特斯拉FSD V12在美推送，不只是特斯拉内部员工，普通车主也有机会体验端到端自动驾驶了，告别传统的规则驱动，驾驶决策交由AI算法生成。
尽管FSD V12的更新称得上是“飞跃”，然而实测视频，仍带有Beta后缀的Version 12还称不上是“终极答案”。
特斯拉FSD V12在美推送
FSD V12 Beta在美推送，不依赖激光雷达，数据驱动AI算法，媒体演示视频可应对大多场景。
雨夜无保护上坡后左转：
等待小朋友过完马路再走：
马路靠边侧方停车：
避让前方车辆突然刹停：
总体来看，纯视觉的FSD V12 Beta的能力得到很大提升，针对不规则障碍物等的识别很准确，一些细节也还原的很好。
程序兼容性也提高，这次不仅推送给了原来的HW3.0硬件方案，HW4.0也收到了推送。
但是仍然存在不足，比如不依赖激光雷达，目前纯视觉方案在恶劣天气下的表现不够好。
首批测试的博主称，在大雨天气下测试FSD V12 Beta多次出现接管。
这也和大约一个月前马斯克给网友的回复吻合，当时网友在社交平台上催更马斯克，马斯克回应称FSD V12程序在加州表现还不错，但还需要多在雨水多的地区训练。
所以目前推送的v12.1.2版本显然能力还不够完善。发布测试视频的博主随后也表示：
FSD Beta v12.1.2（最新版本号）并不能实现自动驾驶。
这可能就是为什么推送的FSD V12依然带有Beta（测试版）后缀，此前马斯克曾公开表示，FSD V12不会是Beta版。
以及虽然这次确实是推送给了普通车主，而不仅限于特斯拉内部员工，但推送的车主数量还比较小，特斯拉对此还比较谨慎，也许等后面全员推送，正式公测后会将“Beta”移除也说不定。
要是以目前的表现直接落地中国，怕是会让很多人告别“FSD崇拜”。
不过尽管存在着不足，但是FSD V12的更新仍可以称得上是飞跃，为自动驾驶发展开辟了新道路。
V12和以往FSD版本有什么不同
特斯拉在最新的OTA注解中表示，V12用海量视频数据训练出的端到端神经网络，替换掉了超过30万行C++代码。
不再是规则驱动的，而是数据驱动的，这是FSD一大进化。
所谓规则驱动，就是过去传统的自动驾驶程序在根据感知做出决策时，用程序设定规则，if-else的逻辑判断。
Corner Case（边缘场景）无穷无尽，很难写出一段程序覆盖尽可能多的场景，遇到特殊情况就补一段，长此以往代码的冗余和程序的复杂程度不断提高，系统最后难免被程序员封为“屎山”。
现在转向数据驱动，用大量的视频数据训练神经网络，不断完善模型趋向于人类老司机。
用一位早前参与FSD V12内测的特斯拉员工所说，过去难以优化的问题迎刃而解——（模型）模仿人类就行了。
FSD V12也不像过去的自动驾驶还要分为三个感知、规划和控制三个模块，用一个统一体实现了端到端，这头输入周边感知到的数据，那头输出驾驶决策。
端到端的神经网络有什么好处？
从研发上来看，过去分成感知、规划和控制，最终是实现把车开好，但三个模块各自的优化目标是不同的，每个模块都会产生bug或是误差，这些误差积累下来会导致最终输出结果出问题。
就好像快过年了咱们一起包饺砸，和馅，和面，下饺子，最终目标是做好这盘饺子，但是馅、面和下饺子各自所追求的目标是不一样的，每一步都可能会出问题，导致最终饺子煮烂了。
从商业化落地来看，每个模块独有体系和机制，这意味着要针对每个模块投入团队和资金，却不一定能换回升级迭代效率。
而转换成端到端这种单一模型后，工程复杂度没原来高，只需要围绕一个最终目的进行优化，统一可控。模型的主干也可以共享提高计算效率。
端到端也使得纯粹依靠数据完善程序成为可能。
当然，新的突破带来新的问题。
过去分成多个模块，升级优化更灵活，C++程序可解释性也更好，从汇编到到编译，程序运行很清晰。
而端到端自动驾驶是个“黑盒”，解释性不太好，增加了人们对自动驾驶的信任成本。
但正如AI大牛何恺明此前在香港中文大学讲座中谈到的：
你打车遇到的司机师傅是个陌生人，为什么你会信任他？
你信任他是因为他的大脑是可解释的，还是你认为一个训练有素、经验丰富的司机应该会开的很稳？
本文来自微信公众号“智能车参考”（ID：AI4Auto），作者：一凡
相关文章
