特斯拉全自动驾驶FSDBeta10.11向员工推送：提高行人等检测准确率

，特斯拉完全自动驾驶 FSD Beta 10.11 已经向特斯拉员工推送，如果新版本表现良好，其它普通测试用户应该会在未来几天内收到该更新。

在 FSD Beta v10.11 的发布说明中，有几个值得注意的改进特斯拉表示，V10.11 采用了对其他车辆转弯或合并位置的更准确预测，减少了不必要的减速该公司还表示，V10.11 改善了车辆的路权理解，这在地图不准确的情况下非常重要

更重要的是，FSD Beta V10.11 对检测道路使用者中的弱势群体进行了具体的改进特斯拉指出，FSD Beta 的最新版本应能将 VRU 的检测率提高 44.9%，使系统能够大幅减少虚假的假阳性行人和自行车该公司能够通过增加其下一代标签器的尺寸来实现这些 VRU 的改进

以下是 FSD Beta v10.11 的发布说明:

早期访问计划｜FSD Beta 10.11

— 将车道几何形状的建模从密集的光栅升级为自回归解码器，该解码器使用变换器神经网络直接预测并逐点连接 "矢量空间" 的车道这使我们能够预测交叉车道，允许计算成本更低，错误更少的后处理，并为预测许多其他信号及其关系联合和端到端铺平道路

— 利用对车辆转弯或并线位置的更准确预测，减少对不会穿越我们路径的车辆不必要的减速。

— 如果地图不准确或汽车不能跟随导航，改进路权的理解特别是，现在对交叉口范围的建模完全基于网络预测，不再使用基于地图的启发式方法

— 将 VRU 检测的精度提高了 44.9%，极大地减少了虚假的假阳性行人和自行车这是通过增加下一代自动标识器的数据量，训练以前冻结的网络参数，以及修改网络损失函数来实现的我们发现，这减少了与 VRU 有关的假减速的发生率

— 将非常靠近的摩托车，滑板车，轮椅和行人的预测速度误差减少了 63.6%为了做到这一点，我们引入了一个新的模拟对抗性高速 VRU 互动的数据集这一更新改善了对快速移动和切入的 VRU 的自动驾驶控制

— 改进了爬行曲线，在爬行开始时有更高的颠簸。

— 通过预测与一般静态障碍物网络的连续距离，改进了对附近障碍物的控制。

— 通过增加 14% 的数据集大小，将车辆停放属性错误率降低了 17%。

— 通过调整损失函数以提高困难情况下的性能，将无障碍情况下的速度误差提高了 5%，公路情况下的速度误差提高了 10%。