（2）2022 年 AP 团队在感知算法模型加入了占用网络 Occupancy Network 和矢量地图Lane Network，进一步提升感知模型的精度和对长尾问题的覆盖度。具体而言，特斯拉进 一步在 H ydraNet 上加入了 Occupancy Network，其核 心在于将现实世界映射到矢量空间，具体而言，其通过预测 3D 空间的占用概率还原物体形状，将扫描的物体边缘划分为立方体并渲染到向量空间，最后能生成效果更好的 3D 地图，以弥补特斯拉未使用高精地图和雷达在长尾问题的感知不足。此外，对于摄像头无法覆盖的区域，FSD 可通过 AI 编译器+推理引擎，预测可能出现的路缘和道路标线。同时针对特斯拉 BEV 空间分割得到像素级别的车道不足用于轨迹规划的问题，特斯拉引入了在线矢量地图构建模型 Lane Network，解码了车道线的拓扑结构，能更准确判断车辆是否进入了另一条车道。
原图定位
