在以上呈現(xiàn)的一共13條的Release note當(dāng)中，Tesla的FSD beta團(tuán)隊(duì)展現(xiàn)了一種獨(dú)特的量化風(fēng)格——其中的5條共提供了7處精準(zhǔn)的性能改善百分比數(shù)字。這里面既包含感知部分的性能提升，也包含規(guī)劃和控制部分的性能進(jìn)步。如果再往前追溯FSD beta在v10以來一共十幾個(gè)子版本（小編：似乎FSD beta在v10這個(gè)大版本階段已經(jīng)停留很久了，前所未有）中，涉及精準(zhǔn)的性能改善百分比數(shù)字更是琳瑯滿目覆蓋自動(dòng)駕駛體系的方方面面。我們不禁要問why and how，Tesla提供如此具體的性能改善指標(biāo)？

前段時(shí)間知乎上曾經(jīng)有一個(gè)廣泛受到關(guān)注的問題，大意是問“對于自動(dòng)駕駛行業(yè)來說，具備哪種核心的技術(shù)能力最為關(guān)鍵？”各種回答幾乎覆蓋了所有自動(dòng)駕駛的技術(shù)環(huán)節(jié)，從數(shù)據(jù)規(guī)模到訓(xùn)練方法，再到感知、規(guī)劃和控制模塊，以及各種琳瑯滿目的傳感器和車載計(jì)算機(jī)、道路覆蓋車用網(wǎng)絡(luò)…… 每一個(gè)細(xì)分的技術(shù)賽道上都有為數(shù)眾多的擁躉。但似乎沒人關(guān)注的是這樣一個(gè)事實(shí)，不論哪一種技術(shù)細(xì)節(jié)，都是建立在“體系”的基礎(chǔ)之上的，只有選擇確立自動(dòng)駕駛系統(tǒng)的“體系”在先，后續(xù)發(fā)展的各種模塊技術(shù)才能在體系下協(xié)調(diào)發(fā)展。所以小編的觀點(diǎn)是：單一評論哪一種細(xì)分技術(shù)在自動(dòng)駕駛系統(tǒng)中的重要性沒有具體的實(shí)際意義，“體系”建設(shè)和技術(shù)風(fēng)格的確立，對于長期競爭力的培育才是最重要的。

回到Tesla FSD beta v10.11.2的Release note這個(gè)主題上，我們確實(shí)看到Tesla依然在堅(jiān)定地走在：廣泛的量產(chǎn)車型+單純的視覺感知+豐厚的仿真和訓(xùn)練平臺=通暢且封閉的數(shù)據(jù)平臺基礎(chǔ)之上的。我們在兩三年前第一次Tesla AI Day 2019上看到的這個(gè)“老掉牙”的Data Engine數(shù)據(jù)架構(gòu)，依然是Tesla自動(dòng)駕駛體系發(fā)展的核心框架。

圖一【Tesla FSD beta v9-43.png】

在過去的兩年時(shí)間里，通過越來越多的信息披露，我們對于Tesla的Data Engine有了更多較為具體的理解。比如從龐大的存量車隊(duì)中如何激發(fā)Inaccuracy狀態(tài)數(shù)據(jù)上報(bào)的機(jī)制；Boost倍增后的海量相似場景如何實(shí)現(xiàn)自動(dòng)標(biāo)注；以及Tesla逐漸曝光的訓(xùn)練平臺Dojo等等。但Tesla一直維持著關(guān)鍵的技術(shù)節(jié)點(diǎn)屬性不變（小編：堅(jiān)持純視覺傳感器路線不變，甚至取消了典型的車載雷達(dá)），而僅僅做部件規(guī)格和性能上的提升，就可以堅(jiān)持在自己的Data Engine平臺上逼近L4。

