版本 2023.7.30

FSD 测试版 v11.4.7

包括在 2023.7.30

- 通过对目标车道车辆进行更好的建模，提高间隙选择的准确性，从而改进短时间内的变道，避免偏离路线。

- 提高了控制静态障碍物时的偏移一致性。通过更舒适地调整速度，还提高了改变偏移方向时的平稳性。

- 通过改进对来车轨迹的预测，并在重新对中前为来车留出足够的通过空间，改进了在狭窄的无标志道路上对来车的处理。

- 通过占位网络对任意移动障碍物的占位流量预测提高了 8%。

- 在非 VRU 检测模型中扩大使用新的对象地面实况自动标注器，提高远距离车辆的召回率以及半挂车、拖车和特殊车辆的几何精度。

- 通过扩大规划范围，对可能干扰自我路径的低置信度检测进行温和控制，从而改进 VRU 控制。

- 通过更准确地预测 VRU 的未来意图，改进对人行横道附近 VRU 的处理。这是通过利用更多的运动学数据来提高人行横道与无障碍车之间的关联性来实现的。

- 通过调整 VRU 的假定运动特性，并利用可用的语义信息对其与小我路径相交的概率进行更准确的分类，从而改进小我在 VRU 附近的行为。

- 改进了自动紧急制动系统的召回功能，可在倒车时对插入车辆和后方车辆做出反应。

- 在占用网络检测到一般障碍物时引入自动紧急制动。

FSD 测试版 v11.4.6

包括在 2023.7.26

- 通过对目标车道车辆进行更好的建模，提高间隙选择的准确性，从而改进短时间内的变道，避免偏离路线。

- 提高了控制静态障碍物时的偏移一致性。通过更舒适地调整速度，还提高了改变偏移方向时的平稳性。

- 通过改进对来车轨迹的预测，并在重新对中前为来车留出足够的通过空间，改进了在狭窄的无标志道路上对来车的处理。

- 通过占位网络对任意移动障碍物的占位流量预测提高了 8%。

- 在非 VRU 检测模型中扩大使用新的对象地面实况自动标注器，提高远距离车辆的召回率以及半挂车、拖车和特殊车辆的几何精度。

- 通过扩大规划范围，对可能干扰自我路径的低置信度检测进行温和控制，从而改进 VRU 控制。

- 通过更准确地预测 VRU 的未来意图，改进对人行横道附近 VRU 的处理。这是通过利用更多的运动学数据来提高人行横道与无障碍车之间的关联性来实现的。

- 通过调整 VRU 的假定运动特性，并利用可用的语义信息对其与小我路径相交的概率进行更准确的分类，从而改进小我在 VRU 附近的行为。

- 改进了自动紧急制动系统的召回功能，可在倒车时对插入车辆和后方车辆做出反应。

- 在占用网络检测到一般障碍物时引入自动紧急制动。

FSD 测试版 v11.4.5

包括在 2023.7.25

- 通过对目标车道车辆进行更好的建模，提高间隙选择的准确性，从而改进短时间内的变道，避免偏离路线。

- 提高了控制静态障碍物时的偏移一致性。通过更舒适地调整速度，还提高了改变偏移方向时的平稳性。

- 通过改进对来车轨迹的预测，并在重新对中前为来车留出足够的通过空间，改进了在狭窄的无标志道路上对来车的处理。

- 通过占位网络对任意移动障碍物的占位流量预测提高了 8%。

- 在非 VRU 检测模型中扩大使用新的对象地面实况自动标注器，提高远距离车辆的召回率以及半挂车、拖车和特殊车辆的几何精度。

- 通过扩大规划范围，对可能干扰自我路径的低置信度检测进行温和控制，从而改进 VRU 控制。

- 通过更准确地预测 VRU 的未来意图，改进对人行横道附近 VRU 的处理。这是通过利用更多的运动学数据来提高人行横道与无障碍车之间的关联性来实现的。

- 通过调整 VRU 的假定运动特性，并利用可用的语义信息对其与小我路径相交的概率进行更准确的分类，从而改进小我在 VRU 附近的行为。

- 改进了自动紧急制动系统的召回功能，可在倒车时对插入车辆和后方车辆做出反应。

- 在占用网络检测到一般障碍物时引入自动紧急制动。

FSD 测试版 v11.4.4

包括在 2023.7.20

- 通过对目标车道车辆进行更好的建模，提高间隙选择的准确性，从而改进短时间内的变道，避免偏离路线。

- 提高了控制静态障碍物时的偏移一致性。通过更舒适地调整速度，还提高了改变偏移方向时的平稳性。

- 通过改进对来车轨迹的预测，并在重新对中前为来车留出足够的通过空间，改进了在狭窄的无标志道路上对来车的处理。

- 通过占位网络对任意移动障碍物的占位流量预测提高了 8%。

- 在非 VRU 检测模型中扩大使用新的对象地面实况自动标注器，提高远距离车辆的召回率以及半挂车、拖车和特殊车辆的几何精度。

- 通过扩大规划范围，对可能干扰自我路径的低置信度检测进行温和控制，从而改进 VRU 控制。

- 通过更准确地预测 VRU 的未来意图，改进对人行横道附近 VRU 的处理。这是通过利用更多的运动学数据来提高人行横道与无障碍车之间的关联性来实现的。

- 通过调整 VRU 的假定运动特性，并利用可用的语义信息对其与小我路径相交的概率进行更准确的分类，从而改进小我在 VRU 附近的行为。

- 改进了自动紧急制动系统的召回功能，可在倒车时对插入车辆和后方车辆做出反应。

FSD 测试版 v11.4.3

包括在 2023.7.15

- 通过改进车道、线路、道路边缘和受限空间的几何形状、曲率、位置、类型和拓扑结构，提高转弯控制能力和总体平稳性。除其他改进外，由于采用了更大更简洁的训练集和更新的车道引导模块，城市道路中的车道感知能力提高了 36%，岔路感知能力提高了 44%，并线感知能力提高了 27%，转弯感知能力提高了 16%。

