- 改进了非 VRU（例如汽车、卡车、公共汽车）的对象检测网络架构。7% 的高召回率。交叉车辆的深度误差降低 16%，速度误差降低 21%。
- 新的可见性网络，平均相对误差减少了 18.5%。
- 新的通用静态对象网络，在高曲率和夜间情况下精度提高了 17%。
- 使用越过交叉点的物体预测，改进了在未受保护的左转弯时的停车位置，同时为迎面而来的物体让路。
- 通过合并合并区域末端的建模，在合并期间为纵向对齐留出更多空间。
- 偏移偏离车道的物体时提高了舒适度。
通常的测试人员还没有推出展示新软件性能的视频，但我们会在这些视频可用时更新这篇文章。
