据外媒报导，特斯拉首席执行长马斯克表示，未来几週内，将在美国推出交通号誌和停车标誌自动辨识功能。
特斯拉功能介绍称，同时启动自动转向和交通感测巡航控制时，汽车可在交通号誌和停车标誌处自动停车。
这两项功能都包含在特斯拉的基础版 Autopilot 中，是目前所有车辆的标準配置。
特斯拉的红绿灯和停车标誌辨识已筹备很久。2019 年 3 月，特斯拉发表了自动转向停车警告新功能，当司机接近十字路口时，系统自动提醒司机，要求司机接管电动车操控。
此次推出的红绿灯和停车标誌辨识功能与自动停车功能，将进一步提高 Autopilot 的安全性。
特斯拉表示，由于世界各地不同的交通规则及相关政策法规，与美国车主相比，其他国家客户的 Autopilot 更新将需等待稍久。
之前超过 60 万辆特斯拉配备完全自动驾驶晶片，拥有高达 60 亿晶体管，每秒可完成 144 兆次计算，能同时处理每秒 2,300 帧图像，并每辆车有两个晶片，可同时处理相同数据。
特斯拉随后申请一项专利，内容是如何从庞大的客户车队获取训练数据，以训练自动驾驶神经网路。
自动驾驶真正落实的基础
目前自动驾驶的关键技术为感测、规划和执行三部分，涉及感测器、数据处理、机器学习、SLAM 与感测器融合、路径规划等多个领域。
其中，感测透过车辆感测器硬体互动与通讯，主要负责汽车行为等计算，控制则是对元件的电子化操作。
感测主要是透过环境感测定位。
环境感测阶段，需取得大量周围环境资讯，确保车子对周围环境的正确理解和决策。
环境感测是对环境的理解能力，如标线、红绿灯辨识、交通号誌辨识、行人车辆检测、障碍物类型等数据理解分析分类，定位是感测结果的后处理，透过定位功能帮助车辆了解所处环境的位置。
规划部分，根据自驾车感测器套件取得的原始数据和已有地图，自动驾驶系统需要透过同时定位和映射演算法构建和更新具体的环境地图，追蹤具体定位，开始规划从一点到另一点的路径。
目前，机器学习的最新进展在于有效处理自驾车感测器产生的数据，减少计算成本。此外，晶片製造和微型化进步，正在提高可安装在自驾车的计算能力。
5G 的高宽频、低延迟将帮助基于网路的数据处理自主操作。执行是系统按照决策结果控制车辆。
车辆各操控系统都需要透过汇流排与决策系统连接，并能按照决策系统的汇流排指令精确控制加速程度、制动程度、转向幅度、灯光控制等动作，以让车辆自主驾驶。
感测定位如驾驶的眼睛，规划决策相当于驾驶的大脑，执行控制就好比驾驶的手脚。执行控制是自动驾驶真正落实的基础。
特斯拉完全自动驾驶计画
特斯拉电动车的最大卖点就是自动驾驶系统（目前的技术程度属二级「辅助驾驶」），每隔一段时间就会推出升级功能。
特斯拉自动驾驶系统的基本原理，是对路上各种物体和对象準确辨识，车载电脑会根据辨识出的路况执行各种操控。
按照计画，特斯拉将在今年推出完全自动驾驶。据过去影像显示，从住家到公司，无需驾驶掌握方向盘，车辆能全程自我操控。这意味着完全自动驾驶达成后，车主可在车上打电话、玩手机，甚至处理公事。
马斯克甚至计划设立自驾计程车公司，让大量自驾电动车在街头自由行驶，透过手机软体获得乘客订单。
