汽车行业AI大模型赋能自动驾驶：特斯拉自动驾驶技术跟踪占用网络算法驱动自动驾驶落地-230528（21页）.pdf

1、AIAI大模型赋能自动驾驶：特斯拉自动驾驶技术跟踪，占用网络大模型赋能自动驾驶：特斯拉自动驾驶技术跟踪，占用网络算法驱动自动驾驶落地算法驱动自动驾驶落地证券研究报告证券研究报告 行业动态报告行业动态报告发布日期：2023年5月28日本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。同时请参阅最后一页的重要声明。分析师：于芳博分析师：于芳博SAC编号：S1440522030001分析师：金戈分析师：金戈SAC编号：S1440517110001SFC编号：BPD352分析

2、师：分析师：阎贵成阎贵成SAC编号：S1440518040002SFC编号：BNS315 核心观点：近期核心观点：近期，特斯拉更新其特斯拉更新其FSDFSD算法至算法至v v1111.4 4，此次升级实现此次升级实现FSDFSD端到端的能力端到端的能力，即包含高速领航即包含高速领航、城市道路领航和泊车三个域的智驾功能城市道路领航和泊车三个域的智驾功能。特斯拉将改进车辆性能置于引入新功能之上特斯拉将改进车辆性能置于引入新功能之上，可以更快地针对环境做出反应可以更快地针对环境做出反应，并在必要时调整车速并在必要时调整车速，确保所有相关人员都能获得更安全的体验确保所有相关人员都能获得更安全的体验。我

3、们认为我们认为AIAI对整个汽车产业生态变革将产生重大影响对整个汽车产业生态变革将产生重大影响，特斯拉作为整个自动驾驶领域开拓者特斯拉作为整个自动驾驶领域开拓者，正引领相关技术应用落地正引领相关技术应用落地。特斯拉自动驾驶算法主要经历四个阶段特斯拉自动驾驶算法主要经历四个阶段，目前架构包括目前架构包括RegNetRegNet、HydraNetHydraNet等等。20162016-20182018年年，特斯拉自动驾驶算法处于第一阶段，在该阶段中，使用常规的骨干网结构；使用2D检测器进行特征提取；训练数据为人工标注，整体来看整体来看比较原始比较原始，相对传统相对传统；20182018-20192

4、019年年，特斯拉自动驾驶算法采用了HydraNet结构；加入特征提取网络BiFPN；将图像空间从image space直接转化为vector space，能执行多任务、对视觉特征进行充分融合以及很大程度上避免映射偏差，相较于精度提升相较于精度提升，这个阶段注重提高效率；这个阶段注重提高效率；20192019-20202020年年，特斯拉自动驾驶算法来到第三阶段，使用了Transformer；骨干网结构使用了RegNet；能够实现自动标注数据；以及主张去掉雷达，使用纯视觉方案，不仅解决了CNN算法在BEV遮挡区域预测问题，同时还有更高的性能和算法准确度以及能够快速得到高精度地图数据，相较于提高

5、效率相较于提高效率，这个阶段注重提高精度；这个阶段注重提高精度；20212021年以来年以来，特斯特斯拉自动驾驶算法来到第四阶段拉自动驾驶算法来到第四阶段，增加了时空序列与时序信息融合等能力；在空间感知方面，使用占用网络；使用Lanes Network；为了增强汽车感知能力，考虑到4D雷达的效果与成本，预计会将雷达重新安装，整体来看整体来看，该阶段在感知能力上大做文章该阶段在感知能力上大做文章，自动驾驶算法已相对成熟自动驾驶算法已相对成熟。特斯拉自动驾驶算法特斯拉自动驾驶算法20222022年的核心改变在于使用年的核心改变在于使用OccupancyOccupancy NetworksNetwo

6、rks进行感知以及使用进行感知以及使用LanesLanes NetworkNetwork进行矢量地图绘制进行矢量地图绘制。OccupancyOccupancyNetworksNetworks（占用网络占用网络）可以通过3D物体检测的方式来估计行驶中其他车辆、物体的位置和大小，占用网络可以使用多个摄像机拍摄的图像进行3D处理，即使是动态占用也可以计算出来并且运行效率较高；LanesLanes NetworkNetwork通过对离散空间的预测，能够以自回归的方式将所有的车道线节点进行生成，从而获取更精确的车道线拓扑结构。20232023年年5 5月月，特斯拉推出特斯拉推出FSDFSD v v111