據外媒報導，特斯拉首席執行官埃隆·馬斯克表示，公司將在未來幾週內在美國推出交通信號燈和停車標誌自動識別功能。特斯拉在功能介紹中稱，同時啟動自動轉向和交通感知巡航控制時，汽車可以在交通信號燈和停車標誌處自動停車。

這兩項功能都包含在特斯拉的基礎版Autopilot中，它是該公司目前所有車輛的標準配置。

特斯拉的紅綠燈和停車標誌識別已經籌備了很長時間。2019年3月，特斯拉發布了自動轉向停車警告新功能，當司機接近十字路口時，系統自動提醒司機，要求司機接管電動車的操控。

此次推出的紅綠燈和停車標誌識別功能與自動停車功能，將進一步提高Autopilot的安全性。

特斯拉表示，由於因為世界各地不同的交通規則以及相關的政策法規，與美國車主相比，其他國家客戶的Autopilot更新將等待更長時間。

在此之前，有超60萬輛特斯拉配備完全自動駕駛芯片，該芯片擁有高達60億的晶體管，每秒可完成144萬億次的計算，能同時處理每秒2,300幀的圖像，並且每輛車有兩個這種芯片，可以同時處理相同的數據。

其在隨後申請了一項專利，內容是如何從其龐大的客戶車隊中獲取訓練數據，以訓練其自動駕駛神經網絡。

自動駕駛如何實現

目前自動駕駛的關鍵技術為感知、規劃和執行三部分，具體涉及傳感器、數據處理、機器學習、SLAM 與傳感器融合、路徑規劃等多個領域。

其中，感知通過車輛傳感器硬件交互與通信，規劃主要負責汽車的行為等的計算，控制則是對汽車元器件的電子化操作。

感知主要是通過環境感知進行定位。

在環境感知階段，需要獲取大量周圍環境信息，確保自動車對車身周圍環境的正確理解和對應決策。

環境感知是對環境的場景理解能力，例如，車道線標誌及標線、紅綠燈識別、交通信號及標識牌識別、行人車輛檢測、障礙物的類型等數據理解分析分類，定位是對感知結果的後處理，通過定位功能從而幫助自動車了解其相對於所處環境的位置。

在規劃部分，根據自動駕駛汽車傳感器套件捕獲的原始數據和已有地圖，自動駕駛系統需要通過同時定位和映射算法構建和更新具體的環境地圖，跟踪其具體定位，從而開始規劃從一個點到另一個點的路徑。

目前，機器學習的最新進展在於有效處理自動駕駛汽車傳感器產生的數據，減少計算成本。此外，芯片製造和微型化的進步正在提高可安裝在自動駕駛汽車上的計算能力。

5G的高寬帶、低延時將幫助基於網絡的數據處理進行自主操作。

執行是系統按照決策結果對車輛進行控制。

車輛的各個操控系統都需要能夠通過總線與決策系統相連接，並能夠按照決策系統發出的總線指令精確地控制加速程度、制動程度、轉向幅度、燈光控制等駕駛動作，以實現車輛的自主駕駛。

感知定位如同駕駛員的眼睛，規劃決策相當於駕駛員的大腦，而執行控制就好比駕駛員的手腳。執行控制是自動駕駛真正落地的基礎。

特斯拉完全自動駕駛計劃

特斯拉電動車的最大賣點是其自​​動駕駛系統（目前的技術水平屬於二級“輔助駕駛”級別），該公司每隔一段時間就會推出自動駕駛系統的升級功能。

特斯拉自動駕駛系統工作的基本原理，是對道路上各種物體和對象進行準確的識別，其行車電腦將會根據這些識別的路況做出各種駕駛操控動作。

按照計劃，特斯拉公司將會在今年推出完全自動駕駛。該公司過去發布的視頻顯示，從住所到公司，無需司機掌握方向盤，車輛能夠全程自我操控。這意味著在完全自動駕駛實現之後，車主可以在車上打電話、玩手機甚至是處理公務。

馬斯克甚至計劃設立無人的士公司，讓大量的自動駕駛電動車在街頭自由行駛、通過手機軟件獲得乘客訂單。