特斯拉fsd是硬件还是软件_特斯拉fsd技术是谁研发的
1.全面重写Autopilot,特斯拉自动驾驶的升维革命
2.特斯拉FSD是什么意思,特斯拉要不要加FSD
特斯拉的fsd是指全自动驾驶系统。特斯拉是一个来自美国硅谷的汽车制造厂商,特斯拉是专门制造纯电动汽车的。特斯拉旗下的车型有model 3,model s,model y,model x等。model 3是特斯拉旗下第一款被国产的车型,这也是特斯拉旗下的入门级车型。
model 3是一款中型轿车,这款车有后驱版车型也有四驱版车型。
model 3的长宽高分别是4694毫米,1850毫米,1443毫米,轴距为2875毫米。
特斯拉model 3的后驱版车型是单电机车型,四驱版车型是双电机车型。
后驱版车型的电动机最大功率为202kw,最大扭矩为404牛米。
四驱版车型电动机的总功率为340kw,总扭矩为639牛米。
model 3全系都使用了三元锂电池,大部分纯电动汽车和插电混动汽车都会使用三元锂电池。
三元锂电池的能量密度更高,重量也是更轻的。
model 3的前悬架使用了双叉臂独立悬架,后悬架使用了多连杆独立悬架。
双叉臂悬架可以抑制车身的侧倾幅度,还可以抑制刹车点头现象。
多连杆悬架可以提高车轮的抓地力,这样可以提高汽车的操控性。
多连杆悬架是基于双叉臂悬架改进而来的。
百万购车补贴
全面重写Autopilot,特斯拉自动驾驶的升维革命
车东西3月5日消息,据外媒Electrek报道,特斯拉首席执行官马斯克近日在回复网友时表示,特斯拉计划在本月底向用户推送几项全新的自动驾驶功能,特斯拉也将逐渐迈向FSD完全自动驾驶。
特斯拉最早于2014年在车内安装自动驾驶计算芯片,目前计算芯片已经更新到第三代,能在停车场和高速公路支持4种自动驾驶功能。特斯拉官方网站显示,识别交通信号灯和停车标志、城市道路自动驾驶两项功能也即将推出。
外媒Electrek认为,特斯拉即将在月底推出的全新自动驾驶功能很可能就是这两项,并且还会加入一种“反向召唤”功能,让汽车在停车场中自行寻找车位。
一、马斯克推文确认:本月底将发布更多FSD功能更新
近日,特斯拉首席执行官马斯克在社交媒体上祝贺特斯拉Model?3车主提车,并表示,特斯拉将在本月底向用户推送更多自动驾驶功能,不少网友留言表示十分期待,这也将使特斯拉完全自动驾驶FSD功能更加完善。
▲马斯克预告本月底前将发布更多FSD新功能
根据特斯拉官网公布的消息,特斯拉将在近期推出两项自动驾驶功能,分别是识别交通信号灯和停车标志、城市道路自动驾驶。
特斯拉早在2019年初就预告了这两项自动驾驶功能,并着手研发,当时预计2020年之前正式发布。不过,特斯拉的这项功能最终跳票,马斯克也一直表示这两项功能“即将到来”。
外媒Electrek预计,3月底即将发布的自动驾驶功能很可能就是城市自动驾驶,还包括交通信号灯和停车标志识别功能。
目前,选配完全自动驾驶FSD功能的特斯拉车型具备L2级自动驾驶功能,特斯拉希望通过后期OTA升级,逐步将特斯拉汽车的自动驾驶能力提升到L4级。即将更新的两项自动驾驶也将满足人们更多的出行需求。
此外,特斯拉也一直在研发“反向召唤”功能。特斯拉曾推出了召唤功能,车主通过定位,让特斯拉汽车在停车场内自动驾驶到指定位置。而“反向召唤”就是让车辆在停车场内自行寻找停车位并自动泊车。
▲正在开发的“反向召唤”功能
网友问到特斯拉何时能够推出“反向召唤”功能时,马斯克表示,特斯拉即将完成对这一功能的开发工作,包括基础代码和3D物体识别功能的完善,不久之后普通车主就能体验到这一功能。
▲马斯克回复反向召唤功能
此前,特斯拉首席执行官马斯克曾在一次采访中表示,特斯拉正在对Autopilot自动辅助驾驶功能进行重大基础性改写,神经网络将会解决更多问题。
