)現(xiàn)?！拔覀円呀?jīng)非常接近沒(méi)有人類干預(yù)的全自動(dòng)駕駛的狀態(tài)了，我們已經(jīng)在美國(guó)的道路上展開(kāi)測(cè)試，現(xiàn)在很少會(huì)需要人工干預(yù)”。

華西證券指出，特斯拉自動(dòng)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(zhǎng)的AI數(shù)據(jù)體系。

另外，特斯拉“端到端”的自動(dòng)駕駛方案目標(biāo)，主要是以道路場(chǎng)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(dòng)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(guò)程中由攝像頭采集到的道路場(chǎng)景圖像，其中控制參數(shù)包括方向盤(pán)轉(zhuǎn)角、油門(mén)、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(biāo)簽進(jìn)行神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)訓(xùn)練。

華西證券預(yù)計(jì)，特斯拉有望率先落地端到端方案，迎來(lái)智能駕駛拐點(diǎn)。

轉(zhuǎn)載來(lái)源：財(cái)聯(lián)社 作者：科創(chuàng)板日?qǐng)?bào) 鄭遠(yuǎn)方