- 为占用率网络添加车道引导输入，以改进对远距离道路特征的检测，从而将假阴性中值检测减少 16%。

- 在自我可以轻松、安全地先于行人过马路的情况下，提高自我对行人过马路的自信心。

- 将摩托车的召回率提高了 8%，并提高了车辆检测精度，以减少误报。这些模型还增加了对视觉帧频差异的稳健性。

- 将因其他车辆驶入自我车道而造成的干预减少了 43%。这是通过创建一个框架来实现的，该框架可从概率上预测可能会切入自我车道的物体，并主动抵消和/或调整速度，使自我处于最佳位置，以应对这些未来情况。

- 通过将近距离车辆以车道为中心的速度误差降低 40-50% 来改进切入控制。

- 通过使用变道轨迹的额外特征来改进监督，将对象部分侵占车道的召回率提高了 20%，高偏航率切入的召回率提高了 40%，切出的召回率提高了 26%。

- 通过在训练集中添加 68K 视频和改进的自动标注地面实况，减少了因低估远处物体的速度而导致的高速公路错误减速。

- 通过调整机动时允许的横向颠簸量，使大型车辆在车道内的偏移更加平稳。

- 改进对即将到来的高曲率并线的横向控制，以偏离并线车道。

FSD 测试版 v11.4.2

包括在 2023.7.10

- 通过改进车道、线路、道路边缘和受限空间的几何形状、曲率、位置、类型和拓扑结构，提高转弯控制能力和总体平稳性。除其他改进外，由于采用了更大更简洁的训练集和更新的车道引导模块，城市道路中的车道感知能力提高了 36%，岔路感知能力提高了 44%，并线感知能力提高了 27%，转弯感知能力提高了 16%。

- 为占用率网络添加车道引导输入，以改进对远距离道路特征的检测，从而将假阴性中值检测减少 16%。

- 在自我可以轻松、安全地先于行人过马路的情况下，提高自我对行人过马路的自信心。

- 将摩托车的召回率提高了 8%，并提高了车辆检测精度，以减少误报。这些模型还增加了对视觉帧频差异的稳健性。

- 将因其他车辆驶入自我车道而造成的干预减少了 43%。这是通过创建一个框架来实现的，该框架可从概率上预测可能会切入自我车道的物体，并主动抵消和/或调整速度，使自我处于最佳位置，以应对这些未来情况。

- 通过将近距离车辆以车道为中心的速度误差降低 40-50% 来改进切入控制。

- 通过使用变道轨迹的额外特征来改进监督，将对象部分侵占车道的召回率提高了 20%，高偏航率切入的召回率提高了 40%，切出的召回率提高了 26%。

- 通过在训练集中添加 68K 视频和改进的自动标注地面实况，减少了因低估远处物体的速度而导致的高速公路错误减速。

- 通过调整机动时允许的横向颠簸量，使大型车辆在车道内的偏移更加平稳。

- 改进对即将到来的高曲率并线的横向控制，以偏离并线车道。

完全自动驾驶（测试版）悬架

包括在 2023.7.10

为了最大限度地确保安全和责任，如果检测到使用不当，将暂停使用完全自动驾驶 (Beta)。不当使用是指您或您车辆的其他驾驶员收到五次 "强制自动驾驶解除"。脱离是指驾驶员因注意力不集中而收到数次视听警告后，自动驾驶系统在剩余行程中脱离。驾驶员主动解除自动驾驶系统并不算不当使用，驾驶员应该主动解除自动驾驶系统。双手紧握方向盘，时刻保持注意力集中。使用自动驾驶仪时禁止使用任何手持设备。

FSD Beta 功能只能通过这种暂停方法移除，并将在大约一周内不可用。

FSD 测试版 v11.4.1

包括在 2023.7.5

- 通过改进车道、线路、道路边缘和受限空间的几何形状、曲率、位置、类型和拓扑结构，提高转弯控制能力和总体平稳性。除其他改进外，由于采用了更大更简洁的训练集和更新的车道引导模块，城市道路中的车道感知能力提高了 36%，岔路感知能力提高了 44%，并线感知能力提高了 27%，转弯感知能力提高了 16%。

- 为占用率网络添加车道引导输入，以改进对远距离道路特征的检测，从而将假阴性中值检测减少 16%。

- 在自我可以轻松、安全地先于行人过马路的情况下，提高自我对行人过马路的自信心。

- 将摩托车的召回率提高了 8%，并提高了车辆检测精度，以减少误报。这些模型还增加了对视觉帧频差异的稳健性。

- 将因其他车辆驶入自我车道而造成的干预减少了 43%。这是通过创建一个框架来实现的，该框架可从概率上预测可能会切入自我车道的物体，并主动抵消和/或调整速度，使自我处于最佳位置，以应对这些未来情况。

- 通过将近距离车辆以车道为中心的速度误差降低 40-50% 来改进切入控制。

- 通过使用变道轨迹的额外特征来改进监督，将对象部分侵占车道的召回率提高了 20%，高偏航率切入的召回率提高了 40%，切出的召回率提高了 26%。

- 通过在训练集中添加 68K 视频和改进的自动标注地面实况，减少了因低估远处物体的速度而导致的高速公路错误减速。

- 通过调整机动时允许的横向颠簸量，使大型车辆在车道内的偏移更加平稳。

- 改进对即将到来的高曲率并线的横向控制，以偏离并线车道。