据外媒报道，特斯拉人工智能（AI）总监Andrej Karpathy在今年2月举行的Scaled Machine Learning 大会上，公布了Autopilot及其功能的一组新数据。
（图片来源：特斯拉）
与大多数从事自动驾驶研究的汽车制造商和科技公司不同，特斯拉不仅仅依赖内部测试车队或仿真，而是利用其拥有庞大客户群的电动汽车车队来收集数据。此类车辆配备了大量的传感器阵列，可用于收集数据并改进其驾驶辅助功能。特斯拉希望此类数据不仅可用于改进其Autopilot，还能够帮助监管机构确认其系统可以改善道路安全。
目前来看，特斯拉车队采用Autopilot完成了30亿英里，而其中10亿英里都由Navigate on Autopilot功能完成，该功能还完成了20万次自动变道。此外，自从去年特斯拉发布智能召唤功能（Smart Summon）以来，特斯拉车主已经使用了该功能120万次。
众所周知，特斯拉致力于采用高度依赖视觉的方式以实现全自动驾驶，即利用其汽车上的摄像头套件和人工智能技术，以训练其神经网络，让车辆能够对道路上的情况做出反应。而其他主流的自动驾驶汽车公司，如自动驾驶领域的领导者Waymo和Cruise等，都依赖于激光雷达和高精地图，预先绘制好地图，再让自动驾驶汽车在地图区域内行驶。虽然方法合理，但也有很多限制。例如，Waymo进行自动驾驶汽车研究已经多年，但是迄今为止，也只能在少数几个地点运营。这也是为什么基于激光雷达实现全自动驾驶（FSD）不可行的原因。无论是在高速公路还是市中心街道，道路上都有太多不确定性，因而可能会导致预先制定的解决方案无效。
因此，特斯拉不采用高精地图，而主要依靠车辆摄像头和人工智能。该方法与人类驾驶的方式非常类似，因为人也是用眼睛观察道路，利用大脑决定开车时的行为。Karpathy指出，此种方法启发了特斯拉改进Autopilot和FSD，并高效应用于整个车队。改进版本的Autopilot软件完全不会受预先绘制的地图数据的限制。