<acronym id="s8ci2"><small id="s8ci2"></small></acronym>
<rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
<acronym id="s8ci2"></acronym>
<acronym id="s8ci2"><center id="s8ci2"></center></acronym>
0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

特斯拉FSD v12.3更新搭載全新神經網絡,實現重大突破

微云疏影 ? 來源:綜合整理 ? 作者:綜合整理 ? 2024-03-19 10:57 ? 次閱讀

3月19日,據報道,特斯拉已向部分公司員工及受邀測試者推出了FSD v12.3的2023.44.30.25更新,馬斯特表示,此次更新堪比真正意義上的“FSD 13”。同日,特斯拉向廣大HW4高級車主全面推介了同樣的更新,引發諸多博主的實際體驗分享。

根據之前Teslascope提供的信息分析,此更新的受惠范圍廣泛,覆蓋了美國具備FSD Beta測試資格的全部特斯拉車型。僅有的官方更新說明極其簡短,僅提及“FSD Beta v12提高了城市街道駕駛功能,建立了單一端對端的神經網絡,由數以百萬計的視頻片段認證并取代了大量的C++代碼”。

特斯拉自v12版本以來采用了馬斯克推崇的“端對端神經網絡”,意即汽車操控邏輯將由這種網絡而非人為編寫的代碼來掌握,以此引起業內極大關注,但實際效果尚需市場驗證。

@Teslascope曾透露,特斯拉FSD Beta的測試工作預計將于今年十月份在歐盟部分區域展開。此外,特斯拉的FSD Beta中國版亦在緊鑼密鼓地研發中,目標發布時間初步確定為今年夏季。

特斯拉在官網把FSD定義為“全面自動化駕駛能力”,馬斯特還強調了FSD beta的迅猛進步,預判其面向未來的安全指數將超越人類駕駛,達到驚人的10倍之多。

特斯拉針對不同客戶推出不同的自動駕駛產品,包括AP(基礎版本),EAP(增強版)與FSD(高級領航版)。以適應不同購買力和用車需求人群的需要。AP專供經濟型用戶,EAP初步實現自動駕駛帶來的便利,增添了自動泊車,智能召喚等實用功能,定價更為親民;FSD是最尖端的產品,涵蓋了多項高級領航技術,包括自動泊車,智能化召喚,交通燈識別,以及自動變換車道等功能,目前只在北美地區開放Beta版,售價高達15,000美元或每月199美元。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 神經網絡
    +關注

    關注

    42

    文章

    4591

    瀏覽量

    99295
  • 特斯拉
    +關注

    關注

    66

    文章

    6116

    瀏覽量

    125816
  • C++
    C++
    +關注

    關注

    21

    文章

    2068

    瀏覽量

    72983
收藏 人收藏

    評論

    相關推薦

    據新華社等多家媒體報道!暢能達科技實現散熱技術重大突破!

    據新華社等多家媒體報道!暢能達科技實現散熱技術重大突破 由 廣東暢能達科技發展有限公司 自主研發的高熱流密度散熱相變封裝基板,其散熱性能遠遠超過現有的金剛石鋁和金剛石銅。該技術可廣泛運用于芯片、微波
    發表于 05-29 14:39

    特斯拉FSD頻繁更新,預計將實現78項重大改進

    馬斯克預估,以兩周為單位更新的頻率表明特斯拉接下來共可推出26個FSD版本,比過去四年的總數還要多。這種頻繁地更新能讓FSD每年增加78項
    的頭像 發表于 03-19 15:36 ?261次閱讀

    特斯拉FSD V12.3測試版軟件升級:采用端到端神經網絡,提高安全性

    值得注意的是,這款FSD v12新增了被馬斯克盛贊為“革命性”的“端對端神經網絡”技術,表示駕車行為已不再依賴人工編寫的代碼,全部由神經網絡驅動;特斯拉方面甚至聲稱,這項技術在安全性能
    的頭像 發表于 03-13 14:16 ?697次閱讀

    《 AI加速器架構設計與實現》+第一章卷積神經網絡觀后感

    《 AI加速器架構設計與實現》+第一章卷積神經網絡觀感 ? ?在本書的引言中也提到“一圖勝千言”,讀完第一章節后,對其進行了一些歸納(如圖1),第一章對常見的神經網絡結構進行了介紹,舉例了一些結構
    發表于 09-11 20:34

    人工神經網絡和bp神經網絡的區別

    人工神經網絡和bp神經網絡的區別? 人工神經網絡(Artificial Neural Network, ANN)是一種模仿人腦神經元網絡結構和功能的計算模型,也被稱為
    的頭像 發表于 08-22 16:45 ?3590次閱讀

