把油门当成刹车踩，然后怒告车厂设计瑕疵导致车辆暴涨，已经见怪不怪，但实际次数可能超乎你想象。特斯拉数据显示，辅助驾驶系统平均一天挡下40次这种意外。
近日举办的计算机视觉论坛，特斯拉软件部门主管Ashok Elluswamy演说时展示特斯拉软件如何学习判断路况，维护车主安全，甚至弥补人类的错误行为。
简单说，特斯拉计算机通过大量行车图片，学会当车前有障碍物，应该做的正确反应，就算驾驶人该踩刹车却误踩油门，特斯拉计算机也会判断这是错误行为，而自动刹车。
“Autopilot每天预防40次左右这类意外。”Elluswamy表示，当车主该重踩刹车却变成重踩油门，通常会酿成大祸，但特斯拉计算机可协助减少这情况。
These predictions are already used to prevent a lot of collisions. For e.g., Autopilot prevents ~40 crashes / day where human drivers mistakenly press the accelerator at 100% instead of the brakes. In the video Autopilot automatically brakes, saving this person’s legs (7/12)pic.twitter.com/XtMssPT9cM
— Ashok Elluswamy (@aelluswamy)August 21, 2022
第二段视频可看到，下半部右侧图表显示，车主踩油门踏板的力道接近100%，车辆瞬间加速后，左上方图表表示计算机认为是误踩，启动紧急刹车机制，一切发生在1秒内，但站在车后的男性因此救回了一条腿。
其实机制检验原理很简单，一般来说，多数情况下都不会油门踩到底，尤其静止和倒车时，经过多年学习人类的错误经验，特斯拉计算机可判断出这种情况下，车主通常是要踩刹车，但误踩油门踏板。
除了感叹人类每天误踩这么多次油门，特斯拉也分享最新自动驾驶设计方案，要素之一就是导入“Occupancy Network”，是特斯拉计算机人工智能新架构，却是最新版FSD beta能克服“开放道路左转”难题的关键。
特斯拉试着将车辆周围所有物体，通过多角度摄影机与计算机运算，计算出“占用体积的量”，且是动态立体下计算。换言之，计算机可理解周围物体占多少空间，以及预测接下来行动轨迹和占用空间。
“Occupancy Networks” – our solution to these problems – predict volumetric occupancy of all the things around the car. i.e. every voxel or continuous point in 3D space has a probability of being occupied and also its future motion. (3/12)pic.twitter.com/naQgBEeUYK
— Ashok Elluswamy (@aelluswamy)August 21, 2022
10毫秒内计算机就必须将车辆前后左右物体运算完毕，避免纯视觉方案盲点，如3D识别能力薄弱、远方地平线物体过于敏感、无法预测动向。“要让这辆车撞车会非常困难。”Elluswamy表示。
这也解释为何马斯克认为FSD beta 10.69版特别重要，因通过新技术解决盲点与障碍，当然也让FSD售价变贵了。至于新技术是否真这么神，就看接下来北美地区万名FSD beta车主的实测结果了。
（图片来源：视频截屏）