टेस्ला एफएसडी बीटा वी11.4.1 रिलीज नोट जारी

FSD बीटा V.11.4.1 के लिए Tesla के रिलीज़ नोट अब बाहर हैं।

संस्करण 11.4.1 एक और मामूली अद्यतन की तरह लग सकता है, लेकिन एलोन मस्क ने टिप्पणी की कि यह एफएसडी बीटा में कुछ महत्वपूर्ण सुधार पेश करता है। में एक करेंमस्क ने संकेत दिया कि FSD बीटा V.12 में क्या आने वाला है।

“जैसा कि पहले उल्लेख किया गया है, V11.4.1 में प्रमुख वास्तुशिल्प सुधार हैं, यह वास्तव में एक बिंदु रिलीज से कहीं अधिक है। यकीनन v12.0 होना चाहिए, लेकिन यह तब के लिए आरक्षित है जब FSD वीडियो से पूरी तरह से AI को नियंत्रित करने के लिए है, ”मस्क ने टिप्पणी की।

V11.4.1 में पेश किए गए सभी सुधार नीचे दिए गए हैं।

ज्यामिति, वक्रता, स्थिति, प्रकार और गलियों, रेखाओं, सड़क के किनारों और प्रतिबंधित स्थान की टोपोलॉजी में सुधार करके मोड़ों के माध्यम से बेहतर नियंत्रण और सामान्य रूप से चिकनाई। अन्य सुधारों में, एक बड़े और स्वच्छ प्रशिक्षण सेट और अपडेटेड लेन-गाइडेंस मॉड्यूल के कारण, शहर की सड़कों में लेन की धारणा में 36% सुधार हुआ, फोर्क्स में 44% सुधार हुआ, मर्ज में 27% सुधार हुआ और टर्न में 16% सुधार हुआ। लंबी दूरी की सड़क सुविधाओं का पता लगाने में सुधार करने के लिए ऑक्यूपेंसी नेटवर्क में लेन-मार्गदर्शन इनपुट जोड़े गए, जिसके परिणामस्वरूप झूठी नकारात्मक औसत पहचान में 16% की कमी आई। उन मामलों में पैदल चलने वालों को पार करने के लिए अहंकार की मुखरता में सुधार जहां अहंकार आसानी से और सुरक्षित रूप से पैदल यात्री से पहले पार कर सकता है। बेहतर मोटरबाइक रिकॉल में 8% की वृद्धि हुई है और झूठी सकारात्मक पहचान को कम करने के लिए वाहन का पता लगाने की सटीकता में वृद्धि हुई है। ये मॉडल विजन फ्रेम-रेट में भिन्नता के लिए अधिक मजबूती भी जोड़ते हैं। अन्य वाहनों द्वारा ईगो लेन में 43% की कमी के कारण हस्तक्षेप कम हो जाता है। यह संभाव्य रूप से प्रत्याशित वस्तुओं के लिए एक ढांचा बनाकर पूरा किया गया था जो अहंकार की लेन में कटौती कर सकता है और इन वायदाओं के लिए अहंकार की स्थिति को बेहतर ढंग से समायोजित करने और / या गति को समायोजित कर सकता है। पास-पास के वाहनों के लिए लेन-केंद्रित वेग त्रुटि को 40-50% कम करके बेहतर कट-इन नियंत्रण। पर्यवेक्षण में सुधार के लिए लेन-परिवर्तन प्रक्षेपवक्र की अतिरिक्त सुविधाओं का उपयोग करके ऑब्जेक्ट आंशिक लेन अतिक्रमण के लिए 20% तक बेहतर रिकॉल, उच्च यॉ-रेट कट-इन 40% और कट-आउट 26%। बेहतर ऑटो-लेबल ग्राउंड ट्रूथ के साथ प्रशिक्षण सेट में 68K वीडियो जोड़कर दूर की वस्तु के लिए कम वेग से संबंधित हाईवे फाल्स स्लोडाउन को कम किया। पैंतरेबाज़ी के लिए अनुमत पार्श्व झटके की मात्रा को ट्यून करके बड़े वाहनों के लिए इन-लेन ऑफ़सेटिंग को सुचारू किया। आगामी उच्च-वक्रता विलय के लिए बेहतर पार्श्व नियंत्रण मर्जिंग लेन से पूर्वाग्रह दूर हो जाता है।