可能有很多從業(yè)同行已經(jīng)厭倦了大嘴巴的Elon Musk激進(jìn)風(fēng)格，不著邊際的承諾一次又一次落空。但與此同時(shí)我們也應(yīng)該注意到，在領(lǐng)先的自動(dòng)駕駛技術(shù)公司中，Tesla是唯一的技術(shù)路線上堅(jiān)定、市場策略上一貫，客觀上也能同時(shí)在量產(chǎn)產(chǎn)品和FSD beta測試范圍內(nèi)保持不停頓的技術(shù)迭代的技術(shù)實(shí)體……從這個(gè)角度看，毫不夸張地說，堪稱碩果僅存。所以，產(chǎn)業(yè)內(nèi)外與其把關(guān)注的焦點(diǎn)放在Elon Musk又吹了多少次牛皮、承諾的升級節(jié)點(diǎn)遲遲不能兌現(xiàn)上，不如把注意力集中在如何看待Tesla在發(fā)展過程中，呈現(xiàn)出來越來越多浮出水面的技術(shù)線索上。

圖二【Tesla FSD beta v9-41.png】

上圖2為例，這是一年前當(dāng)Tesla決定在FSD beta版本上完全放棄Radar之后所做出的技術(shù)說明。我們在當(dāng)期公眾號文章《聯(lián)結(jié)主義AI技術(shù)在Tesla Vision技術(shù)體系中的地位和未來》有相對詳細(xì)的部分參數(shù)介紹，感興趣的讀者可以移步。這些具體的Triggers參數(shù)的重要性在于，它讓我們認(rèn)識到Tesla是如何同時(shí)在規(guī)模龐大的保有車隊(duì)中（200萬輛規(guī)模）和活躍度頗高的FSD beta測試車隊(duì)中（2000輛規(guī)模）抓取關(guān)鍵數(shù)據(jù)的，而非泛泛的所謂“陰影模式”。

從搜集人類駕駛員關(guān)鍵駕駛行為和策略的shadow mode，到當(dāng)研發(fā)團(tuán)隊(duì)決定對雷達(dá)傳感器做減法時(shí)，可以定制和搜集的各種對于視覺傳感器的“校準(zhǔn)數(shù)據(jù)”Trigger。這種不變應(yīng)萬變的數(shù)據(jù)閉環(huán)能力，恰恰是以機(jī)器學(xué)習(xí)為主的AI的核心要義：只要保證數(shù)據(jù)搜集的渠道暢通、數(shù)據(jù)質(zhì)量足夠好，Tesla就會一直前進(jìn)。

TeslaFSD beta v10.11.2實(shí)測表現(xiàn)亮點(diǎn)

空口無憑，我們在本期文章里還是以FSD beta v10.11.2的實(shí)際道路測試觀測為主要內(nèi)容。在我們能能找到的公開道路測試結(jié)果中，去逐一“視覺驗(yàn)證”v10.11.2的release note是否真的涉及如此眾多的技術(shù)改善，以及改善效果？我們選擇了畫面質(zhì)量和記錄視角一貫是最好水平的@Frenchie，請跟著小編一起觀察FSD beta進(jìn)化證據(jù)的關(guān)鍵細(xì)節(jié)。

1 Creeping profile with higher jerk：

視頻中，當(dāng)車輛抵近丁字路口并觀察到合適的并入機(jī)會時(shí)，以往FSD beta中的保守creep動(dòng)作（小編：creeping，是一種緩慢地、保守地遞進(jìn)觀察和進(jìn)入路口區(qū)域的低速行駛行為）被取代為更激進(jìn)和快提速Jerk的左轉(zhuǎn)進(jìn)入行為。小編相信這個(gè)變化是因?yàn)閷v史上FSD beta各版本的行為數(shù)據(jù)觀察之后得到的修正，也更符合人類駕駛習(xí)慣。在城市道路環(huán)境下（小編：視頻的實(shí)測地點(diǎn)是芝加哥鬧市區(qū)），猶猶豫豫將會造成局部的交通擁堵和事實(shí)上的不安全境地。

這種creeping行為的明顯改善，或者說果斷，符合FSD beta v10.11.2的release note中的第六條：-6 ?Improved creeping profile withhigher jerk when creeping starts and ends.//小編：改善了車輛進(jìn)入路口時(shí)的creeping profile，增加了更快提速的選項(xiàng)；

