特斯拉这项专利：让车学会“猜别人下一步”

Tesla 公开 WO 2023/023336 A1 专利， 这个专利的核心输出是多条 predicted paths of travel：比如前车可能直行、可能左转、可能并线。每条路径都有一个 confidence value。

它的重点很有意思：这些置信值不一定要加起来等于 100%。可能两条路径都很值得防备，也可能没有任何一条特别确定，这样可以类人的让自车提前准备和安全行驶。

图1

：一套视觉输入、运动学约束、候选路径、置信评分、环境修正的预测框架

它如何实现的？流程可以拆成 5 步：

图2

：视觉模型识别道路结构

系统先识别“场地”：道路边缘、车道线、道路标记、交通标识、方向控制等。这些构成预测别人怎么走的几何基础。

图3

:

识别动态物体属性

对车、人、骑行者等动态目标，提取 yaw、速度、加速度等属性。权利要求里也明确提到动态对象属性可包括 yaw、velocity、acceleration。

建立可行域，类似“运动锥”

专利里的 feasibility cone 是关键：高速目标的可行域更长更窄，因为它不可能突然大角度急转；低速目标的可行域更短更宽，因为它有更多转向可能。落在可行域外的路径会被删除或降低权重。

图4

: 生成多条候选路径并打分

系统会生成多条可能路径，并由机器学习算法给每条路径分配 confidence value，再按阈值筛选、排序或过滤。

图5

: 根据外部障碍动态修正

如果前方有停靠车辆、施工锥、行人、来车等，系统会调整路径置信度，甚至移除某些路径。例如当前车道被静态物体挡住，系统会提高并线路径的重要性。

最后

图6

：这个是不是就是我们常说的类似的世界模型？预测多智能体的多个未来，给自己找一条合适的路。

以下为广告部分：

买书么？自动驾驶的，机工社权威出版的，汽车行业高薪岗位，未来具身智能必备书籍