对话特斯拉北美车主:FSD什么水平?深度用户解密V11

2023-11-30 15:28

本文主要是介绍对话特斯拉北美车主:FSD什么水平?深度用户解密V11,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

作者 |Amy

编辑 |德新

997bc4a241427868a1ad638545c451da.jpeg

近期中国四部委联合印发通知,部署开展智能网联汽车准入和上路通行试点工作,要求具备量产条件L3、L4 级别智能网联车在限定区域内开展上路试点,并且首次明确事故责任判定。

通知下发后,市场传闻:特斯拉FSD进入国内有望进入倒计时。

11月23日,特斯拉中国回应媒体称,「目前确实正在推进中。」马斯克则证实,已开始向员工推送最新版本的FSD V12。

在过去很长一段时间,中国的特斯拉车主们时常抱怨FSD只是期货。在FSD未正式进入中国的这些年,其在全球市场的重大更新,总能引发国内行业人士与车主激烈的讨论。

特别是特斯拉决定去掉毫米波雷达,选择视觉路线后,是否需要激光雷达,以及「有图、无图」路线之争始终未能平息。

因此,HiEV采访了数位FSD海外用户,其中不乏资深智驾工程师,专业车评人和华尔街投资人,跟他们聊了聊FSD的技术演进和真实的用户体验。

一、V11版本:Occupancy占用网络上车,空间感知能力大增

Simon是一位智驾领域的资深从业者。他在去年初提车Model Y之后,按月付费开通了FSD。

作为FSD Beta V10开始的早期用户兼专业从业者,Simon对FSD的多个版本有着持续细腻的观察。

Simon注意到,今年年初,FSD Beta V11.3版本进行了架构上的调整:

  • 利用统一的BEV感知算法,替代依赖多个单摄像头和单帧网络的软件堆栈;
  • FSD与Autopilot的软件栈合并,使用同一个软件栈统一高速与城区场景,从而减少了高速衔接区域软件栈切换导致的一些接管问题;
  • 增加了Occupancy占用格栅网络;

V13.1.1的版本说明显示,统一后,该版本使用的多摄像头融合感知算法和规划算法,降低了对车道线的依赖。

感知方面,通过使用权重更高、更稳健的离线优化算法改进数据集,并优化架构和特征空间降低候选轨迹神经网络目标姿态预测误差;引入远程高速公路车道网络,采样特殊场景视频,改进占用网络检测等功能。

规划上,添加自动标记的变道案例,改进运动建模,在线路网络中增加了“车道引导模块和感知损失功能”,更新“车道引导”模块,提升操控性等性能。

af6a3d9a8f7f5e674489a412d87efd46.jpeg

Simon认为,这个版本是针对高速和城区技术栈的整合,以及无图感知能力的提升,是体验改善的主要原因。

虽然FSD做全局规划时,参考了Google Map输入的地图信息,但在局部规划时,因为Google Map的鲜度和精细程度不够,系统会利用地图先验知识和感知能力对路径进行更精细的规划,从而实现局部体验的提升。

6f798b91b3e197072281c4d6c03dcfb0.jpeg

在引入Occupancy占用格栅网络后,FSD系统对异形物体和空间的感知能力,大幅度提升。

作为一个乘坐过Waymo、Cruise等Robotaxi车型的从业者,对比体验之下,Simon认为,目前特斯拉用把这套硬件的潜力极大地发挥出来了,但仍然有部分长尾问题有待解决,尤其在城区场景。

二、大部分高速体验不俗,部分特殊场景仍待优化

9007b23ff36cc45aeba764c333f482b0.jpeg

同为智驾行业公司从业者的Yasser,在一家L4领域的公司工作。

他的使用场景与Simon类似,都是在旧金山湾区,两位每天通勤里程都在一百英里(约161公里)左右。

他们对FSD的评价出奇一致:

在高速路段和快速路上,FSD车技堪比人类司机,能够熟练地进行变道并规避过往的货车。每一次通勤,高速接管的频率基本保持在5次以内

在美用户Li也反馈,用FSD进行远途旅行时,体验比较丝滑,对于接管频率也可以接受。

多位在美FSD用户反馈高速场景下特斯拉FSD的自动巡航、自动变道、自动超车等功能表现较佳。因在美通勤路段90%以高速为主,因此这也代表了FSD整体的体验感知。

不过在高速场景西FSD仍存在部分细微问题,或与算法成熟度及个人驾驶习惯相关。

Roxann Higuera女士年过六十,但仍乐意尝鲜。她在社交平台记录下的经历证明,FSD在高速遇到一些特殊场景的情况。

当时她(红车)开启了FSD行驶在高速五车道中最左侧车道,右方突然出现一辆货车(蓝车),FSD选择减速,Roxann踩油门加速超车失败后,后方又出现了一辆皮卡(黄车)。

