- 1、本文档共10页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
内容目录
FSDv13已向部分用户发布,马 克称FSD有望在三个月后超越人类驾驶员 3
英伟达出Cosmos世界基础模型平,赋能自动驾驶法开发 5
智能驾驶 破性进入端到端时代, 法+力+数据飞轮驱动ADAS快 迭代 7
法:从传规控到端到端,ADAS 法迈入新时代 7
数据:汽车行驶数据可反哺法,形成数据飞轮的持续迭代 9
力: 力是训练基础,没有大规模 力就没有优秀法 10
资建议 11
风险难示 11
表目录
表1:V13在必要干预 间的英里数将比现在好5到10倍 3
表2:FSDV13具 更新内容 4
表3:马 克在CES期间接受采访 5
表4:NvidiaCosmos是一个世界基础模型平 6
表5:英伟达与丰达成合作 6
表6:马 克称 拉FSDv12.3重大发布接近v13 7
表7: 拉在2023年11月向员工 出 全自动驾驶(FSD)V12版本 8
表8:传 自动驾驶技术路线vs端到端技术路线示意 9
表9:FSD(受监督的)累计行驶英里数 10
表10:截至2024/10/24,FSD累计行驶距离已经超过20亿英里 10
表11: 拉AI 力规模 11
FSDv13已向部分用户发布,马斯克称FSD有望在三个月后超越人类驾驶员
FSDv13已向部分用户发布,有望将必要干预之间的里程数增加5-10倍。根据特斯拉自动驾驶工作人员AshokElluswamy的推特信息披露,特斯拉FSDv13.2已开始向有限的外部客户推出。而根据马斯克在推特上的表述,V13在每次必要干预之间的英里数将
比现在好5到10倍。
图表1:V13在必要干预之间的英里数将比现在好5到10倍
资料来源:马斯克推特,
V13版本升级了端到端驾驶网络的每个部分,包括:
36Hz,全分辨率AI4视频输入
原生的AI4输入和神经网络架构
4.2倍数据规模升级
5倍训练计算量(由Cortex集群支持)
减少2倍的光子到控制延迟
城市道路和高速路上的速度记录
一键从停车状态启动FSD(监督)
综合的卸泊、倒车和泊车功能
改进的避免碰撞奖励预测
改进的摄像头清理功能
重新设计的控制器以实现更流畅、更准确的跟踪
当车队检测到道路封闭时,显示多元动态的路径规划
即将进行的改进为:
3倍模型尺寸缩放
3倍模型上下文长度缩放
音频输入以更好地处理紧急车辆
改进导航奖励预测
改善停车场的假制动和减慢行车速度
支持更多的目的地选项,包括停车、特定停车位、车道或车库
地图和导航输入的高效表示
改进了对相机遮挡的处理
图表2:FSDV13具体更新内容
资料来源:AshokElluswamy推特,
马斯克表示大约3个月后FSD性能将超过人类驾驶员。根据36kr新闻报道,在今年的
CES2025大会的采访上,马斯克表示,“(现阶段)自动驾驶汽车的性能提升速度呈指数
级增长。我们有信心在三个月内,也就是今年第二季度,实现自动驾驶汽车的性能超越人类驾驶。”,显示出马斯克对FSD及自动驾驶技术发展速度的信心。
图表3:马斯克在CES期间接受采访
资料来源:36kr,
特斯拉FSDv13版本的发布显示了fsd端到端算法迭代速度,马斯克的发言则昭示了FSD正在快速迭代中的、将在远期达到的美好终局远景。我们预计,伴随着特斯拉数据和算力的持续增长,其算法将继续加速迭代,为自动驾驶带来更好的乘驾体验。
英伟达推出Cosmos世界基础模型平台,赋能自动驾驶算法开发
在CES2025上,英伟达重磅发布一系列自动驾驶相关功能及合作。NVIDIA创始人兼首席执行官黄仁勋在北京时间2025年1月7日发表了CES开幕主题演讲,介绍了加速计算技术在AI、机器人、游戏和自动驾驶领域取得的突破性进展。主题演讲展示了NVIDIA
如何通过新产品、世界模型、工具和工作流推动AI变革,从而改变行业和社会。
推出加速物理AI开发的Cosmos世界基础模型平台,赋能自动驾驶算法开发。构建物理AI极具挑战性,需要精确的模拟以及真实世界的行为理解和预测。克服这些挑战的一个关键工具是世界模型,该模型根据过去的观察结果和当前的输入结果预测未来的环境
状态。这些模型对于物理AI构建者来说非常重要,使他们能够在受控环境中模拟、训练和优化系统。然而,开发有效的世界模型需要大量数据、计算能力和真实世界的测试,这可能会带来重大的安全风险、物流障碍和高昂的成本。为了应对这些挑战,开发者通常会使用通过3D仿真生成的合成数据来训练模型。虽然合成数据是一种
您可能关注的文档
- 呼吸行业全景图——从呼吸1.0到呼吸4.0:剂型升级与机制创新点亮国货之光.pptx
- 沪光股份单四季度归母净利润高增长,新能源客户线束产品持续放量.docx
- 华峰化学氨纶生产成本绝对优势,逆势扩产抢占市场份额.docx
- 华峰化学规模效应典范,聚氨酯制品标杆.docx
- 华懋科技跟踪报告之三:汽车业务构筑安全边际,参股富创优越布局AI.docx
- 华特达因聚焦儿药主业,行业领军企业前景广阔.docx
- 化债攻坚系列之七:化债年度盘点,政策、工具、效果及展望.docx
- 化妆品与日化行业研究:化妆品24年平稳收官,黄金珠宝Q4降幅收窄、关注春节催化.docx
- 环保行业深度跟踪:科研仪器国产加速,聚焦业绩超预期个股.docx
- 环保行业研究简报:建设美丽中国先行区,环境治理迎新机.docx
文档评论(0)