2 Improved right-of-way understanding：

視頻中，當(dāng)車輛行駛在芝加哥較為常見的城市軌道交通支架下行線時(shí)，遭受著視覺和電磁信號的雙重惡劣駕駛環(huán)境。視覺干擾來自穿透鐵軌投射在路面上的點(diǎn)線陽光耀斑，和路面白色道路分割虛線類似，對于FSD的視覺系統(tǒng)構(gòu)成非常的考驗(yàn)；電磁信號的惡劣環(huán)境同樣是由于鐵軌系統(tǒng)造成的，巨大的鋼結(jié)構(gòu)和道路兩側(cè)的高大建筑物是GPS信號的致命破壞，這是“城市峽谷”+“鋼結(jié)構(gòu)屏蔽效應(yīng)”的疊加。實(shí)際上車主Frenchie在路測中也抱怨Tesla Model 3的GPS系統(tǒng)在芝加哥的鬧市區(qū)經(jīng)常出錯(cuò)，由于不可忽視的定位誤差，有時(shí)會導(dǎo)致Waypoint路徑點(diǎn)之間的線路受到錯(cuò)誤定位的影響而進(jìn)入重新路徑計(jì)算。

實(shí)際上我們在視頻4中也可以看到，當(dāng)Model 3車輛穿越十字路口時(shí)，由于需要即時(shí)判別新進(jìn)路段的道路結(jié)構(gòu)，尤其是在光線的干擾下，Model 3的FSD beta選擇了降速，并明顯有變道行為來修正之前的識別誤差。

這種right-of-way的對于外部環(huán)境的理解能力，我們很早就在Tesla FSD beta的路測中觀察到了，隨著證據(jù)越來越多也進(jìn)一步得到證實(shí)。Tesla的自動(dòng)駕駛策略是堅(jiān)持單車能力，盡可能降低對外界條件的依賴。這個(gè)能力體現(xiàn)，符合FSD beta v10.11.2的release note中的第三條：-3 Improved right-of-way understanding if the map is inaccurate or thecar cannot follow the navigation. ?Inparticular，modeling intersection extents is now entirely based on networkpredictions， and no longer uses map-based heuristics.//小編：改善主車對于道路結(jié)構(gòu)識別的即時(shí)性，在高精地圖數(shù)據(jù)失效而無法利用時(shí)，以主車識別結(jié)果為準(zhǔn)。在道路路口場景下，完全依賴主車的即時(shí)識別結(jié)果；

3 Improved the precision of VRU detections：

視頻5的開始階段，在道路左側(cè)的行人先后被轉(zhuǎn)彎車輛和鐵軌支柱遮擋，但車輛中控屏幕的UI顯示始終沒有丟掉對于這個(gè)行人的識別和跟蹤，雖然有時(shí)會出現(xiàn)對于目標(biāo)前進(jìn)方向預(yù)測的失誤，也是短暫的。這個(gè)符合去年Tesla AI DAY上的官方展示：即通過Transformer構(gòu)造的BEV空間信息流中，將每一幀feature通過Feature Queue隊(duì)列機(jī)制在時(shí)間軸上構(gòu)成連續(xù)時(shí)間流尺度（小編：也許是10-15s范圍內(nèi)），對外界事物進(jìn)行描述；與此同時(shí)還需要利用車體姿態(tài)的慣性傳感器（INS）輸出，來在上述時(shí)間流尺度范圍內(nèi)，利用Video Queue隊(duì)列繼續(xù)構(gòu)造地理上的連續(xù)空間尺度（小編：當(dāng)然這里還有個(gè)目標(biāo)物追蹤的問題需要處理）。如此，在指定的時(shí)間+空間范疇內(nèi)，感知信息將會得到類似上下文context的銜接處理，從而為后端的預(yù)測、規(guī)劃和控制模塊提供更好的數(shù)據(jù)輸入。