外媒Electrek认为,特斯拉自动驾驶软件改写完成后,将会大幅提升对路面物体识别的准确性。这样一来,既能够识别城市道路周围的物体,也能够在停车场中自动找到合适的车位并自动泊车。
二、FSD已支持两个场景?还差关键的城市道路自动驾驶
特斯拉最早于2014年开始为车辆配备自动驾驶系统,当时仅支持安全性辅助。经过几年的发展,目前所有在售的特斯拉汽车都标配Autopilot基础版辅助驾驶功能,包含车道保持辅助、自动辅助加速、自动辅助制动等初级安全保障。
如果车主选装了特斯拉完全自动驾驶能力FSD套件,就能实现更多自动驾驶功能。除了标配的Autopilot基础版辅助驾驶功能外,还能实现自动辅助变道、自动辅助导航驾驶、智能召唤、自动泊车等L2级自动驾驶功能。
▲特斯拉完全自动驾驶FSD高速路功能
目前,特斯拉的L2级自动驾驶功能一部分适用于高速公路,另一部分适用于停车场低速运行的场景。
在高速路中,特斯拉汽车能够自动辅助变换车道,也可以根据导航规划的路线驶入、驶出匝道岔路,还能完成超车动作。在停车场中,特斯拉能够完成自动泊车,倒车入库、侧方位停车都能完成。同时还能通过召唤功能让汽车自动驶向指定位置。
▲特斯拉完全自动驾驶FSD召唤功能
目前,完全自动驾驶能力FSD选装套件的价格是7000美元(约合4.9万元人民币,中国官网售价5.6万元人民币)。特斯拉也表示,随着完全自动驾驶FSD的功能不断增多,这一选装套件也可能涨价。
不过特斯拉在完全自动驾驶FSD的订购页面表示:目前可用的功能需要驾驶员主动进行监控,车辆尚未实现完全自动驾驶。自动驾驶功能的激活与使用将需要数十亿英里的行驶里程的论证,以达到远超人类驾驶员的可靠性;同时还有赖于行政审批(某些司法管辖区可能会需要更长的时间)。随着上述自动驾驶功能的进化与完善,您的车辆将通过?OTA?空中软件更新而持续升级。
也就是说,即使是车主购买了完全自动驾驶能力FSD套件,车辆还是需要依靠后续OTA软件升级才能得到更好的自动驾驶体验。因此驾驶员在驾驶过程中仍然需要时刻关注路面情况,并握住方向盘。
结语:自动驾驶领域傲气的特斯拉
虽然特斯拉即将发布的功能从2019年末跳票至今,但是仍有大量车主十分期待特斯拉的城市道路自动驾驶功能。
▲特斯拉车外的探测系统
自动驾驶的浪潮之下,特斯拉走在行业前沿,似乎也有一丝的傲气。特斯拉认为激光雷达不适用于自动驾驶汽车,一直仅采用摄像头和毫米波雷达,车辆的自动驾驶芯片通过计算判断周围物体。这就要求自动驾驶芯片超强的计算能力、识别系统优秀的识别能力。
而这两个方面,特斯拉似乎已经做到了。
本文来源于汽车之家车家号作者,不代表汽车之家的观点立场。
特斯拉FSD是什么意思,特斯拉要不要加FSD
作者?/?陈念航
编辑?/?王德芙
出品?/?汽车之心
在刚过去的?8?月,马斯克在推特上公布了关于?Autopilot?以及?FSD?的两条重要消息:
AP?团队正对软件的底层代码进行重写和深度神经网络重构;全新的训练计算机?Dojo?正在开发中。
「重写?AP」,是今年马斯克在推特上不断提及的一项重要行动。
在回应推友提问时,马斯克会时不时披露?AP?将有的新功能,比如:
对路面上的隆起和坑洞(bumps&patholes)的识别;对环岛路况(roundabouts)的处理等等。
特斯拉对?AP?的全面重写,包括了对数据标注、训练、推理全流程的重构。
而基于新架构的?FSD?将不再是渐进式的优化,而是一次「量子式跃升」(马斯克原文是?quantum?leap)。
马斯克在?7?月的世界人工智能大会上表示「有信心在今年完成开发?L5?级自动驾驶的基本功能」,马斯克能够实现他的承诺吗?
特斯拉为什么要在这个阶段对?AP?软件进行重写?重写?AP?到底要重写些什么呢?作为当下市面上量产最强的自动驾驶系统,AP?走向何方,FSD?何时到来?
