Parece que después de varias iteraciones y ajustes, FSD Beta 10.69 está listo para implementarse en el mayor programa FSD Beta. Elon Musk mencionó la actualización en Twitter, y el CEO afirmó que v10.69.2.2. debería extenderse a 160.000 propietarios en los Estados Unidos y Canadá.
Al igual que sus otros anuncios sobre el programa FSD Beta, los comentarios de Musk se publicaron en Twitter. «FSD Beta 10.69.2.1 se ve bien y se extiende a 160 000 propietarios en EE. UU. y Canadá», escribió Musk antes de corregirse y aclarar que estaba hablando de FSD Beta 10.69.2.2, no de v10.69.2.1.
Si bien Elon Musk tiene una tendencia conocida a ser extremadamente optimista sobre las declaraciones relacionadas con FSD Beta, sus comentarios sobre v10.69.2.2 reflejan las observaciones de algunos de los miembros del programa desde hace mucho tiempo. Probador beta veterano de FSD @WholeMarsBlog, que no rehuye criticar el sistema si no funciona bien, señaló que sus adquisiciones con v10.69.2.2 han sido marginales. Compañero probador beta de FSD @GailAlfarATX informaron observaciones similares.
Tesla definitivamente parece estar presionando para lanzar FSD a su flota. Los comentarios recientes del director sénior de relaciones con los inversores de Tesla, Martin Viecha, durante una conferencia tecnológica de Goldman Sachs solo por invitación, han insinuado que el fabricante de vehículos eléctricos está en camino de lanzar FSD «supervisado» a finales de año. Eso es casi al mismo tiempo que la estimación de Elon Musk para el lanzamiento general de FSD.
Cabe señalar, por supuesto, que incluso si Tesla logra lanzar FSD «supervisado» a los consumidores antes de fin de año, la versión del sistema avanzado de asistencia al conductor aún requeriría que los conductores presten atención a la carretera y sigan las instrucciones adecuadas. prácticas de conducción. Sin embargo, con un FSD «supervisado» con funciones completas, los Tesla podrían navegar por sí mismos, independientemente de si están en la carretera o en las calles del centro de la ciudad. Y eso, en última instancia, es una característica que será extremadamente difícil de superar.
#fsdbeta 10.69.2.2 maneja a los peatones en el giro a la derecha. Una vez más, maneja a los peatones de manera clara y segura sin dudar de poner a la persona primero. Estoy impresionado con la progresión en cada actualización. @Elon Musk pic.twitter.com/6k7A2a1ImX
— Propietarios de Tesla Silicon Valley (@teslaownersSV) 20 de septiembre de 2022
A continuación, se encuentran las notas de la versión de FSD Beta v10.69.2.2, tal como las obtuvo NotaTeslaApp:
– Se agregó un nuevo módulo de «guía de carril profundo» a la red neuronal Vector Lanes que fusiona las características extraídas de las transmisiones de video con datos de mapas gruesos, es decir, conteos de carriles y conectividades de carriles. Esta arquitectura logra una tasa de error un 44 % menor en la topología de carriles en comparación con el modelo anterior, lo que permite un control más fluido antes de que los carriles y sus conectividades se vuelvan visualmente evidentes. Esto proporciona una manera de hacer que cada piloto automático conduzca tan bien como alguien que conduce su propio viaje, pero de una manera suficientemente general que se adapta a los cambios en la carretera.
– Suavidad de conducción general mejorada, sin sacrificar la latencia, a través de un mejor modelado del sistema y la latencia de actuación en la planificación de la trayectoria. El planificador de trayectoria ahora tiene en cuenta de forma independiente la latencia desde los comandos de dirección hasta la activación real de la dirección, así como desde los comandos de aceleración y freno hasta la activación. Esto da como resultado una trayectoria que es un modelo más preciso de cómo se conduciría el vehículo. Esto permite un mejor seguimiento y suavidad del controlador aguas abajo al mismo tiempo que permite una respuesta más precisa durante maniobras difíciles.
– Giros a la izquierda sin protección mejorados con un perfil de velocidad más apropiado al acercarse y salir de las regiones de cruce de la mediana, en presencia de tráfico cruzado de alta velocidad (giros a la izquierda sin protección al estilo “Chuck Cook”). Esto se hizo al permitir un tirón inicial optimizable, para imitar la dura presión del pedal por parte de un ser humano, cuando se requiere ir frente a objetos de alta velocidad. También se mejoró el perfil lateral al acercarse a tales regiones de seguridad para permitir una mejor pose que se alinea bien para salir de la región. Finalmente, se mejoró la interacción con los objetos que ingresan o esperan dentro de la región de cruce mediana con un mejor modelado de su intención futura.
