Hoje a Tesla lançou a versão mais recente de seu software beta Full Self Driving (FSD) para os carros inscritos no programa de testes. Atualmente, existem cerca de 100.000 proprietários que estão testando ativamente o software FSD da Tesla, e a versão mais recente vem com um monte de melhorias a torto e a direito.
Tesla diz que a atualização é baseada em mais de 250.000 clipes de treinamento dos movimentos de sua frota, e é a primeira vez que a empresa torna esse número público. O novo software beta FSD é a versão 2022.12.3.10 e é uma das atualizações mais extensas até o momento.
Existem várias melhorias relacionadas ao nível de confiança com que o sistema atua, e três redes neurais mais antigas foram removidas do sistema, o que, segundo Tesla, permite uma melhoria de 1,8 fps na taxa de quadros do sistema.
Apesar do que o seu nome possa sugerir, o FSD ainda é considerado um sistema de assistência ao condutor de Nível 2, porque o condutor precisa de permanecer vigilante e pronto para assumir o controlo em todos os momentos. Um sistema de nível 3 não exigiria nada disso, mas até agora isso permaneceu praticamente um sonho.
Aqui está o changelog completo:
• Estrutura de tomada de decisão atualizada para curvas à esquerda desprotegidas, com melhor modelagem da resposta dos objetos às ações do ego, adicionando mais recursos que moldam a decisão de avançar/não avançar. Isso aumenta a robustez para medições ruidosas, ao mesmo tempo em que é mais rígido em decisões dentro de uma margem de segurança. A estrutura também aproveita as regiões medianas seguras quando necessário para manobrar em grandes curvas e acelera mais durante as manobras quando necessário para sair com segurança da interseção.
• Rastejamento aprimorado para visibilidade usando geometria de pista mais precisa e detecção de oclusão de maior resolução.
• Redução de ocorrências de tentativas de curvas desconfortáveis através de melhor integração com previsões futuras de objetos durante a seleção de faixa.
• Planejador atualizado para depender menos de faixas e permitir manobras suaves em espaços restritos.
• Aumento da segurança nas curvas que cruzam o tráfego, melhorando a arquitetura da rede neural das faixas, o que aumentou significativamente a recuperação e a precisão geométrica das faixas cruzadas.
• Melhorou a recuperação e a precisão geométrica de todas as produções de pista, adicionando 180.000 videoclipes ao conjunto de treinamento.
• Redução de falsas desacelerações relacionadas ao controle de tráfego através de melhor integração com a estrutura da faixa e melhor comportamento em relação aos semáforos amarelos.
• Melhorou a precisão geométrica das previsões de bordas e linhas de estradas adicionando uma camada de mistura/acoplamento com a rede de obstáculos estáticos generalizados.
• Maior precisão geométrica e compreensão da visibilidade através do retreinamento da rede de obstáculos estáticos generalizados com dados aprimorados da etiquetadora automática e da adição de mais 30.000 videoclipes.
• Melhor recuperação de motocicletas, redução de erros de velocidade de pedestres e ciclistas próximos e redução de erros de rumo de pedestres, adicionando novos dados de simulação e rotulados automaticamente ao conjunto de treinamento.
• Maior precisão do atributo “está estacionado” em veículos, adicionando 41.000 clipes ao conjunto de treinamento. Resolvemos 48% dos casos de falha capturados pela nossa telemetria do 10.11.
• Melhor recuperação de detecção de objetos distantes, regenerando o conjunto de dados com versões melhoradas das redes neurais usadas no rotulador automático, o que aumentou a qualidade dos dados.
• Melhor comportamento de compensação ao manobrar em torno de carros com portas abertas.
• Velocidade angular e velocidade centrada na pista aprimoradas para objetos não VRU, atualizando-as para tarefas previstas em rede.
• Maior conforto ao mudar de faixa atrás de veículos com desaceleração brusca através de uma integração mais estreita entre a estimativa de movimento futuro dos veículos líderes e o perfil de mudança de faixa planeada.
• O sistema aplica agora a aceleração prevista pela rede a todas as entidades em movimento, expandindo-se para além da limitação anterior apenas para alvos longitudinais.
• Os recursos visuais dos veículos ao redor foram atualizados para incluir indicadores que mostram quando a porta de um carro está aberta.
• O desempenho do sistema foi melhorado em 1,8 quadros por segundo através da eliminação de três redes neurais desatualizadas.