1、特斯拉?AP?两大新进展
身兼特斯拉?AP?团队的最高负责人,马斯克经常充当着软件测试员的角色。
根据马斯克在推特上透露,他本人经常开着搭载?FSD?最新测试版本的特斯拉上下班,马斯克称在他使用系统的过程中,几乎不需要人工接管。
基于此,他乐观估计,最快在?6-10?周后(也就是10月-11月份),就可以向小规模地向用户推送?FSD?测试版本。
作为重写?AP?的一部分,马斯克还向外界介绍了其全新的用于神经网络(NN)训练的超级计算机?Dojo。
Dojo?在日语中意为「道场」,现在它成为了特斯拉训练数据的「道场」。
Dojo?将专门用于大规模的图像和视频数据处理,其浮点运算能力达到了?exaflop?级别,也就是每秒运算百亿亿次。正因此,马斯克称?Dojo?如野兽一般。
需要注意的是,Dojo?计算机将配合无监督学习算法(unsupervised?learning),来减少特斯拉对于数据人工标注的工作量,这样来帮助其数据训练效率实现指数级提升。
马斯克还在推特上发布英雄帖,为自家的?AI?和芯片团队招人。
目前,Dojo?计算机仍在开发中,从?V1.0?开始,大约一年后才会有成果。
有了全新的?AP?软件架构以及强大的数据训练计算机?Dojo,难怪马斯克会对其?FSD?的落地进展如此自信。
但话说回来,特斯拉为什么要在这个阶段对?AP?软件进行重写?还是以这样一种推倒重来的方式。
2、为什么特斯拉要重写?AP?
现在的?AP?已经碰到了性能瓶颈,必须要进行升维革命,否则难有大的突破。
马斯克用了一个术语来表述这个问题,他认为过去?AP?被困在一个局部最大值(Local?Maximum)里面,要向上突破已经非常困难了。
其中一个很关键的问题在于,原有?AP?软件架构下,其处理的数据都是不含有时间坐标的?2D?图像数据。
再想往上去处理?3D?甚至?4D(加上时间维度)?的数据,实现从图像级处理到视频级处理的跃迁,?AP?固有的软件和训练网络难以胜任。
关于引入?4D?数据带来的影响,一位来自国内自动驾驶公司的工程师向汽车之心分析:
「因为有了时间维度,系统就能知道目标物的运动,对其行为进行预测,而且,系统处理目标物识别、分类以及场景的重构这类任务会更加轻松。
总之,加入时间维度,很大程度上是提高系统对整体场景的理解。」
AP?要再往前走,必须进行革命,所以特斯拉这才决定重写?AP。
另一方面,因为数据转变成?4D,信息量更丰富,整个数据的容量也会变大,这也给特斯拉?AP?现有的用于深度神经网络训练的基础设施带来了挑战,所以就有了?Dojo。
所以,?AP?为了实现性能和功能上更大的突破,倒逼其对?AP?基础代码以及训练深度神经网络的基础设施进行重构。
这样工作量庞大的复杂工程也成为?FSD?迟迟推出不了落地版本的重要原因。
除了在车载软件和训练服务器端变革,特斯拉在车载硬件端也做好了准备,就是其自研的?FSD?芯片。
FSD?已经在去年?4?月份开始量产并搭载在特斯拉的车端。
一位对熟悉特斯拉的业内人士表示:
「在?FSD?发布后的一段时间里,特斯拉?AP?团队仍是基于?HW?2.x?的硬件(英伟达?Drive?PX?平台)进行功能开发,直到今年年初,特斯拉才开始全面转向基于?FSD?芯片的软件开发。」
相较于英伟达?Drive?PX?平台,特斯拉?FSD?芯片在基础算力和深度神经网络推理效率方面都有革命性提升,而且在视觉处理性能上,FSD?相较于英伟达的芯片有更大的优势。
所以趁着这一次特斯拉重写?AP,整个系统需要处理的数据升维到了?4D,对计算硬件的要求指数级提高,FSD?的强大性能便终于有了广阔的用武之地。
引入?FSD?芯片的?AP?在性能上会有多大提升?
