特斯拉的自动驾驶仪如何工作？它使用什么传感器？真相在这里

它所使用的硬件与当今大多数高端汽车的设备没有什么不同：相机，雷达，声纳，GPS。这些在本杰明答案的视频中有所描述。使用软件来组合和称量来自这些硬件元件的数据输入，您可以在非常短暂的隔离情况下产生钝的自动驾驶能力：例如，在追尾碰撞之前的紧急制动，自停车，车道保持辅助，防翻滚等。这些都是最新豪华车的功能。特斯拉的自动驾驶仪如何工作？它使用什么传感器？真相在这里，

特斯拉所做的超越这一点，并提供更长时间的可靠自动驾驶能力，是使用机器学习训练他们的软件-贾里德的答案以独特于特斯拉方法的显着细节讨论了ML的概念，但是在特斯拉，我认为值得注意的是，ML不仅仅是一个打勾的盒子。您可以以无数种方式实施ML，以及如何训练它对其视角产生重大影响。

正在努力做到。请注意，我不知道特斯拉在发布之前如何开发其初始训练集的解释，但我在这里放置了一个图形来说明它今天如何学习。特斯拉自动驾驶仪以两种方式训练自己，高水平的要点类似于我们如何训练人类，尽管使用功能强大且灵活的大脑：它通过大多数时间的观察来学习，

在自动驾驶仪脱离的同时记录人类驾驶员在一段道路上的行为-汽车可能有一个先入为主的概念，即如何接近转弯，但是当它看着你采取日复一日，并观察其他特斯拉司机采取他们的方法，这些驱动线汇合成一个最佳线。请参见图形的左侧，其中最佳线将是这三个驾驶员线的平均值。这是一个训练集：把它想象成一个小孩，看着你多次将方形钉子放在方孔中。

人类大脑软件的独特之处在于其分享智能的能力：在路上的特斯拉越多，自动驾驶仪看到的训练数据越多，“最佳线路”就越可靠。所以这有点像100，当Autopilot参与时，它通过强化来学习。也就是说，当自动驾驶仪开启时它没有学习任何东西（因为它所采用的线路是自己的，由训练数据提供信息），因此为了进行教学，需要进行修正。有点像幼儿在试图将方形钉挂在圆孔中时所获得的触觉响应，

人类驾驶员移动方向盘或以其他方式提交控制输入，为车辆提供负强化，以及有一条线索更好的路线。鉴于我是在特斯拉第一次致命的与自动驾驶仪相关的致命事故的过度报道后写的，我应该重申，特斯拉和其他人如何接近机器学习是主观的，

有些专有，所以上面的描述只对特斯拉来说是准确的（同样，据我所知......我可以省略一些关于他们方法的有用信息。）您可以看到特斯拉的ML风格可能会忽略一些奇怪的事情，例如致命事故的情景-高速交叉路口的低对比度障碍物。针对特定（窄）应用的训练机器创造了高度可靠但不灵活的方法：如果汽车从人类驾驶员那里学习最佳线路，

那么它比任何人都更了解最佳线路-但只有在摄像机出现异常情况之前/雷达无法处理。从更普遍的意义上考虑异常的可能性并没有受过训练。ML光谱的另一端就是这样，训练机器用于一般应用，这种机器更难，最初不那么精致，但更灵活。换句话说，

虽然Autopilot专注于最佳生产线而不担心它无法看到的障碍，一个更普遍的应用（例如，谷歌正在建设的）将担心更广泛的情况：“这是一个交叉点。异常发生在十字路口。我可以看到任何异常吗？是否有任何其他汽车定位或移动的方式可能意味着存在异常，我无法处理？“等等。