特斯拉的FSD（Full Self-Driving）系统主要依赖于“纯视觉”路线，即通过车载摄像头捕获的图像数据进行环境感知和决策。这种技术路线意味着FSD系统在理论上不依赖于高精度地图数据作为训练源。然而，根据一些分析，特斯拉实际上可能使用了一种近似地图的感知输出能力，通过模拟和对抗生成网络的域迁移方法，将仿真系统上习得的成果迁移到现实图像中，从而获得参数化的地图输出。这种方法可能规避了直接使用高精度地图数据，而是通过训练神经网络来模拟地图的效果。
此外，特斯拉也构建了众包地图，利用自己庞大的车队完成大范围的地图构建，但这种地图构建方式与直接在车端使用高精度地图数据存在差异。特斯拉的FSD系统在规划和决策时显示出规则算法的倾向，这意味着其“地图”输入必然也是结构性数据，但具体是否直接使用了高精度地图数据，目前尚无明确的公开信息。
综上所述，特斯拉FSD系统的核心特色在于其“纯视觉”路线，不直接依赖高精度地图数据，但可能通过其他技术手段间接模拟地图效果，以提升系统的感知和决策能力。同时，特斯拉通过众包方式构建的地图数据可能在某些方面辅助了FSD系统的运行，尤其是在规避政策风险和提升系统性能方面可能具有价值。