2023 年 7 月 21 日發售
包含在 2023.7.26
- 透過對目標車道車輛進行更好的建模，提高空隙選擇的果斷性，從而改善短時間內的變換車道，避免偏離路線。
- 改善控制靜態障礙物時的偏移一致性。同時也改善了改變偏移方向時的流暢性，調整速度時更加舒適。
- 透過改善對來車軌道的預測，並在重新對中前留出足夠空間讓來車通過，改善在狹窄的無標示道路上對來車的處理。
- 針對任意移動的障礙物，將佔用網路的佔用流量預測改善了 8%。
- 針對 NonVRU 偵測模型擴大使用新的物件基本真實自動標籤器，改善半貨車、拖車和特殊車輛的遠端車輛召回率和幾何精確度。
- 透過擴大規劃範圍，對可能干擾自我路徑的低可信度偵測進行緩慢控制，改善 VRU 控制。
- 透過更精確地預測 VRU 未來的意圖，改善人行道附近 VRU 的處理方式。這是利用更多的運動學資料來改善人行道與 VRU 之間的關聯性。
- 透過調整 VRU 的假設運動特性，並利用可用的語意資訊來更精確地分類 VRU 與小我路徑相交的可能性，以改善小我在 VRU 附近的行為。
- 改進的自動緊急煞車召回功能，可在倒車時回應切入的車輛和自我後方的車輛。
- 在佔用網路偵測到一般障礙物時導入自動緊急煞車功能。
包含在 2023.7.25
- 透過對目標車道車輛進行更好的建模，提高空隙選擇的果斷性，從而改善短時間內的變換車道，避免偏離路線。
- 改善控制靜態障礙物時的偏移一致性。同時也改善了改變偏移方向時的流暢性，調整速度時更加舒適。
- 透過改善對來車軌道的預測，並在重新對中前留出足夠空間讓來車通過，改善在狹窄的無標示道路上對來車的處理。
- 針對任意移動的障礙物，將佔用網路的佔用流量預測改善了 8%。
- 針對 NonVRU 偵測模型擴大使用新的物件基本真實自動標籤器，改善半貨車、拖車和特殊車輛的遠端車輛召回率和幾何精確度。
- 透過擴大規劃範圍，對可能干擾自我路徑的低可信度偵測進行緩慢控制，改善 VRU 控制。
- 透過更精確地預測 VRU 未來的意圖，改善人行道附近 VRU 的處理方式。這是利用更多的運動學資料來改善人行道與 VRU 之間的關聯性。
- 透過調整 VRU 的假設運動特性，並利用可用的語意資訊來更精確地分類 VRU 與小我路徑相交的可能性，以改善小我在 VRU 附近的行為。
- 改進的自動緊急煞車召回功能，可在倒車時回應切入的車輛和自我後方的車輛。
- 在佔用網路偵測到一般障礙物時導入自動緊急煞車功能。
包含在 2023.7.20
- 透過對目標車道車輛進行更好的建模，提高空隙選擇的果斷性，從而改善短時間內的變換車道，避免偏離路線。
- 改善控制靜態障礙物時的偏移一致性。同時也改善了改變偏移方向時的流暢性，調整速度時更加舒適。
- 透過改善對來車軌道的預測，並在重新對中前留出足夠空間讓來車通過，改善在狹窄的無標示道路上對來車的處理。
- 針對任意移動的障礙物，將佔用網路的佔用流量預測改善了 8%。
- 針對 NonVRU 偵測模型擴大使用新的物件基本真實自動標籤器，改善半貨車、拖車和特殊車輛的遠端車輛召回率和幾何精確度。
- 透過擴大規劃範圍，對可能干擾自我路徑的低可信度偵測進行緩慢控制，改善 VRU 控制。
- 透過更精確地預測 VRU 未來的意圖，改善人行道附近 VRU 的處理方式。這是利用更多的運動學資料來改善人行道與 VRU 之間的關聯性。
- 透過調整 VRU 的假設運動特性，並利用可用的語意資訊來更精確地分類 VRU 與小我路徑相交的可能性，以改善小我在 VRU 附近的行為。
- 改進的自動緊急煞車召回功能，可在倒車時回應切入的車輛和自我後方的車輛。
包含在 2023.7.15
- 透過改善車道、線條、道路邊緣和限制空間的幾何、彎度、位置、類型和拓樸結構，改善轉彎時的操控性和整體平順度。在其他改進中，城市街道中的車道感知改進了 36%，岔路改進了 44%，合流改進了 27%，轉彎改進了 16%，這都歸功於更大更乾淨的訓練集和更新的車道引導模組。
- 為佔用網路新增車道導引輸入，以改善長距離道路特徵的偵測，使假負中間值偵測減少 16%。
- 在小我可以輕鬆安全地先於行人過馬路的情況下，改善小我對行人過馬路的自信心。
- 將摩托車的召回率提高了 8%，並提高了車輛偵測精準度，以減少假陽性偵測。這些模型也增加了對視覺幀率變化的穩定性。
