Skip to main content

يبدو أنه بعد العديد من التكرارات والتعديلات ، أصبح FSD Beta 10.69 جاهزًا للتداول في برنامج FSD Beta الأكبر. ذكر Elon Musk التحديث على Twitter ، حيث صرح الرئيس التنفيذي بأن v10.69.2.2. يجب أن يمتد إلى 160.000 مالك في الولايات المتحدة وكندا.

على غرار إعلاناته الأخرى حول برنامج FSD Beta ، تم نشر تعليقات Musk على Twitter. كتب ماسك قبل أن يصحح نفسه ويوضح أنه كان يتحدث عن FSD Beta 10.69.2.2 ، وليس الإصدار 10.69.2.1: “يبدو FSD Beta 10.69.2.1 جيدًا ، ويمتد إلى 160 ألف مالك في الولايات المتحدة وكندا”.

في حين أن Elon Musk لديه ميل معروف ليكون متفائلًا للغاية بشأن البيانات المتعلقة بـ FSD Beta ، فإن تعليقاته حول الإصدار 10.69.2.2 تعكس ملاحظات بعض أعضاء البرنامج منذ فترة طويلة. مختبِر بيتا FSD المخضرم تضمين التغريدة، الذي لا يخجل من انتقاد النظام إذا لم يعمل بشكل جيد ، لاحظ أن عمليات الاستحواذ التي قام بها باستخدام الإصدار 10.69.2.2 كانت هامشية. زميل مختبر FSD بيتا تضمين التغريدة ذكرت ملاحظات مماثلة.

يبدو أن Tesla بالتأكيد تدفع لإطلاق FSD لأسطولها. أشارت التعليقات الأخيرة من المدير الأول لعلاقات المستثمرين في Tesla ، Martin Viecha خلال مؤتمر Goldman Sachs التكنولوجي الذي تمت دعوته فقط ، إلى أن صانع السيارات الكهربائية في طريقه لإصدار FSD “الخاضع للإشراف” في نهاية العام تقريبًا. كان هذا في نفس الوقت تقريبًا مع تقدير Elon Musk لإصدار FSD الواسع.

وتجدر الإشارة ، بالطبع ، إلى أنه حتى إذا تمكنت Tesla من إصدار FSD “الخاضعة للإشراف” للمستهلكين بحلول نهاية العام ، فإن إصدار نظام مساعدة السائق المتقدم سيظل يتطلب من السائقين الانتباه إلى الطريق والمتابعة المناسبة ممارسات القيادة. ومع ذلك ، مع نظام FSD الكامل “الخاضع للإشراف” ، ستكون Teslas قادرة على التنقل بمفردها بغض النظر عما إذا كانت في الطريق السريع أو في شوارع المدينة الداخلية. وهذه ، في النهاية ، ميزة سيكون من الصعب للغاية التغلب عليها.

فيما يلي ملاحظات إصدار FSD Beta v10.69.2.2 ، كما تم استردادها بواسطة NotaTeslaApp:

– تمت إضافة وحدة جديدة “إرشادات الممرات العميقة” إلى الشبكة العصبية في Vector Lanes والتي تدمج الميزات المستخرجة من تدفقات الفيديو مع بيانات الخرائط التقريبية ، مثل عدد الممرات وتوصيلات الممرات. تحقق هذه البنية معدل خطأ أقل بنسبة 44٪ في طوبولوجيا الممرات مقارنة بالنموذج السابق ، مما يتيح تحكمًا أكثر سلاسة قبل الممرات وتصبح اتصالاتها ظاهرة بشكل مرئي. يوفر هذا طريقة لجعل كل قيادة ذاتية القيادة جيدة مثل أي شخص يقود تنقلاته الخاصة ، ولكن بطريقة عامة بما فيه الكفاية تتكيف مع تغييرات الطريق.

– تحسين سلاسة القيادة الكلية ، دون التضحية بزمن الاستجابة ، من خلال نمذجة أفضل للنظام وزمن التشغيل في تخطيط المسار. يُحسب مخطط المسار الآن بشكل مستقل الكمون من أوامر التوجيه إلى التشغيل الفعلي للتوجيه ، فضلاً عن أوامر التسارع والفرامل إلى التشغيل. ينتج عن هذا مسار يعد نموذجًا أكثر دقة لكيفية قيادة السيارة. يسمح ذلك بتتبع وحدة تحكم المصب بشكل أفضل وسلاسة مع السماح أيضًا باستجابة أكثر دقة أثناء المناورات القاسية.

– تم تحسين المنعطفات اليسرى غير المحمية بملف تعريف سرعة أكثر ملاءمة عند الاقتراب من مناطق التقاطع المتوسطة والخروج منها ، في وجود حركة مرور متقاطعة عالية السرعة (“أسلوب تشاك كوك” المنعطفات اليسرى غير المحمية). تم ذلك من خلال السماح للنفضات الأولية المحسّنة ، لتقليد الضغط القاسي على الدواسة من قبل الإنسان ، عند الحاجة إلى الذهاب أمام الأشياء عالية السرعة. كما تم تحسين المظهر الجانبي الجانبي الذي يقترب من مناطق الأمان هذه للسماح بوضع أفضل يتماشى جيدًا للخروج من المنطقة. أخيرًا ، تحسين التفاعل مع الكائنات التي تدخل أو تنتظر داخل منطقة التقاطع المتوسطة مع نمذجة أفضل لنواياها المستقبلية.

