据外媒报道，特斯拉宣布发布完全自动驾驶测试版(FSD Beta)v10.11，并指出对高级驾驶辅助软件做出了关键改进。目前，该版本仅向特斯拉员工推出。若系统运行良好，普通用户在未来几天也会获得更新。

图片来源：@EVAMCMILLAN333/TWITTER

FSD Beta v10.11的发行说明中概述了几项显著改进。特斯拉表示，V10.11可以更准确地预测其他车辆的转弯或并道，从而减少不必要的减速。此外，V10.11会提高车辆对通行权的理解，这对地图不准确的地区意义重大。

更重要的是，FSD Beta V10.11对弱势道路使用者(VRU)进行了具体改进。特斯拉指出，最新版本的FSD Beta可将VRU检测率提高44.9%，从而使系统能够显著着减少“错误骑自行车的人和行人”的检测率。特斯拉能够通过增加其下一代贴标机的尺寸来完成这些VRU改进。

以下为 FSD Beta v10.11的发行说明：

-将车道几何模型从密集栅格(“点包”)升级为自回归解码器，可使用变压器神经网络逐点预测和连接“向量空间”车道。因此车辆能够预测交叉车道，实现计算成本更低且不易出错的后处理，并为联合和端到端预测许多其他信号及其关系铺平道路。

-更准确地预测车辆转向或并道的位置，以避免为不会穿过车辆路径的车辆减速。

-如果地图不准确或车辆无法跟随导航，则改进对通行权的理解。特别是，交叉点范围建模现在完全基于网络预测，不再使用基于地图的启发式方法。

-将VRU检测的精度提高了44.9%，显著减少错误行人和自行车(尤其是在焦油缝、防滑痕迹和雨滴周围)的概率。具体方式是增加下一代自动标记器的数据大小、训练之前冻结的网络参数以及修改网络损失函数。

-将非常靠近的摩托车、踏板车、轮椅和行人的预测速度误差降低63.6%。为此，特斯拉引入了一个模拟对抗性高速VRU交互的新数据集，显著改进围绕快速移动和切入VRU的自动驾驶仪控制。

-开始爬坡时采用高加速度改进爬坡。

-使用一般静态障碍物网络预测到静态几何的连续距离，从而改进对附近障碍物的控制。

-将数据集大小增加14%，从而将车辆“停放”属性错误率降低17%。

-通过调整损失函数以提高困难场景中的性能，将通行场景速度误差提高5%，将高速公路场景速度误差提高10%。

-改进对打开车门的检测和控制。

-使用基于优化的方法来确定哪些道路线与给定横向和纵向加速度、加速度限制以及车辆运动学的控制无关，从而提高转弯平稳性。

- 将以太网数据传输管道优化15%，提高FSD Ul可视化的稳定性。

关键词： 损失函数 骑自行车