但她无法变道到右侧给后车让道,等她有机会超越货车后,皮卡还是越过她并别了一下车 ,险些酿成追尾。

cb0bbd63d06e205b86d25ac8664d0c00.jpeg

这种因减速引起的麻烦并非孤例,社交平台上其他FSD用户也反馈曾遇到过类似场景。

例如,在山区行驶时,系统有时会误将山体误判为车辆,导致不必要的减速。

在经历这次事件后,上文提及的Roxann女士进行了一系列保守设置,关闭了FSD自启用功能、关闭了基于速度的超车变道功能等。

此外,Roxann还指出,在山路行驶时,FSD难以确保车辆居中行驶,而且在没有路肩的道路上行驶时,给来向车辆预留了过多空间。

三、城区场景存长尾问题,幽灵刹车偶发

互联网产品经理Musabbir H. Khan在升级了FSD Beta V11.3.6 后,也反馈了一些小问题:

  • 在FSD启动时,雨刷仍可能自启动,此前多车主曾反馈,但该版本仍未解决;、
  • FSD在下匝道和变道时的激进表现引起关注,车主建议提前预判和平滑BI变换,以改善体验;
  • 自动跟车距离调整过于激进,尤其在速度提升时。

对于第二个问题,体验过FSD Beta 11.4.7.2的Jason也深表认同,经过深度试驾,他注意到了该版本在城区场景也有诸多问题:

  • 车轮偏向问题:在红绿灯等待时,如果两侧车道都有车辆,用户发现车、辆的车轮可能会向一侧偏移。这可能导致一些不必要的不适和不稳定感。
  • 右转迟疑:在右转道路的红绿灯路口,FSD存在一些迟疑,尤其是在完成右转并驶入主路后,FSD的反应速度相对较慢。
  • 停车标志处理过于保守:FSD在处理停车标志时的判断策略显得过于保守,即使前方没有其他车辆,FSD也可能会停留的时间较长。这可能影响了行车效率,尤其是在空旷的地方。
  • 城区切换到办公区判断失误:当从城区左转开进办公区时,用户经历了FSD突然停车不拐弯的情况,可能导致紧急接管,特别是在存在其他车辆的情况下。
  • 幽灵刹车现象:偶尔遇到幽灵刹车的情况,例如在从城区道路转入有办公楼的内部道路时,FSD莫名其妙地急刹。

综合而言,这些建议和问题反映了FSD在城区场景下的不足,Simon等人的感受都是,高速路段目前可以轻松交给系统,但到了城区整个驾驶状态会变得紧绷和小心翼翼。

四、FSD价格成推广阻力,入华恐水土不服

特斯拉2022年四季度财报显示,FSD Beta在北美拥有约40万用户

Simon等人根据对周围用户的观察:目前FSD的用户群,偏向对智驾比较关注的行业内人士和科技达人,也包括特斯拉和马斯克的崇拜者。

Yasser认为之所以FSD未大面积推广,是因为目前FSD在北美售价虽然降至1.2万美元(约合人民币8.6万元),且每月订阅费用保持在199美元(约合人民币1300元)。

对于普通人来说,还是相当昂贵。

6c391a2ba16d02dd629c0f2dc3d5fea0.jpeg

而在中国市场,特斯拉增强版自动辅助驾驶功能定价高达3.2万,未落地的FSD则定价6.4万。

与之对比,它的中国竞争对手们:

  • 小鹏XNGP和车型绑定,免费提供给用户;
  • 华为ADS售价在1.8万左右;
  • 蔚来则对部分车型用户免费开放NOP+,订购费用为380元/月。

因此,FSD如果想快速占领市场,目前的定价策略缺少优势。

多名人士表示,FSD入华只是时间早晚问题

在Simon看来,入华并不存在太大技术难题,核心是解决数据安全问题。

今年8月14日,特斯拉官博称,已在中国建立数据中心,以实现数据存储的本地化。所有在中国大陆市场销售车辆所产生的数据,都会存储在中国境内。

Jason则觉得,FSD入华最大难题在于中国相较于北美更为拥挤且复杂的道路环境,尤其是早晚高峰高速路段往往超级拥挤,FSD想要适应并不容易。

不过近期《关于开展智能网联汽车准入和上路通行试点工作的通知》发布后,为特斯拉FSD技术的推广和应用提供了政策保障。

特斯拉有望进一步加大对FSD技术的在中国的研发和推广力度,也有助于提升自身在全球市场上的影响力,为驾驶者带来便捷、安全的驾驶体验。

此外,FSD入华也将提升用户对高阶智能驾驶的感知和认可度,加速国内主机厂和智驾公司开卷高阶智能驾驶,为高阶智驾商业化落地提供更多可能。

(注:文中提及的Simon、Yasser、Jason和Li均为化名)

