来自特斯拉人工智能副总裁 @aelluswamy 的一场新的 30 分钟演讲已发布，他谈到了 FSD、人工智能以及团队的最新进展。 演讲亮点： • 特斯拉的车辆车队每天可以提供 500 年的驾驶数据。 维度诅咒： • 8 个高帧率摄像头 = 每 30 秒驾驶上下文数十亿个标记。 • 特斯拉必须压缩并提取传感器输入与控制动作之间的正确关联。 数据优势： • 特斯拉可以访问“尼亚加拉大瀑布般的数据”——数百年的集体车队驾驶数据。 • 使用智能数据触发器捕捉稀有的边缘案例（例如，复杂的交叉口、不可预测的行为）。 质量与效率： • 仅提取训练模型所需的基本数据，以提高效率。 调试与可解释性： • 尽管系统是端到端的，特斯拉仍然可以提示模型输出可解释的数据： 3D 占用、道路边界、物体、标志、交通信号灯等。 • 自然语言查询：询问模型为什么做出某个决定。 • 这些辅助预测不会驾驶汽车，但帮助工程师调试并确保安全。 特斯拉的高级高斯点云（3D 场景建模）： • 特斯拉开发了一种定制的超快速高斯点云系统，从有限的摄像头视角重建 3D 场景。 • 即使从少数摄像头角度也能生成清晰、准确的 3D 渲染——远远优于标准的 NeRF/点云方法。 • 使得在 3D 中快速可视化调试驾驶环境成为可能。 评估与世界模型： • 评估是最具挑战性的任务：模型在离线时可能表现良好，但在现实条件下可能失败。 • 特斯拉构建了平衡、多样化的评估数据集，专注于边缘案例——不仅仅是简单的高速公路驾驶。 引入了学习的世界模拟器（神经网络生成的视频引擎）： • 可以同时模拟 8 个特斯拉摄像头的视角——完全合成。 • 用于测试、训练和强化学习。 • 允许对抗性事件注入（例如，添加行人或车辆切入）。 • 使得重放过去的失败以验证新模型的改进成为可能。 • 可以近实时运行，让测试人员在模拟世界中“驾驶”。 接下来： • 在全球范围内扩展机器人出租车服务。 • 解锁特斯拉车队的完全自主驾驶。 • Cybercab：下一代 2 座车辆，专为机器人出租车使用而设计，目标是最低的运输成本（比公共交通便宜）。 • 相同的神经网络将为 Optimus 人形机器人提供动力。 • 相同的视频生成系统现在也应用于 Optimus。 • 该系统可以模拟和规划机器人的运动，轻松适应新形式。 通过国际计算机视觉大会（ICCV）。 完整演讲：

自动驾驶与FSD监督安全数据 在2025年第三季度，我们记录到每驾驶636万英里就发生1起事故，期间驾驶员使用了自动驾驶技术。 相比之下，来自NHTSA和FHWA（2023年）的最新数据显示，在美国大约每702,000英里就发生一起汽车事故。