马斯克此前在接受?Youtube?视频博主采访时透露过:
「如果特斯拉全车的?8?颗摄像头以?36?帧/秒的速度运行(性能拉满),软件则会基于?FSD?芯片的算力同步进行?3D?标注(2D?图像+深度信息),这会使标注效率提升?3?倍,准确性也会大幅提升。」
特斯拉重写?AP,除了马斯克口中所说的要突破「Local?Maximun」以及挖掘?FSD?芯片的极限性能这两方面的原因之外,还有一种可能性存在。
硅谷一位资深自动驾驶工程师告诉汽车之心:
「特斯拉现有的?AP?系统和后续要推出的?FSD?是两套独立开发的系统。
前者的架构是针对于?L2/L3?级自动驾驶,而?FSD?的目标从一开始就是?L4/L5?级自动驾驶。因此,两套系统在架构上有本质的差异,两者差着一个代际。」
后续,随着技术不断进步,FSD?也走向成熟,特斯拉决心把?FSD?和?AP?的框架进行整合。
但问题是,两个系统中有些模块可以融合,但是有些模块是融合不了的,毕竟一个为?L2?开发的系统很难直接演变成?L4?系统。
所以特斯拉?AP?团队要改写?AP?软件的框架和代码,以实现两个系统间的完美兼容,这样的话,后续才能以统一的版本推送给购买了全自动驾驶选装包的特斯拉车主。
实际上,我们也能从?AP?这些年的功能更新中发现一些蛛丝马迹。
2017?年?3?月,推送自动泊车和自动辅助变道功能;2018?年?10?月,推送自动辅助导航驾驶(NoA)功能;2019?年?9?月,推送智能召唤(Smart?Summon);2020?年?4?月,推送识别交通信号灯和停车标志并作出反应(海外先行)。
AP?还在最新的迭代过程中更新了一些令人惊喜的小功能:
比如在城市工况施工区域,没有车道线的情况下,车身两侧皆为锥形桶,AP?能做到以锥形桶为依据实时绘制车道线。
AP?系统还能检测到小动物并及时进行避让,不过特斯拉是把小动物一律识别成人后才做出相应的操作。
基本上,在特斯拉官网上标明的?FSD?完全自动驾驶功能,还剩下一项最难的、也最能代表?L4?级自动驾驶能力的更新:在城市街道中进行自动辅助驾驶。
为了实现这一难度最大的更新,特斯拉给出的最优解就是重写?AP。
基于以上分析,特斯拉重写?AP?的原因便包括突破「Local?Maximun」、挖掘?FSD?芯片的极限性能以及将系统能力从?L2?进化至?L4。
4、特斯拉重写?AP,是重写什么?
先来看看特斯拉?AP?现在最新的?AI?软件堆栈是怎么样的:
最底层的是数据、GPU?集群以及?Dojo?计算集群,这一层主要进行数据采集、标注和训练,生成算法模型;往上走就是采用深度神经网络对模型进行分布式训练;再往上走就是用损失函数对模型进行评估;在评估层之上,是云端推理层和车端?FSD?芯片推理层,到这一层,意味着算法模型走完了大部分流程,然后就是部署到车端;在车端,特斯拉通过影子模式(Shadow?Mode)将这些算法模型与人类驾驶行为进行比对,检测是否存在异常。
这样的从数据采集到算法部署的闭环,目的就是让系统性能不断迭代,更加优秀。
在这个闭环当中,涉及到数据集、模型训练神经网络、云端和车端推理算法等等要素。
所以,当数据形式从二维的图像数据(2D)转换成四维的视频级数据(4D)后,相应的神经网络和推理算法都需要进行重写。
据马斯克透露,特斯拉?AP?新版本的深度神经网络会将包括感知、路径规划、目标识别等所有子神经网络综合于一体。
特斯拉?AI?高级总监?Andrej?Karpathy?在此前的一次演讲中表示:
「我们无法让每一个任务都享有单独的神经网络运算,因为同时处理的任务数实在太多,我们只能把一些运算分摊到共享骨干网络上」。
Andrej?Karpathy?将这一骨干网络称为?HydraNets(Hydra?意为九头蛇),意思就是有一个主干网络(Backbone),在这个网络上有多个不同的出口(Head)来做应用,然后输出各自的结果。
在特斯拉?AP?最新的?AI?软件堆栈中,有一个最值得关注的部分就是?Dojo?训练集群,这个集群可以处理海量的图像、视频数据。
引入这一训练计算机,一方面是为了满足特斯拉?AP?系统此后的?4D?视频数据处理需求。
另一方面,特斯拉在全球有超过?82?万辆搭载?HW?2.0/3.0?硬件的车辆每天在道路上行驶,可以采集海量的数据用于?AP?的训练,而如此海量的数据,必然需要具备强大计算性能计算机来进行处理。
Dojo?还有一个特别之处在于,它可以与无监督学习进行配合。
所谓无监督学习,就是无需人工对训练数据集进行标注,系统可以自行根据样本间的统计规律对样本集进行分析,常见任务如聚类等。
例如无监督学习在不给任何额外提示的情况下,仅依据一定数量的「狗」的特征,将「狗」的从大量的各种各样的中将区分出来。
有了无监督学习技术加持的?Dojo?计算机,便能以极低的成本对数据进行自动标注和训练,实现算法性能的指数级提高。
不过,用上了无监督学习技术的特斯拉,依然有一支大约?500?人规模的数据标注团队。
因为在一些初始神经网络模型的搭建过程中,采用人工标注的方式置信度更高。而且,特斯拉并未大规模采用无监督学习技术,现在都还处在尝鲜阶段。
那么,Dojo?计算机上搭载的会是谁家的芯片呢?
