全自動駕駛最后一塊拼圖？馬斯克：車輛控制交給AI、縮減預編碼

《科創板日報》8月3日訊（編輯 鄭遠方）馬斯克似乎向著“全自動駕駛”的目標，又邁進了一步。

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，減少約兩個數量級。

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

【資料圖】

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

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）神經網絡來控制車輛，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變，特斯拉有望向L5級自動駕駛、實現“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鍵區別之一就在于，傳統的模塊化架構是將智能駕駛拆分稱單獨任務，交由專門的AI模型或模塊來處理，例如感知、預測、規劃等；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。“我們已經非常接近沒有人類干預的全自動駕駛的狀態了，我們已經在美國的道路上展開測試，現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領先的原因，在于其已構建全閉環、自成長的AI數據體系。

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，控制參數作為輸出。

這一方案放棄了傳統的多模塊合成自動駕駛技術，改為采集人為操作車輛的控制參數數據以及行駛過程中由攝像頭采集到的道路場景圖像，其中控制參數包括方向盤轉角、油門、剎車和速度等數據，然后以圖像數據作為神經網絡中的輸入，控制參數作為端到端模型的標簽進行神經網絡模型的學習訓練。

華西證券預計，特斯拉有望率先落地端到端方案，迎來智能駕駛拐點。

關鍵詞：