这篇关于对话特斯拉北美车主:FSD什么水平?深度用户解密V11的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/437552

相关文章

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG

韦季李输入法_输入法和鼠标的深度融合

在数字化输入的新纪元,传统键盘输入方式正悄然进化。以往,面对实体键盘,我们常需目光游离于屏幕与键盘之间,以确认指尖下的精准位置。而屏幕键盘虽直观可见,却常因占据屏幕空间,迫使我们在操作与视野间做出妥协,频繁调整布局以兼顾输入与界面浏览。 幸而,韦季李输入法的横空出世,彻底颠覆了这一现状。它不仅对输入界面进行了革命性的重构,更巧妙地将鼠标这一传统外设融入其中,开创了一种前所未有的交互体验。 想象

免费也能高质量!2024年免费录屏软件深度对比评测

我公司因为客户覆盖面广的原因经常会开远程会议,有时候说的内容比较广需要引用多份的数据,我记录起来有一定难度,所以一般都用录屏工具来记录会议内容。这次我们来一起探索有什么免费录屏工具可以提高我们的工作效率吧。 1.福晰录屏大师 链接直达:https://www.foxitsoftware.cn/REC/  录屏软件录屏功能就是本职,这款录屏工具在录屏模式上提供了多种选项,可以选择屏幕录制、窗口

Java 后端接口入参 - 联合前端VUE 使用AES完成入参出参加密解密

加密效果: 解密后的数据就是正常数据: 后端:使用的是spring-cloud框架,在gateway模块进行操作 <dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>30.0-jre</version></dependency> 编写一个AES加密

【Kubernetes】K8s 的安全框架和用户认证

K8s 的安全框架和用户认证 1.Kubernetes 的安全框架1.1 认证:Authentication1.2 鉴权:Authorization1.3 准入控制:Admission Control 2.Kubernetes 的用户认证2.1 Kubernetes 的用户认证方式2.2 配置 Kubernetes 集群使用密码认证 Kubernetes 作为一个分布式的虚拟

动手学深度学习【数据操作+数据预处理】

import osos.makedirs(os.path.join('.', 'data'), exist_ok=True)data_file = os.path.join('.', 'data', 'house_tiny.csv')with open(data_file, 'w') as f:f.write('NumRooms,Alley,Price\n') # 列名f.write('NA

深度优先(DFS)和广度优先(BFS)——算法

深度优先 深度优先搜索算法(英语:Depth-First-Search,DFS)是一种用于遍历或搜索树或图的算法。 沿着树的深度遍历树的节点,尽可能深的搜索树的分支,当节点v的所在边都己被探寻过,搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发现的节点,则选择其中一个作为源节点并重复以上过程,整个进程反复进行直到所有节点都被访

图解TCP三次握手|深度解析|为什么是三次

写在前面 这篇文章我们来讲解析 TCP三次握手。 TCP 报文段 传输控制块TCB:存储了每一个连接中的一些重要信息。比如TCP连接表,指向发送和接收缓冲的指针,指向重传队列的指针,当前的发送和接收序列等等。 我们再来看一下TCP报文段的组成结构 TCP 三次握手 过程 假设有一台客户端,B有一台服务器。最初两端的TCP进程都是处于CLOSED关闭状态,客户端A打开链接,服务器端

java线程深度解析(六)——线程池技术

http://blog.csdn.net/Daybreak1209/article/details/51382604 一种最为简单的线程创建和回收的方法: [html]  view plain copy new Thread(new Runnable(){                @Override               public voi

java线程深度解析(五)——并发模型(生产者-消费者)

http://blog.csdn.net/Daybreak1209/article/details/51378055 三、生产者-消费者模式     在经典的多线程模式中,生产者-消费者为多线程间协作提供了良好的解决方案。基本原理是两类线程,即若干个生产者和若干个消费者,生产者负责提交用户请求任务(到内存缓冲区),消费者线程负责处理任务(从内存缓冲区中取任务进行处理),两类线程之