今天，特斯拉向参加测试计划的汽车发布了最新版本的全自动驾驶(FSD)测试版软件。目前大约有100,000名车主正在积极测试特斯拉的FSD软件，最新版本进行了一系列左右改进。
特斯拉表示，此次更新基于其车队运动中超过250,000个训练片段，这是该公司首次公开此类数字。新的FSDbeta软件是build2022.12.3.10，它是迄今为止最广泛的更新之一。
特斯拉发布全新全自动驾驶Beta版软件，并进行了大量改进
在系统采取行动的置信度方面有几项改进，并且从系统中删除了三个较旧的神经网络，特斯拉表示这可以使系统帧速率提高1.8fps。
尽管顾名思义，FSD仍被视为2级驾驶员辅助系统，因为驾驶员需要时刻保持警惕并随时准备接管控制权。3级系统不需要这些，但到目前为止，这几乎仍然是一个白日梦。
这是完整的变更日志：
•升级了无保护左转的决策框架，通过添加更多塑造走/不走决策的特征，更好地建模对象对自我行为的反应。这增加了对噪声测量的鲁棒性，同时在安全裕度内对决策更加粘性。该框架还在必要时利用中间安全区域进行大转弯机动，并在需要安全退出交叉路口时通过机动加速。
•使用更准确的车道几何形状和更高分辨率的遮挡检测改进可见度的蠕变。
•通过在车道选择期间更好地整合对象未来预测，减少了尝试不舒适转弯的情况。
•升级规划器以减少对车道的依赖，从而能够平稳地驶出受限空间。
•通过改进车道神经网络的架构来提高转弯过马路的安全性，这大大提高了过车道的召回率和几何精度。
•通过向训练集中添加180,000个视频片段，提高了所有车道产品的召回率和几何精度。
•通过更好地整合车道结构和改善黄灯行为，减少与交通管制相关的错误减速。
•通过添加具有广义静态障碍物网络的混合/耦合层，提高了道路边缘和线路预测的几何精度。
•通过使用来自自动标记器的改进数据重新训练广义静态障碍物网络并添加30,000个以上的视频剪辑，提高了几何精度和对可见性的理解。
•通过向训练集添加新的模拟数据和自动标记数据，改进了摩托车的召回率，减少了附近行人和骑自行车者的速度误差，并减少了行人的航向误差。
•通过向训练集添加41,000个剪辑提高了车辆“已停放”属性的精度。解决了我们10.11遥测捕获的48%的故障案例。
•通过使用自动标记器中使用的神经网络的改进版本重新生成数据集，提高了数据质量，从而改进了对远处交叉物体的检测召回。
•改进了在车门打开的情况下绕过汽车时的偏移行为。
•通过将其升级为网络预测任务，改进了非VRU对象的角速度和以车道为中心的速度。
•通过更紧密地集成领头车辆的未来运动估计和计划的换道曲线，提高在减速较慢的车辆后面换道时的舒适度。
•增加对所有移动物体的网络预测加速度的依赖，以前只是纵向相关的物体。
•更新附近的车辆资产，可视化指示车辆何时打开车门。
•通过移除三个遗留神经网络，提高了系统帧速率+1.8帧/秒。