參照下圖6，感知系統(tǒng)在盡可能模仿人類的視覺+腦能力，不僅僅是看到，并辨識出物體的位置、尺寸、速度和語義信息，還需要在這個(gè)基礎(chǔ)上，記住關(guān)鍵的、有時(shí)效性的外界道路參與者尤其弱勢群體VRU的局部歷史信息，這對于提升系統(tǒng)安全性善莫大焉。Elon Musk在很多場合都會舉這個(gè)例子：當(dāng)你駕駛車輛看到路旁一個(gè)小朋友消失在一輛停泊在路邊的公共汽車尾部的時(shí)候，你就會特別小心駕駛車輛駛過這部公共汽車的頭部。因?yàn)槟銜?dān)心這個(gè)在視覺上“消失的”小朋友可能會在公共汽車車頭突然出現(xiàn)而來不及剎車，提前降速是一個(gè)明智的選擇，也是人類的智慧體現(xiàn)。

圖六【Tesla FSD beta v101102-4.png】

圖6黃色框內(nèi)所體現(xiàn)的網(wǎng)絡(luò)結(jié)構(gòu)，就是構(gòu)建在BEV俯視圖基礎(chǔ)上的連續(xù)時(shí)間+空間識別feature，在此基礎(chǔ)之上進(jìn)一步實(shí)現(xiàn)標(biāo)準(zhǔn)的各個(gè)識別子任務(wù)。還是舉那個(gè)小朋友消失在停泊在路邊的大型公共車輛背后的例子：如果Tesla的FSD或者全體車隊(duì)可以不斷反饋類似視覺場景（小編：各種孩子、人力車等VRU闖入道路空間并消失在某些障礙后部），那么后臺的Dojo就可以在類似數(shù)據(jù)標(biāo)注完備的基礎(chǔ)上，用這種結(jié)構(gòu)化的場景去訓(xùn)練FSD的規(guī)劃模塊——Deep Reinforcement Learning的模塊會在訓(xùn)練中被系統(tǒng)通過reward獎(jiǎng)勵(lì)告知，當(dāng)遇到明確的VRU目標(biāo)在道路范圍內(nèi)消失在遮擋物范圍后的場景下，主動(dòng)降速進(jìn)入保守狀態(tài)反而可以獲得更多的獎(jiǎng)勵(lì)。如此往復(fù)，基于DRL的規(guī)劃模塊就會具備類人思考的能力。

回到視頻5，當(dāng)車輛在路口等候紅燈時(shí)，我們也有一個(gè)較為全面的視角觀察車輛視覺系統(tǒng)對于外界行人等VRU目標(biāo)的識別效果觀察，感官上確實(shí)做到比之前的版本更好、更流暢和更準(zhǔn)確。這個(gè)變化符合FSD beta v10.11.2的release note中的第六條：-4 ?Improved the precision of VRUdetections by 44.9%，dramatically reducingspurious false positive pedestrians and bicycles (especially around tar seams， skid marks, and raindrops)。? This was accomplished byincreasing the data size of the next-gen auto-labeler， training networkparameters that were previously frozen, and modifying the network lossfunctions。? We find that this decreases theincidence of VRU-related false slowdowns.//小編：針對VRU-弱勢道路使用者的識別精度提升了44.9%！特別是在各種道路環(huán)境干擾條件下，可大幅度降低對于行人和自行車的假陽性錯(cuò)誤識別結(jié)果。這個(gè)精準(zhǔn)的百分比貢獻(xiàn)來自于下一代auto-labeler自動(dòng)標(biāo)注系統(tǒng)所提供大量有效的訓(xùn)練數(shù)據(jù)，將之前版本的模型參數(shù)進(jìn)一步改進(jìn)；

4 More accurate predictions of vehicles：

以上視頻7中，F(xiàn)SD beta主車展示了一次“不同尋?！钡淖兙€超車行為。按照路線規(guī)劃，主車在直行通過當(dāng)前路口之后，應(yīng)該在下一個(gè)路口（小編：目測150米左右）執(zhí)行右轉(zhuǎn)動(dòng)作。如果此時(shí)主車的自身位置和地圖信息都是清晰和準(zhǔn)確的，那么按照路線規(guī)劃慣例，在距離右轉(zhuǎn)路口150m的地方大概率應(yīng)該保持右側(cè)車道行駛（小編：此時(shí)道路環(huán)境為單向雙車道），而避免主動(dòng)變?nèi)胱髠?cè)車道后無法變回右轉(zhuǎn)車道。這種情況下，較為保守的跟車行為將會確保安全右轉(zhuǎn)，應(yīng)該是執(zhí)行概率更大的路徑規(guī)劃結(jié)果。

