最近斯拉 AI 副总裁 Ashok Elluswamy 在 ICCV 上所做的 FSD 真的是沸沸扬扬~
红仔在上篇文章也是也是简单的总结了一下，那么我们接着这个话题来猜一猜FSD最新的版本架构是如何的？
红仔觉得FSD应该也是一个快慢系统。
第一个系统是多模态的E2E, 以V+LBS+ 自车的速度定位为主+ 导航需求【导航需求是直接隐射再视觉空间坐标权重偏好里面】，然后直接输出 油门+刹车
另一个系统是 一个 基于LLM 做的VLA，只是用了单个摄像头/会切换摄像头的一个 VLA，然后输出所谓的图像决策【图像tonken】，再以主模型的感知偏好里面去调节。类似右侧是施工的标识，就将右前方的区域全部降权重，因此 决策都是来自于1号主模型输出的
并且系统2是可以做多轮回答的，需要时可以超过3轮
这套架构如何去找车位？举个场景例子：我去得来速
一。导航需求直接在 VA模型的Bev空间进行权重调节，一直可以拉到 停车场口子为止
二。然后进入园区以后，导航没了，这个时候系统就会进行导航需求的权重调节，因此自动会进入类似的漫游模式【NOA漫游】
三。进入漫游的同时异步的LLM ，前向感知会去 给出一个 任务【类似 Where is MC？】 then 给出 BEV空间的 Mark 权重，然后调节Bev 空间中引导。COT思维连可能是？
Q1： Where is 得来速的通道 ？
A1：右前侧
Q2： 怎么开过去 ？
A2:这里是死路，可能要从后面绕，后面有个引导牌子，估计是得先开到引导牌子 ？
Q3：开过去后发现 引导牌子确认后，如何进到得来速的 通道？
A3：检测BEV空间中两边的边缘性，跟着 通道的前车慢慢开。
四。最后主模型输出 BEV引导线，并调节VA 模型中的减速
PS:红仔觉得FSD可能是可达是用主模型来做的，LLM仅仅只是来做引导，并且这个慢系统会一边开一边想
大v聊车自动驾驶AI大模型
