马斯克详解 Tesla 车载世界模型:UVE 特征分叉 + 约 1B 扩散模型
mayfer · x · 2026-11-22
Elon Musk 首次详细披露 Tesla 车内可视化背后的世界模型架构:
- Tesla 早在去年就拥有近像素级精确(pixel-perfect)的世界模型,用于合成数据生成,这是关键基础。
- 车载版本是其(小得多的)条件 mean-flow 模型,基于 Tesla Universal Vision Encoder(UVE)特征序列——与驱动车辆决策的 3B encoder 模型接入的是同一套特征。
- 从 UVE 特征分叉后,运行一个独立的约 1B 扩散模型:接收上一帧 reality-view 生成结果并加噪,再去噪得到当前可视化画面。
- 输出为小段视频块(8 帧 @36fps,UI 屏幕分辨率),每个 UVE 帧(18Hz)使用半个 TRIP engine 的算力,分散在 4 个周期完成。
- 目前受算力限制延迟偏高,但团队可将更新的 UVE 特征交错插入扩散 transformer 层,可削减约 35% 延迟。
转发者 mayfer 点评:由于视频与驾驶共用同一视觉编码器,它相当于一种「潜在解释」,比向量表示更开放、更易读。
「具身」频道最新
- 中国研发仿生机器鱼,游动姿态堪比真鱼 — TinfoilTricorn · 2026-11-22
- 摩尔线程曝 64GB 消费 GPU“庐山”,显存两倍于 RTX 5090 — CeFurkan · 2026-11-22
- 马斯克放话:Optimus 将是史上最伟大的产品,没有之一 — CyberRobooo · 2026-11-22
- Musk 转发 FSD 对比:V8 边界框已进化为 V15 照片级 Reality View — elonmusk · 2026-11-22
- 北京 Hokmind 仿生人形机器人亮相:会识情绪可对话但还不会走 — TinfoilTricorn · 2026-11-22
- 马斯克:车里的 Tesla AI4 已能打通《暗黑破坏神》到 Torment II — elonmusk · 2026-11-22