特斯拉FSD自动驾驶方案深度分析报告,可编辑培训课件.pptx

证券研究报告|行业深度汽车整车2023年11月7日特斯拉FSD自动驾驶方案深度解析

目录CONTENT要特斯拉FSD架构详解FSDV12展望投资建议1。

01概要2。

ABSTRACT概要FSD为一套包含感知/规控/执行的全链路自动驾驶软硬件架构Planning规划感知数据—我该怎么走Occupancy——我周围有什么？如何分布NeuralNetworks——为什么要这么走LanesObjects——周围的物体下一步去哪里TrainingData——这么走是正确的吗AutoLabeling——数据标注Simulation——仿真模拟DataEngine——数据引擎TrainingInfra——拿什么运算AICompilerInference——如何在计算机上运行神经网络硬件平台软硬耦合资料：TESLA2022AIday，youtube，德邦研究所3。

02特斯拉FSD架构详解4。

FSD为一套包含感知/规控/执行的全链路自动驾驶软硬件架构?FSD架构：在数据、算法、算力等各个层面打造了一套包含感知、规控、执行在内的全链路自动驾驶软硬件架构?规划（Planning）:本质是解决多物体关联路径规划问题，处理自我和所有对象的行进轨迹，指导汽车完成相应的执行动作?神经网络（NeuralNetworks）：通过分析视频流等信息，输出完整的运动学状态（位置/速度/加速度/颠簸）控制车辆?训练数据（TrainingData）：通过最新的4D自动标注技术、升级模拟仿真及云端计算资源，形成数据闭环?训练基础设施（TrainingInfra）：包括CPU、GPU、神经网络单元（NeuralNetworkAccelerator）、AI编译器等，其中AI编译器能够支持神经网络所需的新操作，将它们映射到最佳的底层硬件资源上?AI编译与推理（AICompilerInference）：即如何在计算机上运行神经网络。当前的推理引擎能够将单个神经网络的执行分配到两个独立的芯片系统上执行，可以理解为有两立的计算机在同一台自动驾驶计算机内相互连接图表：特斯拉FSD架构资料：TESLA2022AIday，youtube，德邦研究所5。

2.1自动驾驶规划（Planning）——我该怎么走？6。

采用混合规划系统，提供最优规控解决方案图表：十字路口三种不同方案的选择×方案二：在行人和右面来车之间通过√方案三：找到合适的间隙，在不干扰其他车辆的情况下通过×方案一：抢在行人前面通过自动驾驶规控的目标：基于感知网络输出的结果，通过规划汽车行为和行车路径使得汽车达到指定目的地，同时尽可能确保行车安全性、效率性和舒适性资料：TESLA2022AIday，youtube，德邦研究所?特斯拉FSD解决方案：将传统规划控制与神经网络算法相结合，构建一套【混合规划系统】，依靠“互动搜索（InteractionSearch）”的框架，以任务分解的方式对一堆可能的运动轨迹进行并行研究图表：FSD最终规划路线选择图表：特斯拉视觉规控解决方案三维向量空间基于既定目标进行初步搜索凸优化全局最优解持续微调优化资料：TESLA2022AIday，youtube，德邦研究所资料：TESLA2021AIday，youtube，德邦研究所7。

基于VectorSpace的FSD路径规划，能够快速产生最优解?具体解决路径：从一组视觉测量开始，包括车道、占用率、移动物体等（这些都表现为稀疏的抽象和潜在特征），感知得到的VectorSpace，通过VectorSpace规划出后续潜在目标状态，进一步考虑细分互动，得到决策规划的路径决策树生成??最初用经典的优化方法来创建规划路径，随着约束条件增加，每个动作都需要1-5ms的时间图表：FSD互动搜索框架?最终建立了轻量级可查询网络。【Tesla车队中人类驾驶员驾驶数据】VS【宽松时间约束的离线条件下系统规划的全局最优路径】，两者不断进行对比训练。能够在100us内生成一个候选规划路径?决策树剪枝/评分?采用混合规划系统，将传统方法与数据驱动相结合，通过四个方法进行候选路径评估完成剪枝资料：TESLA2022AIday，youtube，德邦研究所整理8。

基于VectorSpace的FSD路径规划，能够快速产生最优解?对于未知及不确定性（cornercase）的决策——通过OccupancyNetwork对可视区域进行建模用来处理未知不可见场景需要根据这些假想的参与者做相应的保护性驾驶，将控制反应与存在可能性函数相协调，得到非常类似人的行为?至此，特斯拉FSD最终架构浮出水面：?首先，通过视觉感知网络生成三维向量空间，对于仅有唯一