Tesla / Programvare & Selvkjøring • 19. mai 2022

Tesla avduker oppdatert full selvkjørende beta fullpakket med store forbedringer

I dag har Tesla gitt ut den nyeste versjonen av sin Full Self Driving (FSD) betaprogramvare til de bilene som er registrert i testprogrammet. For tiden er det rundt 100 0...

Emilie Halvorsen

Av Emilie Halvorsen

Publisert på Autiva

Lesing
100%

I dag har Tesla gitt ut den nyeste versjonen av sin Full Self Driving (FSD) betaprogramvare til de bilene som er registrert i testprogrammet. For tiden er det rundt 100 000 eiere som aktivt tester Teslas FSD-programvare, og den nyeste utgivelsen kommer med en haug med forbedringer til venstre og høyre.

Tesla sier at oppdateringen er basert på over 250 000 treningsklipp fra flåtens bevegelser, og det er første gang selskapet har offentliggjort et slikt tall. Den nye FSD beta-programvaren er bygget 2022.12.3.10, og det er en av de mest omfattende oppdateringene til dags dato.

Det er flere forbedringer knyttet til tillitsnivået som systemet tar handling på, og tre eldre nevrale nett er fjernet fra systemet, som Tesla sier muliggjør en forbedring på 1,8 fps i systemets bildefrekvens.

Til tross for hva navnet antyder, regnes FSD fortsatt som et nivå 2 førerassistentsystem, fordi sjåføren må være årvåken og klar til å ta kontroll til enhver tid. Et nivå 3-system ville ikke kreve noe av det, men så langt har det stort sett vært en drøm.

Her er hele endringsloggen:

• Oppgradert beslutningstakingsrammeverk for ubeskyttede venstresvinger med bedre modellering av objekters respons på egoets handlinger ved å legge til flere funksjoner som former go/no-go-beslutningen. Dette øker robustheten til støyende målinger samtidig som det er mer klissete til beslutninger innenfor en sikkerhetsmargin. Rammeverket utnytter også mediansikre regioner når det er nødvendig for å manøvrere over store svinger og akselerere hardere gjennom manøvrer når det er nødvendig for å forlate krysset trygt.

• Forbedret kryping for synlighet ved hjelp av mer nøyaktig banegeometri og okklusjonsdeteksjon med høyere oppløsning.

• Reduserte forekomster av forsøk på ubehagelige svinger gjennom bedre integrering med fremtidsspådommer for objekter under filvalg.

• Oppgradert planlegger for å stole mindre på baner for å muliggjøre manøvrering jevnt ut av begrenset plass.

• Økt sikkerhet for svinger som krysser trafikk ved å forbedre arkitekturen til det nevrale nettverket i kjørefeltene, noe som i stor grad økte tilbakekallingen og den geometriske nøyaktigheten av kryssende kjørefelt.

• Forbedret tilbakekallingen og den geometriske nøyaktigheten til alle baneproduksjoner ved å legge til 180 000 videoklipp i treningssettet.

• Redusert trafikkkontrollrelaterte falske forsinkelser gjennom bedre integrasjon med kjørefeltstruktur og forbedret adferd med hensyn til gult lys.

• Forbedret den geometriske nøyaktigheten til veikant- og linjeforutsigelser ved å legge til et blandings-/koblingslag med det generaliserte statiske hindernettverket.

• Forbedret geometrisk nøyaktighet og forståelse av synlighet ved å omskolere det generaliserte statiske hindernettverket med forbedrede data fra automerkingen og ved å legge til 30 000 flere videoklipp.

• Forbedret tilbakekalling av motorsykler, redusert hastighetsfeil for fotgjengere og syklister i nærheten, og redusert kursfeil for fotgjengere ved å legge til nye sim- og automerkede data til treningssettet.

• Forbedret presisjon av «er parked»-attributtet på kjøretøy ved å legge til 41 000 klipp i treningssettet. Løste 48 % av feiltilfellene som ble fanget opp av vår telemetri fra 10.11.

• Forbedret gjenkjenning av gjenkalling av fjerntliggende objekter ved å regenerere datasettet med forbedrede versjoner av de nevrale nettverkene som brukes i den automatiske merkingen, noe som økte datakvaliteten.

• Forbedret forskyvningsatferd ved manøvrering rundt biler med åpne dører.

• Forbedret vinkelhastighet og kjørefeltsentrisk hastighet for ikke-VRU-objekter ved å oppgradere den til nettverksforutsagte oppgaver.

• Forbedret komfort ved filskifte bak kjøretøy med kraftig nedbremsing ved tettere integrasjon mellom ledende kjøretøys fremtidige bevegelsesestimat og planlagt filskifteprofil.

• Systemet bruker nå nettverksforutsagt akselerasjon på alle bevegelige enheter, og utvider seg utover den tidligere begrensningen til kun langsgående mål.

• Visuelle ressurser for omkringliggende kjøretøy ble oppdatert for å inkludere indikatorer som viser når en bildør er åpen.

• Systemytelsen ble forbedret med 1,8 bilder per sekund gjennom eliminering av tre utdaterte nevrale nettverk.

Se mer

Google News
Sammendrag
Liker 0
Følg 0
Lytt
Tråd 0
Min Profil
Del

Artikkelsammendrag

Generert av AI

Genererer sammendrag...

Kommentartråd

0 kommentarer

Logg inn med Google for å kommentere

Gratis og raskt

Laster kommentarer...

Logg inn

Du trenger en konto for denne funksjonen

Fortsett med Google