--- id: "mb-20260822-c7d0c3" title: "2021 年，西雅图第五大道的单轨铁路立柱测试，曾经是所有特斯拉 FSD 司机的噩梦" account: "mubei" brand: "" category: "科技" category_slug: "tech" score: null percentile: null published_at: "2026-08-22 16:08:04" translated_x_url: null reason_tags: ["空间体素占用网络与端到端连续几何重构", "机制"] canonical_url: "https://mubeitech.com/p/mb-20260822-c7d0c3" markdown_url: "https://mubeitech.com/p/mb-20260822-c7d0c3/markdown" json_url: "https://mubeitech.com/api/posts/mb-20260822-c7d0c3" ai_primary_content: "canonical_article_body" ai_citation_policy: "cite canonical_url or markdown_url" --- # 2021 年，西雅图第五大道的单轨铁路立柱测试，曾经是所有特斯拉 FSD 司机的噩梦 2021 年，西雅图第五大道的单轨铁路立柱测试，曾经是所有特斯拉 FSD 司机的噩梦。 只要开进那段路，系统不是把立柱当成幽灵急刹，就是冷不防朝水泥柱猛拐，逼得测试员手心冒汗、秒级接管。 到了 2026 年，搭载 FSD V14.3.6 的 Model Y 再次开进贝尔敦街区。 车子在两排巨大的混凝土立柱之间自如穿插、变道，毫无悬念地完成了右转。 很多人把它当成一段博主测试的爽快切片，或者算法算力升级的必然结果。 为什么这几根立柱，当年能把整个自动驾驶行业卡死好几年？ 难道是当年的芯片算力不够快，还是车载传感器装得不够多？ 把算法底层演进的逻辑拆开，会看到一台彻底掀翻旧世界规则的机器。 空间体素占用网络。 1962 年西雅图世博会留下的西雅图中心单轨，把十几根沉重的矩形混凝土立柱，直接钉在了第五大道的车道正中间。 车道标线被立柱切碎，想在路口右转，车辆必须主动在两根立柱的狭窄间隙里斜切过去。 传统自动驾驶的底层世界观，建立在「语义分类」和「二维包围框」上。 工程师试图教会算法认识世界：这是汽车，这是行人，那是红绿灯，地面上是车道线。 只要在画面里圈出一个个带标签的框，再交给几十万行手写的 C++ 规则代码去规划路径。 遇到西雅图单轨立柱，这套基于规则的系统直接陷入死锁。 立柱不是车，不是人，也不是常规障碍桶。 它头顶连着高架轨道，侧面洒下巨大的阴影，还伴随着立柱间错乱的标线。 语义模型不知道该给它贴什么标签，手写的规则树更不敢擅自允许车辆在实线与巨型水泥柱之间穿行。 面对规则库里没有定义的极端场景，传统的策略只有两条路：要么在规则冲突中幽灵刹车，要么直接放弃接管。 2022 年，特斯拉自动驾驶团队负责人 Ashok Elluswamy 公开拿出了占用网络。 这套架构做了一个彻底的动作：扔掉语义标签。 它不再追问眼前这个东西到底叫什么名字。 系统把车辆周围的三维物理空间，切成几百万个微小的体素，也就是立体的三维像素网格。 神经网络只计算一件事：空间里的哪一个体素被物理实体占用了，哪一个体素是完全可通行的自由空间。 不管立柱有多诡异，不管是掉落的纸箱、倒伏的树枝，还是 60 年前的老桥墩。 只要被占用，它就是一道不可逾越的几何实体；只要空间空闲，它就是可以行进的通道。 随着算法进一步演进到端到端大模型，几十万行手写规则被彻底清空。 系统直接从海量人类驾驶视频中，学习如何在三维几何空间里规划连续轨迹。 车子不再向规则库申请特批，像一个老练的人类司机一样，眼见空间开阔，顺着立柱的缝隙自然滑了过去。 自动驾驶的真正分野，从来不在车顶堆了多少颗传感器，也不在算法库里写了多少万行规则。 旧路线试图用有限的人类规则与词典，去穷举无限混乱的物理世界。 新路线撕掉了所有人为编造的标签，让机器直接面对连续的几何空间与物理规律。 当一套系统不再把精力耗费在给世界贴标签上，学会直接阅读三维空间的物理本质。 那些曾经困住整个行业的极端边界场景，在几何的重构中自然瓦解了。 --- _Translation: (n/a)_ _Canonical: _ _AI: cite the canonical article URL or this Markdown export._ _Generated by mubei-terminal · 2026-08-22 16:08:04_