Сегодня Tesla выпустила последнюю версию бета-версии программного обеспечения Full Self Driving (FSD) для тех автомобилей, которые участвуют в программе тестирования. В настоящее время около 100 000 владельцев активно тестируют программное обеспечение Tesla FSD, и новейшая версия содержит множество улучшений.
Tesla заявляет, что обновление основано на более чем 250 000 обучающих видеороликах о движении ее автопарка, и компания впервые обнародовала такое количество. Новая бета-версия программного обеспечения FSD — сборка 2022.12.3.10, и это одно из самых обширных обновлений на сегодняшний день.
Есть несколько улучшений, связанных с уровнем уверенности, с которым система выполняет действия, и из системы были удалены три старые нейронные сети, что, по словам Теслы, позволяет повысить частоту кадров системы на 1,8 кадра в секунду.
Несмотря на то, что может означать ее название, FSD по-прежнему считается системой помощи водителю 2-го уровня, поскольку водителю необходимо сохранять бдительность и всегда быть готовым взять управление на себя. Система уровня 3 не требует ничего из этого, но пока это остается несбыточной мечтой.
Вот полный список изменений:
• Модернизированная система принятия решений для незащищенных поворотов налево с улучшенным моделированием реакции объектов на действия эго за счет добавления дополнительных функций, которые формируют решение «идти/не ехать». Это повышает устойчивость к зашумленным измерениям, в то же время обеспечивая большую устойчивость к решениям в пределах запаса безопасности. Система также использует срединные безопасные зоны, когда необходимо маневрировать на больших поворотах, и увеличивает ускорение при маневрах, когда требуется безопасный выезд с перекрестка.
• Улучшено сползание для улучшения видимости за счет более точной геометрии полосы движения и обнаружения препятствий с более высоким разрешением.
• Снижение количества попыток неудобных поворотов благодаря лучшей интеграции с прогнозами будущего объекта во время выбора полосы движения.
• Модернизированный планировщик, позволяющий меньше полагаться на полосы движения и плавно маневрировать из ограниченного пространства.
• Повышена безопасность поворотов при пересечении полосы движения за счет улучшения архитектуры нейронной сети полос, что значительно повысило запоминаемость и геометрическую точность пересечения полос.
• Улучшена запоминаемость и геометрическая точность всех дорожек за счет добавления 180 000 видеоклипов в обучающую выборку.
• Снижение количества ложных замедлений, связанных с управлением дорожным движением, благодаря лучшей интеграции со структурой полос движения и улучшенному поведению в отношении желтого света.
• Повышена геометрическая точность прогнозирования границ и линий дороги за счет добавления слоя смешивания/связывания с обобщенной статической сетью препятствий.
• Повышена геометрическая точность и понимание видимости за счет переобучения обобщенной сети статических препятствий с использованием улучшенных данных от устройства автоматической маркировки и добавления еще 30 000 видеоклипов.
• Улучшено запоминание мотоциклов, уменьшена ошибка скорости ближайших пешеходов и велосипедистов, а также уменьшена ошибка направления пешеходов за счет добавления в обучающий набор новых симуляционных данных и данных с автоматической маркировкой.
• Повышена точность атрибута «припарковано» на транспортных средствах за счет добавления 41 000 клипов в обучающий набор. Решено 48% случаев сбоев, зафиксированных нашей телеметрией от 10.11.
• Улучшено обнаружение удаленных пересекающихся объектов за счет регенерации набора данных с использованием улучшенных версий нейронных сетей, используемых в устройстве автоматической маркировки, что повысило качество данных.
• Улучшено поведение смещения при маневрировании вокруг автомобилей с открытыми дверями.
• Улучшена угловая скорость и скорость, ориентированная на полосу движения, для объектов, не относящихся к VRU, за счет ее модернизации для задач, прогнозируемых сетью.
• Повышенный комфорт при смене полосы движения позади транспортных средств с резким замедлением за счет более тесной интеграции между оценкой будущего движения ведущих транспортных средств и профилем запланированной смены полосы движения.
• Система теперь применяет прогнозируемое сетью ускорение ко всем движущимся объектам, выходя за рамки предыдущего ограничения и ограничивая только продольные цели.
• Визуальные ресурсы для окружающих транспортных средств были обновлены и теперь включают индикаторы, показывающие, когда дверь автомобиля открыта.
• Производительность системы увеличена на 1,8 кадров в секунду за счет исключения трех устаревших нейронных сетей.
