全自动驾驶最后一块拼图？马斯克：车辆控制交给AI、缩减预编码

马斯克似乎向着“全自动驾驶”的目标，又迈进了一步。

(相关资料图)

日前，他在社交平台上表示，车辆控制（vehicle control）是“特斯拉FSD AI拼图”上的最后一块拼图，其将使得（原始FSD中）30万行以上的C++控制代码，减少约两个数量级。

眼下，特斯拉正在训练（车辆控制技术），但目前的主要限制因素在于训练的算力，而非工程师人力。

不过，这里的“车辆控制”技术，似乎并非指的是硬件端零部件，或许更偏向的是AI技术。

Electrek便指出，马斯克这句话表明，特斯拉计划更多地用（人工智能/机器学习）神经网络来控制车辆，而非依赖预编码指令集（让车辆在传感器检测到特定场景时，做出特定动作）来控制车辆转向、制动等。

还有外媒指出，通过从预编码向人工智能与机器学习转变，特斯拉有望向L5级自动驾驶、实现“端到端AI”全自动驾驶的目标更近一步。

端到端方案与之前的关键区别之一就在于，传统的模块化架构是将智能驾驶拆分称单独任务，交由专门的AI模型或模块来处理，例如感知、预测、规划等；而端到端AI则是“感知决策一体化”，即将“感知”与“决策”融合到一个模型中。

就在7月，马斯克再次重申，要实现全自动驾驶，或者说L4-L5级的全自动驾驶，大概今年晚一点时候就有望实现。“我们已经非常接近没有人类干预的全自动驾驶的状态了，我们已经在美国的道路上展开测试，现在很少会需要人工干预”。

华西证券指出，特斯拉自动驾驶技术领先的原因，在于其已构建全闭环、自成长的AI数据体系。

另外，特斯拉“端到端”的自动驾驶方案目标，主要是以道路场景图像作为输入，控制参数作为输出。

这一方案放弃了传统的多模块合成自动驾驶技术，改为采集人为操作车辆的控制参数数据以及行驶过程中由摄像头采集到的道路场景图像，其中控制参数包括方向盘转角、油门、刹车和速度等数据，然后以图像数据作为神经网络中的输入，控制参数作为端到端模型的标签进行神经网络模型的学习训练。

华西证券预计，特斯拉有望率先落地端到端方案，迎来智能驾驶拐点。

关键词：