當(dāng)主車觀察到本車道前方兩輛車輛實(shí)體都出現(xiàn)剎車燈點(diǎn)亮狀態(tài)，且前車（小編：兩車中的前車）出現(xiàn)明顯的偏移行為顯示其靠路邊臨時(shí)泊車的意圖時(shí)，主車開始選擇右側(cè)換道超車，并在完成超越之后，且右轉(zhuǎn)路口未到之前返回左側(cè)車道?？傮w來說，主車的這個(gè)行為在這個(gè)場景和這個(gè)時(shí)機(jī)下，是一個(gè)在效率和風(fēng)險(xiǎn)之間平衡較好的、較為合理的路徑規(guī)劃決策。我們在2021年度Tesla AI Day上曾經(jīng)聽到較為完整的Planning and control module的介紹（by ashok），其中也提及過類似臨近路口如何做便道選擇的介紹。相比較來說，我們認(rèn)為在視頻7中的換道超車選擇，更多是NN of Planning的選擇，而非傳統(tǒng)的路徑規(guī)劃輸出的結(jié)果（小編：因?yàn)閭鹘y(tǒng)模式比如S-L路線規(guī)劃往往更為保守，不會選擇激進(jìn)的但有可能錯(cuò)過轉(zhuǎn)彎路口的規(guī)劃結(jié)果）。類似行為如果越來越多被觀察到，我們就可以越來越確信龐大fleet所貢獻(xiàn)的各種數(shù)據(jù)，在后臺Dojo的處理下，對于FSD beta的決策規(guī)劃系統(tǒng)訓(xùn)練，產(chǎn)生了越來越正面的影響。

圖九【Tesla FSD beta v10-11.png】

請注意上圖9中的Neural Net Planner部分。Tesla FSD beta所展現(xiàn)的這種果斷的、類人的換道超車行為，歸功于此部分的決策輸出在很大程度上左右了最終的主車行為。當(dāng)然，這個(gè)變化符合release note當(dāng)中的第2條和第8條，如下：

-2 ?Use more accurate predictions of wherevehicles are turning， or merging to reduce unnecessary slowdowns for vehicles that will notcross our path.//小編：針對它車行為，提供更精準(zhǔn)的掉頭和并線預(yù)測，減少主車的非必要?jiǎng)x車行為；

-8 ?Reduced vehicle “parked” attribute error rateby 17%，achieved byincreasing the dataset size by 14%.? Also improved brake lightaccuracy.//小編：將它車狀態(tài)標(biāo)記為“停車狀態(tài)”的錯(cuò)誤率改善了17%，同樣改善了對于它車剎車燈識別的準(zhǔn)確率。這是通過不斷擴(kuò)張的訓(xùn)練數(shù)據(jù)庫（增加了14%的有效訓(xùn)練數(shù)據(jù)）來達(dá)到的；

5 Understanding intersection extents based on network predictions：

以上視頻10，充分顯示了FSD beta決策規(guī)劃模塊高度依賴視覺系統(tǒng)即時(shí)感知確立道路結(jié)構(gòu)，而非先驗(yàn)的高精地圖信息。當(dāng)主車右轉(zhuǎn)進(jìn)入四車道道路結(jié)構(gòu)的時(shí)候，由于視角和距離的問題，F(xiàn)SD視覺系統(tǒng)的即時(shí)感知并無法斷定關(guān)鍵的路口道路結(jié)構(gòu)（小編：這里的路口指的是下一個(gè)路口）。而近在咫尺，最多目測也就100-150m的十字路口，只會給主車正常行駛提供非常短的預(yù)判斷時(shí)間。

在這個(gè)距離上，主車camera并無法立刻識別下一個(gè)路口的道路結(jié)構(gòu)，如果不依賴HDmap的道路結(jié)構(gòu)化信息，那么主車只能選擇直行，并通過camera不斷探查路口的道路結(jié)構(gòu)。這上圖11這個(gè)具體的場景下，主車是要穿越路口直行，但他所在的目前這根車道在路口布局中是公共汽車專用車道（路口為紅色）。但顯然在這個(gè)距離上，主車并未意識到這一點(diǎn)，依然選擇直行。

