(2)2022 年 AP 团队在感知算法模型加入了占用网络 Occupancy Network 和矢量地图Lane Network,进一步提升感知模型的精度和对长尾问题的覆盖度。具体而言,特斯拉进 一步在 H ydraNet 上加入了 Occupancy Network,其核 心在于将现实世界映射到矢量空间,具体而言,其通过预测 3D 空间的占用概率还原物体形状,将扫描的物体边缘划分为立方体并渲染到向量空间,最后能生成效果更好的 3D 地图,以弥补特斯拉未使用高精地图和雷达在长尾问题的感知不足。此外,对于摄像头无法覆盖的区域,FSD 可通过 AI 编译器+推理引擎,预测可能出现的路缘和道路标线。同时针对特斯拉 BEV 空间分割得到像素级别的车道不足用于轨迹规划的问题,特斯拉引入了在线矢量地图构建模型 Lane Network,解码了车道线的拓扑结构,能更准确判断车辆是否进入了另一条车道。
(2)2022 年 AP 团队在感知算法模型加入了占用网络 Occupancy Network 和矢量地图Lane Network,进一步提升感知模型的精度和对长尾问题的覆盖度。具体而言,特斯拉进 一步在 H ydraNet 上加入了 Occupancy Network,其核 心在于将现实世界映射到矢量空间,具体而言,其通过预测 3D 空间的占用概率还原物体形状,将扫描的物体边缘划分为立方体并渲染到向量空间,最后能生成效果更好的 3D 地图,以弥补特斯拉未使用高精地图和雷达在长尾问题的感知不足。此外,对于摄像头无法覆盖的区域,FSD 可通过 AI 编译器+推理引擎,预测可能出现的路缘和道路标线。同时针对特斯拉 BEV 空间分割得到像素级别的车道不足用于轨迹规划的问题,特斯拉引入了在线矢量地图构建模型 Lane Network,解码了车道线的拓扑结构,能更准确判断车辆是否进入了另一条车道。