– Se agregó control para volúmenes de movimiento arbitrarios de baja velocidad desde la red de ocupación. Esto también permite un control más preciso para formas de objetos más precisas que no se pueden representar fácilmente mediante un primitivo cuboide. Esto requería predecir la velocidad en cada vóxel 3D. Ahora podemos controlar los ovnis de movimiento lento.
– Red de ocupación mejorada para usar video en lugar de imágenes de un solo paso de tiempo. Este contexto temporal permite que la red sea robusta frente a las oclusiones temporales y permite la predicción del flujo de ocupación. Además, se mejoró la verdad del terreno con el rechazo de valores atípicos impulsado por la semántica, la extracción de ejemplos duros y el aumento del tamaño del conjunto de datos en 2,4 veces.
– Actualizado a una nueva arquitectura de dos etapas para producir cinemática de objetos (p. ej., velocidad, aceleración, tasa de guiñada) donde se asigna O (objetos) en lugar de O (espacio) a la computación de la red. Esto mejoró las estimaciones de velocidad para los vehículos que cruzan lejos en un 20 %, mientras se usaba una décima parte del cálculo.
– Mayor suavidad para giros a la derecha protegidos al mejorar la asociación de semáforos con carriles de acceso frente a señales de rendimiento con carriles de acceso. Esto reduce las desaceleraciones falsas cuando no hay objetos relevantes presentes y también mejora la posición de fluencia cuando están presentes.
– Reducción de falsas desaceleraciones cerca de los cruces peatonales. Esto se hizo con una mejor comprensión de la intención de los peatones y ciclistas en función de su movimiento.
– Se mejoró el error de geometría de los carriles relevantes para el ego en un 34 % y los carriles de cruce en un 21 % con una actualización completa de la red neuronal Vector Lanes. Los cuellos de botella de información en la arquitectura de la red se eliminaron al aumentar el tamaño de los extractores de funciones por cámara, los módulos de video, las partes internas del decodificador autorregresivo y al agregar un mecanismo de atención dura que mejoró en gran medida la posición precisa de los carriles.
– Se hizo el perfil de velocidad más cómodo cuando se arrastra por visibilidad, para permitir paradas más suaves cuando se protege de objetos potencialmente ocluidos.
– Se mejoró el recuerdo de los animales en un 34 % al duplicar el tamaño del conjunto de entrenamiento con etiquetas automáticas.
– Arrastramiento habilitado para la visibilidad en cualquier intersección donde los objetos puedan cruzarse en el camino de ego, independientemente de la presencia de controles de tráfico.
– Precisión mejorada de la posición de parada en escenarios críticos con objetos que se cruzan, al permitir que la resolución dinámica en la optimización de la trayectoria se centre más en áreas donde es esencial un control más preciso.
– Aumento del recuerdo de carriles de bifurcación en un 36 % al hacer que los tokens topológicos participen en las operaciones de atención del decodificador autorregresivo y al aumentar la pérdida aplicada a los tokens de bifurcación durante el entrenamiento.
– Se mejoró el error de velocidad para peatones y ciclistas en un 17 %, especialmente cuando el ego está girando, al mejorar la estimación de la trayectoria a bordo utilizada como entrada a la red neuronal.
– Recuperación mejorada de la detección de objetos, eliminando el 26 % de las detecciones faltantes para vehículos que cruzan lejos mediante el ajuste de la función de pérdida utilizada durante el entrenamiento y la mejora de la calidad de la etiqueta.
– Predicción mejorada de la trayectoria futura del objeto en escenarios con una alta tasa de guiñada al incorporar la tasa de guiñada y el movimiento lateral en la estimación de probabilidad. Esto ayuda con los objetos que entran o se alejan del carril de ego, especialmente en intersecciones o escenarios de corte.
– Velocidad mejorada al ingresar a la autopista mediante un mejor manejo de los próximos cambios de velocidad en el mapa, lo que aumenta la confianza de incorporarse a la autopista.
– Reducción de la latencia al partir de una parada al tener en cuenta el tirón del vehículo principal.
– Habilitó una identificación más rápida de los corredores de luz roja al evaluar su estado cinemático actual contra su perfil de frenado esperado.
Presione el botón «Grabar video» en la interfaz de usuario de la barra superior para compartir sus comentarios. Cuando se presiona, las cámaras externas de su vehículo compartirán una breve instantánea del piloto automático asociada al VIN con el equipo de ingeniería de Tesla para ayudar a realizar mejoras en FSD. No podrá ver el clip.
Tesla FSD Beta 10.69.2.2 se extiende a 160.000 propietarios en EE. UU. y Canadá: Elon Musk
