在一篇文章中了解「神奇的自動駕駛軟件」E2E 自動駕駛（FSD V12）是什麼！

本文使用零件的自動翻譯

上週，馬斯克在 X（舊推特）上評論，富署正在順利進行。他說，FSD 12.4.1 已向特斯拉員工發布。如果一切順利，它計劃在本週底前向少數外部客戶發布。

馬斯克還表示，FSD 12.4.1 足夠先進，可以被稱為 V13。此外， $特斯拉 (TSLA.US)$據說，其他兩個階段版本應分別是 V14 和 V15。此外，他補充說，如果已知的錯誤被修復，FSD 將需要 1 年以上的操作才能觸發手動干預。

美國特斯拉將通過發布 FSD V12 完全改造自動駕駛軟件。關鍵字是「端到端（端到端，E2E）」。自 FSD V12 發布以來，FSD 更新的速度越來越快，每次都取得了重大進展。

預計，這種技術「具有無限提高精度並大幅降低自動駕駛的成本的潛力，如果實現，現有主要汽車將很難通過自動駕駛軟件自行與特斯拉競爭。」

什麼是 E2E？

如果您想具體了解到目前為止 E2E 與自動駕駛軟件有何不同，您首先需要了解自動駕駛軟件到目前為止是如何運行的。

一、結構性到目前為止，自動駕駛系統採用了子模塊化的方法。AD 系統分為感知、規劃和控制；首先，它們準確地感知周圍的動態和靜態交通參與者和道路網結構，然後規劃汽車的行駛軌跡，最後通過封閉迴路系統中的致動器控制車輛。在這樣的機制中，模塊之間設計了明確的接口和接口，模型化人類認知步驟。

同時，在特斯拉 FSD V12 E2E 中，沒有這樣的機制，並且消除了感知，規劃，控制等模塊之間的斷連，主模塊組合起來形成一個大型神經網絡。

二、正式子模塊化軟件採用手動編碼和神經網絡的組合形式，手動編碼的比例很高。大多數汽車公司仍然依賴傳統的規則驅動算法和手動編碼，尤其是在監管和控制領域。

同時，Tesla 的 FSD E2E 解決方案使用全堆疊神經網絡實現，該網絡直接輸入傳感器數據並輸出轉向，制動和加速信號。理論上，整個過程可以在沒有編碼的情況下實現。

三、理論端對端大型模型通過壓縮大量駕駛視頻片段來提取驅動知識。Tesla 的 FSD 將數十萬個視頻片段中的人類駕駛知識壓縮成神經網絡參數，這類似於 GPT 等 LLM 壓縮互聯網級數據的方式。與人類經驗相似，驅動知識也通過生活中的各種經歷來蒸餾並刻入腦神經和突觸中。

最後，發展方法如果您考慮一下，FSD V12 全堆疊神經網絡是軟件 2.0 時代的產品，並且完全是數據驅動的。在神經網絡的層數、結構、重量、參數、激活功能和損失功能固定之後，訓練數據（質量和大小）成為決定端對端神經網絡性能的唯一因素。

同時，子模塊化系統位於軟件 1.0 和 2.0 之間的半程。除了使用神經網路的部分除外，使用手動編碼的其他零件仍依賴設計規則的優點和傳統演算法的效能。

E2E 的優缺點
一般而言，E2E 的主要優點是 ① 技術上限高，② 解決複雜的配合長尾問題的數據驅動解決方案，以及 ③ 消除嚴重的模塊化累積錯誤。

另一方面，與最近受歡迎的 GPT 等生成人 AI 類似，這種技術也具有「缺乏解釋性」，即使對於創建其內部運作者來說也是黑盒，以及高度參與障礙，因為需要大量高質量的數據和巨大的計算能力。

資料來源：穆莫，彭博
— 穆穆新聞賽貝爾
本文使用零件的自動翻譯

免責聲明：此内容由Moomoo Technologies Inc.提供，僅用於信息交流和教育目的。更多信息

原文

舉報

瀏覽 8.5萬

評論

登錄發表評論

moomoo資訊官方帳號

3.4萬粉絲

2關注

7.6萬來訪

關注