特斯拉 FSD Beta v 11.3 完整版日志来了，详细内容如下：
-
在高速公路上启用了 FSD Beta 。这统一了公路和非公路上的视觉和规划堆栈，并取代了超过四年的传统公路堆栈。传统的高速公路堆栈仍然依赖于几个单摄像头和单帧网络，并被设置为处理简单的特定车道操作。 FSD Beta 的多摄像头视频网络和下一代规划器允许更复杂的代理交互，减少对车道的依赖，为添加更智能的行为、更流畅的控制和更好的决策让路。
-
添加了语音驾驶笔记。经过干预，您现在可以向特斯拉发送一条匿名语音消息，描述您的体验，以帮助改进自动驾驶仪。
-
扩大了自动紧急制动（ AEB ），以处理穿越自我路径的车辆。这包括其他车辆闯红灯或转弯穿过小我的路径，抢夺路权的情况。
-
对以前这种类型的碰撞的回放表明， 49% 的事件会被新的行为所缓解。这一改进现在在手动驾驶和自动驾驶操作中都是活跃的。
-
通过增加对物体的瞬时运动学和轨迹估计的依赖，将自动驾驶仪对闯红灯者和闯红灯者的反应时间提高了 500 ms 。
-
增加了一个长距离的高速公路车道网络，以便对堵塞的车道和高曲率做出更早的反应。
-
将候选轨迹神经网络的目标姿势预测误差减少 40% ，运行时间减少 3 倍。这是通过使用更重、更稳健的离线优化来改进数据集，将这个改进的数据集的大小增加 4 倍，并实施更好的架构和特征空间来实现的。
-
通过对包括雨水反射、道路碎片和高曲率在内的 180K 挑战性视频进行超采样，改进了占用网络检测。
-
通过在数据集中增加 4 万个自动标记的车队片段，将近距离切入案例的召回率提高了 20% 。同时，通过改进对进入自我车道的运动的建模，改进了对切入案例的处理，利用同样的方法对切入物体进行更平滑的横向和纵向控制。
-
为道路边缘和线条网络增加了 「车道引导模块和感知损失」，使线条的绝对召回率提高了 6% ，道路边缘的绝对召回率提高了 7% 。
-
通过更新 「车道引导 」模块的表示方法，用与预测交叉和迎面而来的车道有关的信息，改善了车道预测的整体几何形状和稳定性。
-
通过向内侧车道线偏移，改善了对高速和高曲率情况的处理。
-
改进了车道变化，包括：更早地检测和处理同时发生的车道变化，在接近最后期限时更好地选择间隙，更好地整合基于速度和基于导航的车道变化决定，以及更多地区分 FSD 驾驶配置文件与速度车道变化的关系。
-
通过更好地模拟领先车辆的刹车灯对其未来速度曲线可能产生的影响，改进了跟踪领先车辆时的纵向控制反应的平稳性。
-
对稀有物体的检测提高了 18% ，对大型卡车的深度误差降低了 9% ，这主要是由于迁移到了更密集的监督自动标记的数据集。
-
对校车的语义检测提高了 12% ，对从静止状态过渡到驾驶状态的车辆的语义检测提高了 15% 。这是通过提高数据集标签的准确性和增加 5% 的数据集大小实现的。
-
通过利用基于神经网络的自我轨迹估计来代替近似运动学模型，改善了人行横道的决策。
-
通过放弃传统的合并区域任务，而采用从矢量车道中得到的合并拓扑结构，提高了合并控制的可靠性和平稳性。
-
通过平衡压缩的 IPC 缓冲区和优化的双 SOC 之间的写入调度，解锁了更长的车队遥测片段（最多 26% ）。