目前特斯拉自研的?FSD?芯片属于推理芯片,用于?Dojo?计算机的芯片属于训练芯片。
有业内人士向我们分析表示,Dojo?所采用的芯片应该是?FSD?芯片的扩展版本。
这也是为什么马斯克在为自家?AI?和芯片团队招人时,特意公布了其在研发的?Dojo?计算机的情况,大概率要招的人就是为了研发用于?Dojo?计算机的芯片。
5、特斯拉?FSD?走向何方
无论是大力投入资源重写?AP?基础代码和深度神经网络,还是广纳贤才开发性能强大的数据训练计算机?Dojo,都体现了特斯拉要先人一步搞定完全自动驾驶的决心。
特斯拉拥有庞大规模的数据采集车队,也聚集了?300?多位全球顶尖的自动驾驶和深度学习方面的软硬件研发人才,从数据到算法到商业化,特斯拉在自动驾驶领域有着其他厂商无法比拟的优势。
在这些优势的加持之下,特斯拉仍然迟迟无法量产真正意义上的完全自动驾驶功能,那些买了?FSD?选装包的特斯拉用户着急,马斯克则更急。
所有人都在期待着重写完成后的?AP?系统能真正进化至?FSD?版本,而这一切都要等到今年年底见真章。
在重写?AP?的同时,特斯拉也没有停止在硬件层面的持续研发。
据媒体报道,特斯拉正与博通合作研发新款?HW?4.0?自动驾驶芯片,其性能比?FSD?还要强大?3?倍,计划明年第四季度进行大规模量产,由台积电负责生产。
特斯拉在?AP?层面,是一个接一个的大动作,而这一切动作都有一个统一的目标:更优秀的?AP、更强大的?FSD。
即使现在其表现还不尽如人意,但未来值得期待。
本文来源于汽车之家车家号作者,不代表汽车之家的观点立场。
FSD全称为Full Self-Driving,中文为“全自动驾驶”,它是自动辅助驾驶功能的进化版,它可以使特斯拉实现完全自动驾驶功能。都说自动驾驶是特斯拉的灵魂,那么FSD就是特斯拉自动驾驶的视觉神经。 为了应对高速行驶时产生的图像数据,特斯拉研发了自动驾驶专用FSD芯片,其处理速度可达每秒2100帧。不仅识别距离更远,能识别更多的车辆模型,而且深度神经网络还会提取驾驶员在经过相似路口时的决策数据,并进行学习,从而不断提高Autopilot系统的可靠性。 而在FSD研发出来后,马斯克将特斯拉的自动泊车以及NoA等高级功能从之前的Autopilot系统中移除,调整之后的Autopilot选装费用降低为3000美元。而被移除的功能被整合进FSD选装包,重新上架的选装包的价格也被提升至5000美元,如需购买这个选装包,还必须先购买Autopilot功能,典型的“捆绑销售”,坑得很。 此外,FSD选装包未来的价格会与技术进展进行绑定,即每新增一个功能推送,FSD的价格就会上涨 1000 美元,这谁顶得住。不过,换装FSD的特斯拉车型有着巨大的潜力,这是以前配备HW 2.5硬件的特斯拉无法匹敌的。所以,综合来看,特斯拉FSD还是值得加的。声明:本站所有文章资源内容,如无特殊说明或标注,均为采集网络资源。如若本站内容侵犯了原著者的合法权益,可联系本站删除。