– التحكم الإضافي في أحجام النقل التعسفي منخفضة السرعة من شبكة الإشغال. يتيح هذا أيضًا تحكمًا أكثر دقة لأشكال الكائنات الأكثر دقة التي لا يمكن تمثيلها بسهولة بواسطة بدائي متوازي المستطيلات. هذا يتطلب توقع السرعة عند كل فوكسل ثلاثي الأبعاد. يمكننا الآن التحكم في الأجسام الطائرة المجهولة بطيئة الحركة.

– تمت ترقية شبكة الإشغال لاستخدام الفيديو بدلاً من الصور من خطوة واحدة. يسمح هذا السياق الزمني للشبكة بأن تكون قوية في حالات الانسداد المؤقت وتمكن من التنبؤ بتدفق الإشغال. أيضًا ، الحقيقة الأساسية المحسّنة مع الرفض الخارجي المستند إلى الدلالات ، وتعدين الأمثلة الصعبة ، وزيادة حجم مجموعة البيانات بمقدار 2.4x.

– تمت الترقية إلى بنية جديدة من مرحلتين لإنتاج حركيات الكائن (مثل السرعة ، والتسارع ، ومعدل الانعراج) حيث يتم تخصيص حساب الشبكة O (كائنات) بدلاً من O (الفضاء). أدى هذا إلى تحسين تقديرات السرعة للمركبات العابرة البعيدة بنسبة 20٪ ، مع استخدام عُشر الحساب.

– زيادة نعومة المنعطفات اليمنى المحمية من خلال تحسين ارتباط إشارات المرور مع الممرات المنزلقة مقابل إشارات الانزلاق مع الممرات المنزلقة. هذا يقلل من التباطؤ الكاذب في حالة عدم وجود كائنات ذات صلة ويحسن أيضًا موضع العائد عند وجودها.

– تقليل حالات التباطؤ الخاطئ بالقرب من ممرات المشاة. تم ذلك من خلال تحسين فهم نوايا المشاة وراكبي الدراجات بناءً على حركتهم.

– تم تحسين الخطأ الهندسي للممرات ذات الصلة بالذات بنسبة 34٪ والممرات المتقاطعة بنسبة 21٪ مع تحديث كامل للشبكة العصبية في Vector Lanes. تم القضاء على اختناقات المعلومات في بنية الشبكة عن طريق زيادة حجم مستخلصات الميزات لكل كاميرا ، ووحدات الفيديو ، والأجزاء الداخلية لوحدة فك ترميز الانحدار التلقائي ، وعن طريق إضافة آلية انتباه شديدة أدت إلى تحسين الوضع الدقيق للممرات بشكل كبير.

– جعل ملف تعريف السرعة أكثر راحة عند الزحف من أجل الرؤية ، للسماح بالتوقف بشكل أكثر سلاسة عند الحماية من الأجسام التي يحتمل أن تكون مسدودة.

– تم تحسين استدعاء الحيوانات بنسبة 34٪ من خلال مضاعفة حجم مجموعة التدريب ذات العلامات التلقائية.

– تمكين الزحف للرؤية عند أي تقاطع حيث يمكن للأشياء أن تعبر مسار الأنا ، بغض النظر عن وجود ضوابط حركة المرور.

– دقة مُحسَّنة لوضع التوقف في السيناريوهات الحرجة مع عبور الأجسام ، من خلال السماح بالدقة الديناميكية في تحسين المسار للتركيز بشكل أكبر على المناطق التي يكون فيها التحكم الدقيق أمرًا ضروريًا.

– زيادة سحب الممرات المتشعبة بنسبة 36٪ من خلال مشاركة الرموز الطوبولوجية في عمليات الانتباه لوحدة فك الشفرة الانحدارية وزيادة الخسارة المطبقة على الرموز المتشعبة أثناء التدريب.

– تم تحسين خطأ السرعة للمشاة وراكبي الدراجات بنسبة 17٪ ، خاصةً عندما تقوم الأنا بدورها ، من خلال تحسين تقدير المسار على متن المركب المستخدم كمدخل للشبكة العصبية.

– تحسين استدعاء اكتشاف الأشياء ، والقضاء على 26٪ من عمليات الكشف المفقودة للمركبات العابرة لمسافات بعيدة عن طريق ضبط وظيفة الخسارة المستخدمة أثناء التدريب وتحسين جودة الملصق.

– تحسين تنبؤ المسار المستقبلي للكائن في سيناريوهات ذات معدل انعراج مرتفع من خلال دمج معدل الانعراج والحركة الجانبية في تقدير الاحتمالية. يساعد هذا في تحويل الأشياء إلى حارة الأنا أو بعيدًا عنها ، خاصة في التقاطعات أو سيناريوهات القطع.

– تحسين السرعة عند الدخول إلى الطريق السريع من خلال التعامل بشكل أفضل مع تغييرات سرعة الخريطة القادمة ، مما يزيد من ثقة الاندماج في الطريق السريع.

– تقليل زمن الوصول عند البدء من التوقف عن طريق احتساب رعشة السيارة الرئيسية.

– تم تمكين تحديد أسرع لعدائى الضوء الأحمر من خلال تقييم الحالة الحركية الحالية لديهم مقابل ملف الكبح المتوقع.

اضغط على الزر “تسجيل الفيديو” في واجهة مستخدم الشريط العلوي لمشاركة ملاحظاتك. عند الضغط عليه ، ستشارك الكاميرات الخارجية لسيارتك لقطة الطيار الآلي القصيرة المرتبطة بـ VIN مع فريق هندسة Tesla للمساعدة في إجراء تحسينات على FSD. لن تتمكن من مشاهدة المقطع.

Tesla FSD Beta 10.69.2.2 يمتد إلى 160 ألف مالك في الولايات المتحدة وكندا: Elon Musk

Leave a Reply