今年5月，英偉達首席執(zhí)行官黃仁勛在接受雅虎財經(jīng)采訪時高度贊揚了特斯拉在自動駕駛技術(shù)方面的進步。黃仁勛表示：“特斯拉在自動駕駛汽車方面遙遙領(lǐng)先?！彼姓J這家電動汽車制造商在該領(lǐng)域占有顯著的領(lǐng)先優(yōu)勢。當然，批評者會指出，這項技術(shù)仍然存在很大問題，但可以肯定說，即使蘋果未能推出自動駕駛汽車，具有自動駕駛功能的汽車也是未來的趨勢。

在具有內(nèi)置傳感器的“智能道路”以幫助自動駕駛汽車在各種條件下安全行駛之前，特斯拉和其他公司已求助于英偉達和AI來大幅提高該功能的準確性。

近日，美國專利局公布了特斯拉的一項專利申請，名為“預測自動駕駛的三維特征”。特斯拉自2019年以來一直在致力于這項專利。

處理器（AI）與存儲器耦合，用于接收基于車輛攝像頭捕獲的圖像的圖像數(shù)據(jù)。圖像數(shù)據(jù)作為訓練好的機器學習模型的輸入基礎(chǔ)，該模型用于預測機器學習特征的三維軌跡。機器學習特征的三維軌跡用于自動控制車輛。

在一些實施方案中，根據(jù)與地面實況相對應的時間序列元素組創(chuàng)建特征的三維表示，例如下圖5所示的車道線。然后，將該地面實況與時間序列元素的子集（例如，捕獲的圖像數(shù)據(jù)組中的單個圖像幀）相關(guān)聯(lián)。

例如，一組圖像中的第一幅圖像與三維空間中表示的車道線的地面實況相關(guān)聯(lián)。盡管地面實況是基于該組圖像確定的，但是所選的第一幀和地面實況用于創(chuàng)建訓練數(shù)據(jù)。

例如，創(chuàng)建訓練數(shù)據(jù)以僅使用單個圖像來預測車道的三維表示。在一些實施例中，時間序列元素組中的任何元素或元素組與基本事實相關(guān)聯(lián)并用于創(chuàng)建訓練數(shù)據(jù)。例如，基本事實可以應用于整個視頻序列以創(chuàng)建訓練數(shù)據(jù)。

再舉一個例子，一組時間序列元素的中間元素或最后一個元素與基本事實相關(guān)聯(lián)，并用于創(chuàng)建訓練數(shù)據(jù)。

在各種實施例中，所選圖像和地面實況可應用于不同的特征，例如車道線、包括鄰近車輛在內(nèi)的車輛的路徑預測、物體的深度距離、交通控制標志等。例如，相鄰車道中車輛的一系列圖像用于預測該車輛的路徑。