特斯拉上周获得了一项新专利，该专利“使用视觉图像数据估算物体的特性”。马斯克估计，特斯拉将在4月发布新的FSD Beta版本。

特斯拉一直在追求通过纯视觉方案实现智能驾驶，马斯克希望特斯拉将来甚至不再使用雷达传感器。

“根据他们的专利，本发明旨在解决面向大众市场的自动驾驶汽车的视觉传感器日益增长的成本和复杂性。这种方法使车辆检测和解释，以使用车辆的图像数据和机器学习及其周边地区的距离。“美国电动汽车媒体Teslarati分析人士表示。

特斯拉的专利描述了一项使用两个神经网络仅依赖图像数据来测量物体距离的发明。

第一神经网络可以从车辆周围的摄像机捕获的图像确定对象的距离。另一个神经网络以注释图像的形式为第一个神经网络创建训练材料。

3月21日，马斯克发推表示：”FSD Beta版现已扩展到约2000名车主，迄今为止没有发生意外。下一个重要版本将在4月发布。它拥有纯净的视野-甚至不使用雷达，这就是通往真实世界AI的方式。”

特斯拉在该专利中指出，需要找到合适数量的传感器以放置在自动驾驶汽车上，而不限制其可以捕获和处理的数据量。

特斯拉指出，视觉传感器（如雷达，激光雷达和超声波传感器）的成本过高，无法放入大众市场的车辆中，并增加了自动驾驶系统的“输入带宽要求”成本。

该专利描述了一种在传感器和摄像机之间具有良好平衡的配置，可以确定车辆周围物体的距离。这使特斯拉能够采用一种性能可以与行业领先者相媲美的系统，同时保持尽可能低的成本。

随着传感器数量和类型的增加，系统的复杂性和成本也随之增加。

例如，将发射距离传感器（例如激光雷达）应用在大众市场的车辆中通常是昂贵的。此外，每个附加传感器都增加了自动驾驶系统的输入带宽要求。因此，需要找到车辆上传感器的最佳配置。这种配置应该限制传感器的总数，而不要限制捕获的数据的数量和类型，以准确描述周围环境并安全地控制车辆。”特斯拉写道。

该专利还为特斯拉提供了一种自动标记视觉数据的方法，因此这种系统可能会加快公司全自主驾驶和自动驾驶套件的更新和改进的开发和发布。

“在各种实施的实例中，辅助数据与视觉数据的收集和关联是自动完成的，几乎不需要人工干预。例如，使用视觉技术识别的对象不需要手动标记，从而显著提高机器学习训练的效率。

取而代之的是，训练数据可以自动生成并用于训练机器学习模型，以高度准确地预测对象属性。”特斯拉写道。

特斯拉专利中描述的配置将大大改善其完全自驾（FSD）技术。它可以减少特斯拉对传感器的依赖，并增加可以从图像中提取的数据量，从而改善FSD Beta。特斯拉基于图像的FSD方法与Waymo之类的竞争对手大不相同，但根据到目前为止一些FSD Beta用户的经验，已经产生了相当可观的结果。