- 將其他車輛切入自我車道所造成的干擾減少 43%。這是透過建立一個框架，以概率預測可能切入自我車道的物體，並主動偏移和/或調整速度，使自我在這些未來情況下處於最佳位置來實現的。
- 對於近距離行駛的車輛，可將以車道為中心的速度誤差降低 40-50%，從而改善切入控制。
- 透過使用變換車道軌跡的額外特徵來改善監控，可將對象部分侵佔車道的召回率提高 20%、高偏航率切入提高 40%，以及切出提高 26%。
- 將 68K 影片加入具有改進的自動標籤地面真實的訓練集中，減少了與低估遠方物體速度有關的高速公路錯誤減速。
- 透過調整動作允許的橫向搖擺量，使大型車輛的車道內偏移更平滑。
- 針對即將到來的高曲率合流，改善側向控制，以偏離合流車道。
包含在 2023.7.10
- 透過改善車道、線條、道路邊緣和限制空間的幾何、彎度、位置、類型和拓樸結構，改善轉彎時的操控性和整體平順度。在其他改進中，城市街道中的車道感知改進了 36%，岔路改進了 44%，合流改進了 27%，轉彎改進了 16%，這都歸功於更大更乾淨的訓練集和更新的車道引導模組。
- 為佔用網路新增車道導引輸入，以改善長距離道路特徵的偵測，使假負中間值偵測減少 16%。
- 在小我可以輕鬆安全地先於行人過馬路的情況下，改善小我對行人過馬路的自信心。
- 將摩托車的召回率提高了 8%，並提高了車輛偵測精準度，以減少假陽性偵測。這些模型也增加了對視覺幀率變化的穩定性。
- 將其他車輛切入自我車道所造成的干擾減少 43%。這是透過建立一個框架，以概率預測可能切入自我車道的物體，並主動偏移和/或調整速度，使自我在這些未來情況下處於最佳位置來實現的。
- 對於近距離行駛的車輛，可將以車道為中心的速度誤差降低 40-50%，從而改善切入控制。
- 透過使用變換車道軌跡的額外特徵來改善監控，可將對象部分侵佔車道的召回率提高 20%、高偏航率切入提高 40%，以及切出提高 26%。
- 將 68K 影片加入具有改進的自動標籤地面真實的訓練集中，減少了與低估遠方物體速度有關的高速公路錯誤減速。
- 透過調整動作允許的橫向搖擺量，使大型車輛的車道內偏移更平滑。
- 針對即將到來的高曲率合流，改善側向控制，以偏離合流車道。
包含在 2023.7.10
為了最大程度的安全和責任，如果偵測到不當使用，將暫停使用完全自動駕駛 (Beta)。不當使用是指您或您車輛的其他駕駛員收到五次「強制自動駕駛解除」。當駕駛者因注意力不集中而收到數次視聽警告後，自動駕駛系統會在餘下的行程中解除自動駕駛。駕駛人主動解除自動駕駛並不算是不當使用，而是駕駛人應有的行為。請將您的雙手放在方向盤上，隨時保持專注。使用 Autopilot 時不允許使用任何手持裝置。
FSD Beta 功能只能依據此暫停方法移除，而且大約會有一週的時間無法使用。
包含在 2023.7.5
- 透過改善車道、線條、道路邊緣和限制空間的幾何、彎度、位置、類型和拓樸結構，改善轉彎時的操控性和整體平順度。在其他改進中，城市街道中的車道感知改進了 36%，岔路改進了 44%，合流改進了 27%，轉彎改進了 16%，這都歸功於更大更乾淨的訓練集和更新的車道引導模組。
- 為佔用網路新增車道導引輸入，以改善長距離道路特徵的偵測，使假負中間值偵測減少 16%。
- 在小我可以輕鬆安全地先於行人過馬路的情況下，改善小我對行人過馬路的自信心。
- 將摩托車的召回率提高了 8%，並提高了車輛偵測精準度，以減少假陽性偵測。這些模型也增加了對視覺幀率變化的穩定性。
- 將其他車輛切入自我車道所造成的干擾減少 43%。這是透過建立一個框架，以概率預測可能切入自我車道的物體，並主動偏移和/或調整速度，使自我在這些未來情況下處於最佳位置來實現的。
- 對於近距離行駛的車輛，可將以車道為中心的速度誤差降低 40-50%，從而改善切入控制。
- 透過使用變換車道軌跡的額外特徵來改善監控，可將對象部分侵佔車道的召回率提高 20%、高偏航率切入提高 40%，以及切出提高 26%。
- 將 68K 影片加入具有改進的自動標籤地面真實的訓練集中，減少了與低估遠方物體速度有關的高速公路錯誤減速。
- 透過調整動作允許的橫向搖擺量，使大型車輛的車道內偏移更平滑。
- 針對即將到來的高曲率合流，改善側向控制，以偏離合流車道。