    卷積神經網絡和深度神經網絡的優缺點 卷積神經網絡和深度神經網絡的區別

    深度神經網絡是一種基于神經網絡的機器學習算法,其主要特點是由多層神經元構成,可以根據數據自動調整神經元之間的權重,從而實現對大規模數據進行預
    發表于 08-21 17:07 ?2913次閱讀

    卷積神經網絡的介紹 什么是卷積神經網絡算法

    卷積神經網絡的介紹 什么是卷積神經網絡算法 卷積神經網絡涉及的關鍵技術 卷積神經網絡(Convolutional Neural Network,CNN)是一種用于圖像分類、物體識別、語
    的頭像 發表于 08-21 16:49 ?1532次閱讀

    卷積神經網絡層級結構 卷積神經網絡的卷積層講解

    像分類、目標檢測、人臉識別等。卷積神經網絡的核心是卷積層和池化層,它們構成了網絡的主干,實現了對圖像特征的提取和抽象。 一、卷積神經網絡的層級結構 卷積
    的頭像 發表于 08-21 16:49 ?5168次閱讀

    卷積神經網絡的基本原理 卷積神經網絡發展 卷積神經網絡三大特點

    卷積神經網絡的基本原理 卷積神經網絡發展歷程 卷積神經網絡三大特點? 卷積神經網絡的基本原理 卷積神經網絡(Convolutional Ne
    的頭像 發表于 08-21 16:49 ?1621次閱讀

    卷積神經網絡三大特點

    是一種基于圖像處理的神經網絡,它模仿人類視覺結構中的神經元組成,對圖像進行處理和學習。在圖像處理中,通常將圖像看作是二維矩陣,即每個像素點都有其對應的坐標和像素值。卷積神經網絡采用卷積操作實現
    的頭像 發表于 08-21 16:49 ?4416次閱讀

    卷積神經網絡的工作原理 卷積神經網絡通俗解釋

    。CNN可以幫助人們實現許多有趣的任務,如圖像分類、物體檢測、語音識別、自然語言處理和視頻分析等。本文將詳細介紹卷積神經網絡的工作原理并用通俗易懂的語言解釋。 1.概述 卷積神經網絡是一個由
    的頭像 發表于 08-21 16:49 ?3083次閱讀

    卷積神經網絡的應用 卷積神經網絡通常用來處理什么

    卷積神經網絡的應用 卷積神經網絡通常用來處理什么 卷積神經網絡(Convolutional Neural Network,簡稱CNN)是一種在神經網絡領域內廣泛應用的
    的頭像 發表于 08-21 16:41 ?4365次閱讀

    卷積神經網絡原理:卷積神經網絡模型和卷積神經網絡算法

    一。其主要應用領域在計算機視覺和自然語言處理中,最初是由Yann LeCun等人在20世紀80年代末和90年代初提出的。隨著近年來計算機硬件性能的提升和深度學習技術的發展,CNN在很多領域取得了重大的進展和應用。 一、卷積神經網絡模型 (一)卷積層(Convolution
    的頭像 發表于 08-17 16:30 ?1043次閱讀

    什么是神經網絡?為什么說神經網絡很重要?神經網絡如何工作?

    神經網絡是一個具有相連節點層的計算模型,其分層結構與大腦中的神經元網絡結構相似。神經網絡可通過數據進行學習,因此,可訓練其識別模式、對數據分類和預測未來事件。
    的頭像 發表于 07-26 18:28 ?2608次閱讀
    什么是<b class='flag-5'>神經網絡</b>?為什么說<b class='flag-5'>神經網絡</b>很重要?<b class='flag-5'>神經網絡</b>如何工作?

    手寫數字識別神經網絡實現(1)

    對MNIST數據集使用2層神經網絡(1層隱藏層)實現。
    的頭像 發表于 06-23 16:57 ?361次閱讀
    手寫數字識別<b class='flag-5'>神經網絡</b>的<b class='flag-5'>實現</b>(1)
    亚洲欧美日韩精品久久_久久精品AⅤ无码中文_日本中文字幕有码在线播放_亚洲视频高清不卡在线观看
    <acronym id="s8ci2"><small id="s8ci2"></small></acronym>
    <rt id="s8ci2"></rt><rt id="s8ci2"><optgroup id="s8ci2"></optgroup></rt>
    <acronym id="s8ci2"></acronym>
    <acronym id="s8ci2"><center id="s8ci2"></center></acronym>