自2020年10月以來，特斯拉一直在緩慢推出FSD Beta版本，并一直由其挑選的一批車主進(jìn)行測試。特斯拉曾表示，所有得到FSD Beta版訪問權(quán)限的車主，都要通過「安全評分系統(tǒng)」的評估，衡量標(biāo)準(zhǔn)是需要其駕駛行為連續(xù)7天表現(xiàn)良好，達(dá)到98分以上。

據(jù)了解，「安全評分系統(tǒng)」是特斯拉在去年推出的一個(gè)評估駕駛員安全行為的評分體系，通過每1000mile的前方碰撞預(yù)警、緊急制動(dòng)、急轉(zhuǎn)彎、不安全跟車、強(qiáng)制解除Autopilot五項(xiàng)指標(biāo)，判斷車主駕駛習(xí)慣的好壞。根據(jù)美國法律，目前的自動(dòng)駕駛車如果出現(xiàn)了事故，責(zé)任在司機(jī)而不在自動(dòng)駕駛系統(tǒng)。而且，特斯拉雖然將FSD（Full Self-Driv）命名為全自動(dòng)駕駛系統(tǒng)，但其能力仍在L2級別。市場上認(rèn)為這是一種進(jìn)兩步、退一步的方式，因?yàn)殡m然FSD Beta會(huì)經(jīng)常更新或發(fā)布一些新的功能，但其自動(dòng)駕駛系統(tǒng)對新增復(fù)雜場景的自主應(yīng)對能力，不僅沒有相比以往進(jìn)步，反而看到了倒退的跡象。

截至2021年第四季度，該公司表示，已有近6萬名車主參加了FSD Beta項(xiàng)目，而最近一次重大更新是2022年2月初的FSD Beta 10.10，但該版本的效果并不理想。特斯拉FSD Beta 10.11目前，特斯拉已經(jīng)開始推動(dòng)一個(gè)新的FSD Beta 10.11版本，官方表示這是一次極其重要的更新。特斯拉CEO 埃隆·馬斯克表示，如果這次更新「表現(xiàn)良好」，特斯拉很可能會(huì)降低參與FSD Beta版的準(zhǔn)入標(biāo)準(zhǔn)，將推送范圍擴(kuò)大至安全駕駛評分95分的車輛。

根據(jù)馬斯克在推特上的說法，F(xiàn)SD Beta 10.11中的矢量車道是對特斯拉人工智能的一個(gè)重大架構(gòu)改進(jìn)。這將使車輛能夠更準(zhǔn)確的預(yù)測交叉車道，在轉(zhuǎn)彎和并線時(shí)減少不必要的減速。此外，根據(jù)FSD Beta 10.1的發(fā)行說明，該版本還對10.1版本遇到的問題做出了一定修復(fù)，功能和場景表現(xiàn)更加完善。參考今年2月，YouTuber用戶AI Addict上傳的一段FSD Beta 10.10在美國圣何塞城區(qū)的實(shí)測視頻，該版本系統(tǒng)曾因能力限制出現(xiàn)了以下一系列問題：

1. 駛?cè)肓穗娷囓壍溃?/li>
2. 以11 mph（約17.7km/h）的速度撞向自行車道護(hù)柱；
3. 在即將有行人經(jīng)過的斑馬線前沒有停車讓行；
4. 遠(yuǎn)距離停車；
5. 爭奪方向盤的控制權(quán)；
6. 無法辨認(rèn)某些交通標(biāo)志。

而在這次更新的FSD Beta 10.11版本上，特斯拉通過增加14%的數(shù)據(jù)集大小，減少了17%的車輛停放錯(cuò)誤率，也提高了剎車時(shí)機(jī)的準(zhǔn)確性。同時(shí)，在地圖不準(zhǔn)確或汽車無法跟隨導(dǎo)航的情況下，F(xiàn)SD算法也可以提高對于道路進(jìn)行更準(zhǔn)確的預(yù)測，提高對于道路通行權(quán)的理解。FSD Beta 10.11還采用了特斯拉下一代自動(dòng)標(biāo)注工具，可以借此改進(jìn)對于弱勢道路使用者（VRU）的檢測率，將「騎行者和行人」的誤判率降低44.9%，而這也是困擾上一個(gè)版本的問題。以下是具體更新內(nèi)容： 

• 將車道幾何形狀的建模從密集的光柵（點(diǎn)袋）升級到自回歸解碼器，該解碼器使用變壓器神經(jīng)網(wǎng)絡(luò)直接預(yù)測并逐點(diǎn)連接「矢量空間」車道。這使車輛能夠預(yù)測交叉車道，即允許計(jì)算成本更低和更少錯(cuò)誤的后處理，并為預(yù)測其他信號及其聯(lián)合和端到端關(guān)系鋪平了道路。使用更準(zhǔn)確的預(yù)測車輛轉(zhuǎn)彎或并線算法，以減少不必要的減速。
• 如果地圖不準(zhǔn)確或汽車無法跟隨導(dǎo)航，F(xiàn)SD算法可以進(jìn)一步提高對道路通行權(quán)的理解。特別是，交叉區(qū)段的建?，F(xiàn)在完全基于網(wǎng)絡(luò)預(yù)測，不再使用基于地圖的啟發(fā)式模型。
• VRU檢測精度提高了44.9%，顯著減少了對假性行人和自行車的錯(cuò)誤判斷(特別是在瀝青縫、剎車痕和雨點(diǎn)附近)。這是通過增加下一代自動(dòng)標(biāo)注工具的數(shù)據(jù)大小、訓(xùn)練之前凍結(jié)的網(wǎng)絡(luò)參數(shù)和修改網(wǎng)絡(luò)丟失函數(shù)來實(shí)現(xiàn)的。整體來說，降低了與VRU相關(guān)的假減速的發(fā)生率。
• 將靠近的摩托車、滑板車、輪椅和行人的預(yù)測速度誤差降低了63.6%。為此，F(xiàn)SD引入了一個(gè)新的模擬對抗高速VRU交互數(shù)據(jù)集。
• 改善了怠速模式（Creeping Mode），現(xiàn)在在怠速開始和結(jié)束時(shí)具有更高的變加速度。
• 通過預(yù)測連續(xù)距離的靜態(tài)幾何與一般的靜態(tài)障礙網(wǎng)絡(luò)對附近障礙物的控制得到了增強(qiáng)。
• 通過增加14%的數(shù)據(jù)集大小，減少了17%的車輛停放錯(cuò)誤率，也提高了剎車燈的準(zhǔn)確性。 
• 通過調(diào)整損失函數(shù)，提高了很多困難場景下的性能，并將清晰場景的速度誤差提高了5%，公路場景的速度誤差提高了10%。
• 改進(jìn)了車門打開狀態(tài)下的檢測和控制。 
• 通過基于優(yōu)化的方法來確定，在給定橫向和縱向加速度和加速度限制以及車輛運(yùn)動(dòng)學(xué)的情況下，哪些路線不需要控制，從而提高了轉(zhuǎn)彎的平滑度。
• 通過優(yōu)化15%的以太網(wǎng)數(shù)據(jù)傳輸管道，提高了FSD Ul可視化的穩(wěn)定性。