在抵近路口的過程中，主車FSD beta開始觀察到紅色路面，訓(xùn)練的結(jié)果令它意識到這是公共汽車專用道，但與此同時(shí)，左側(cè)的直行車道分割線進(jìn)入實(shí)線狀態(tài)。這意味著向左的變道行為已經(jīng)不被交通規(guī)則所支持，所以車輛的規(guī)劃模塊輸出開始搖擺指向右側(cè)車道。但同樣很快他發(fā)現(xiàn)地面的指示表示顯示右側(cè)車道是一根右轉(zhuǎn)車道。FSD beta開始輸出搖擺不定的路徑規(guī)劃結(jié)果……直到人類司機(jī)接管。

根據(jù)這個(gè)現(xiàn)象，我們可以推測，如果FSD beta仰仗HDmap先驗(yàn)信息，那么我們不應(yīng)該看到這個(gè)現(xiàn)象：隨著逐步接近路口，路徑規(guī)劃模塊開始搖擺不定。依賴HD map的好處很多，包括讓FSD beta在足夠安全的距離上就可以執(zhí)行左側(cè)換道，正常通行。但依賴HDmap同樣會降低自動(dòng)駕駛系統(tǒng)的整體魯棒性，在沒有HDmap的區(qū)域（或者HDmpa未及時(shí)更新的區(qū)域）行駛，則意味著自動(dòng)化水平的嚴(yán)重降級。

所以有人選擇全力建設(shè)盡可能廣泛和即時(shí)的HDmap覆蓋，有人選擇干脆不依賴HDmap尤其在路口區(qū)域，執(zhí)行即時(shí)測繪……這就看各家的系統(tǒng)設(shè)計(jì)思路了。

以上觀察也符合release note中的第三點(diǎn)：-3 ?Improved right-of-wayunderstanding if the map is inaccurate or the car cannot follow the navigation。? In particular， modelingintersection extents is now entirely based on network predictions and no longeruses map-based heuristics.//小編：改善主車對于道路結(jié)構(gòu)識別的即時(shí)性，在高精地圖數(shù)據(jù)失效而無法利用時(shí)，以主車識別結(jié)果為準(zhǔn)。在道路路口場景下，完全依賴主車的即時(shí)識別結(jié)果；

此處另一個(gè)值得關(guān)注的問題是圖11所顯示的芝加哥鬧市區(qū)，嚴(yán)重的城市峽谷可能會產(chǎn)生不穩(wěn)定的GPS定位效果。這個(gè)必然會在路徑導(dǎo)航（注意，不是路徑規(guī)劃層面）上產(chǎn)生干擾。我們觀察到FSD beta也有這個(gè)問題，會在特定節(jié)點(diǎn)突然重啟路徑路由，大概率是因?yàn)镚PS信號偏差嚴(yán)重所誘發(fā)。

對于FSDbeta v10.11.2一個(gè)公允的評價(jià)

FSD beta進(jìn)入v10之后，大版本迭代的節(jié)奏慢了下來。V10階段已經(jīng)推送了11個(gè)小版本，但Elon Musk所多次提到的v11仍未到來。我們等到的是3月份Karpathy的停職休假。雖然不太可能是離職前奏，但在關(guān)鍵時(shí)刻，作為感知系統(tǒng)總監(jiān)，去休一個(gè)三四個(gè)月的長假……還是挺令人意外的。引發(fā)小編最大的思考還是這個(gè)問題，對于FSD beta來說，過于嚴(yán)苛的單一傳感器配置，是否在感知層面引發(fā)難以克服的技術(shù)瓶頸期？而Ashok又能在這個(gè)感知結(jié)果下，帶領(lǐng)規(guī)劃和控制團(tuán)隊(duì)走多遠(yuǎn)呢？

也許現(xiàn)階段，能讓人暫時(shí)保持信心的，就是FSD beta高度數(shù)字量化的release note了！Tesla落在實(shí)處的硅步，一直都還在。

審核編輯：劉清