特斯拉FSD V 12实现了从规则驱动逻辑到端到端神经网络架构的重大转变。此前特斯拉依赖30多万行C语言代码来为FSD划定"围栏",给出驾驶指示，而第12版则采用让神经网络AI根据实时环境自主决定驾驶方式的方法
现在特斯拉FSD迎来了马斯克xAI公司大模型Grok 1.5 V的加持，FSD的未来有望被彻底重塑
Grok-1.5V（xAI视觉大模型） 的核心在于使用 "思维链 "语言将帮助汽车分解复杂的场景，利用规则和反事实进行推理，并解释其决定，将自动驾驶的"像素到行动"映射提升到"像素到语言到行动"的新模式。这一创新性的方法不仅能够增强自动驾驶系统的感知和推理能力,还可以让系统更好地解释其决策过程
特斯拉 AI 团队在数据积累和模型训练方面的优势显而易见。通过特斯拉自有的数据管道大规模标注高质量的“人工解释痕迹”,Grok-1.5V 可以超越现有的语言模型,在复杂场景下进行更加细致入微的多模态推理。这不仅有助于解决自动驾驶的"边缘情况",还可以使系统的决策更加透明和可信
“人工解释痕迹"指的是人工为大量自动驾驶场景标注详细的文字说明,用来记录人类专家是如何分析和解决这些复杂场景的
也就是说,特斯拉收集了大量自动驾驶的视频数据,然后邀请人类专家仔细观察这些数据,并用文字描述他们是如何理解和处理这些场景的。这些丰富的文字说明就构成了"人工解释痕迹"
通过积累这些人工标注的解释数据,特斯拉的 Grok-1.5V 系统就可以学习人类的推理方式,提升自己在复杂场景下的感知和决策能力。这种方式被认为比单纯依靠机器学习更有潜力突破自动驾驶的"边缘情况"
值得一提的是,Grok-1.5V 并非一蹴而就的成果。此前,Wayve 公司就已经尝试过类似的 LINGO-1 方案,但在规模化方面存在挑战。特斯拉的优势在于其强大的数据飞轮,能够不断扩展训练数据,以及持续提升系统的性能和可靠性
正如 Elon Musk 所说,在自动驾驶领域,合成数据和真实世界数据都是极为宝贵的资源。特斯拉凭借其庞大的用户群和优秀的数据收集能力,正在构建一个无与伦比的数据生态系统。这为 Grok-1.5V 的发展注入了强大动力,使其有望成为引领自动驾驶新时代的关键技术
通过将语言引入自动驾驶的决策过程,Grok-1.5V 可以帮助车辆更好地理解复杂的场景,运用规则和反事实推理,并对自己的行为做出清晰的解释。这不仅提升了系统的安全性和可靠性,也为未来的自动驾驶技术发展指明了方向
与此同时,Grok-1.5V 的成功还可能带来更广泛的影响。语言驱动的推理模式有望在其他领域得到应用,例如提升机器人的交互能力、增强医疗诊断的可解释性,以及优化新药研发的决策过程
结语
特斯拉 FSD v13 很可能会采用“人类解释痕迹”这种语言标注数据训练。它不仅能够提升自动驾驶系统的性能,还可以为人机协作、智能决策等应用场景带来新的可能性。期待这一技术在未来的发展和应用,以及它将如何重塑我们的出行和生活方式。
⭐星标AI寒武纪，好内容不错过⭐
用你的赞和在看告诉我～
纯视觉你看好吗？👇👇