今年5月，英伟达首席执行官黄仁勋在接受雅虎财经采访时高度赞扬了特斯拉在自动驾驶技术方面的进步。黄仁勋表示：“特斯拉在自动驾驶汽车方面遥遥领先。”他承认这家电动汽车制造商在该领域占有显著的领先优势。当然，批评者会指出，这项技术仍然存在很大问题，但可以肯定说，即使苹果未能推出自动驾驶汽车，具有自动驾驶功能的汽车也是未来的趋势。

在具有内置传感器的“智能道路”以帮助自动驾驶汽车在各种条件下安全行驶之前，特斯拉和其他公司已求助于英伟达和AI来大幅提高该功能的准确性。

近日，美国专利局公布了特斯拉的一项专利申请，名为“预测自动驾驶的三维特征”。特斯拉自2019年以来一直在致力于这项专利。

处理器（AI）与存储器耦合，用于接收基于车辆摄像头捕获的图像的图像数据。图像数据作为训练好的机器学习模型的输入基础，该模型用于预测机器学习特征的三维轨迹。机器学习特征的三维轨迹用于自动控制车辆。

在一些实施方案中，根据与地面实况相对应的时间序列元素组创建特征的三维表示，例如下图5所示的车道线。然后，将该地面实况与时间序列元素的子集（例如，捕获的图像数据组中的单个图像帧）相关联。

例如，一组图像中的第一幅图像与三维空间中表示的车道线的地面实况相关联。尽管地面实况是基于该组图像确定的，但是所选的第一帧和地面实况用于创建训练数据。

例如，创建训练数据以仅使用单个图像来预测车道的三维表示。在一些实施例中，时间序列元素组中的任何元素或元素组与基本事实相关联并用于创建训练数据。例如，基本事实可以应用于整个视频序列以创建训练数据。

再举一个例子，一组时间序列元素的中间元素或最后一个元素与基本事实相关联，并用于创建训练数据。

在各种实施例中，所选图像和地面实况可应用于不同的特征，例如车道线、包括邻近车辆在内的车辆的路径预测、物体的深度距离、交通控制标志等。例如，相邻车道中车辆的一系列图像用于预测该车辆的路径。