Skip to main content

ऐसा प्रतीत होता है कि कई पुनरावृत्तियों और समायोजनों के बाद, FSD बीटा 10.69 अधिक से अधिक FSD बीटा प्रोग्राम में रोल आउट करने के लिए तैयार है। एलोन मस्क ने ट्विटर पर अपडेट का उल्लेख किया, सीईओ ने कहा कि v10.69.2.2. संयुक्त राज्य अमेरिका और कनाडा में 160,000 मालिकों तक विस्तारित होना चाहिए।

एफएसडी बीटा कार्यक्रम के बारे में उनकी अन्य घोषणाओं के समान, मस्क की टिप्पणियों को ट्विटर पर पोस्ट किया गया था। “FSD बीटा 10.69.2.1 अच्छा लग रहा है, यूएस और कनाडा में 160k मालिकों तक फैला हुआ है,” मस्क ने खुद को सही करने और स्पष्ट करने से पहले लिखा कि वह FSD बीटा 10.69.2.2 के बारे में बात कर रहे थे, v10.69.2.1 के बारे में नहीं।

जबकि एलोन मस्क की एफएसडी बीटा-संबंधित बयानों के बारे में अत्यधिक आशावादी होने की एक ज्ञात प्रवृत्ति है, v10.69.2.2 के बारे में उनकी टिप्पणियां कार्यक्रम के कुछ लंबे समय के सदस्यों की टिप्पणियों को दर्शाती हैं। वयोवृद्ध एफएसडी बीटा परीक्षक @WholeMarsBlog, जो अच्छी तरह से काम नहीं करने पर सिस्टम की आलोचना करने से नहीं कतराते हैं, उन्होंने कहा कि v10.69.2.2 के साथ उनका अधिग्रहण मामूली रहा है। फेलो एफएसडी बीटा टेस्टर @GailAlfarATX इसी तरह की टिप्पणियों की सूचना दी।

टेस्ला निश्चित रूप से अपने बेड़े में एफएसडी जारी करने पर जोर दे रही है। केवल एक आमंत्रण गोल्डमैन सैक्स तकनीकी सम्मेलन के दौरान टेस्ला के निवेशक संबंधों के वरिष्ठ निदेशक मार्टिन विचा की हालिया टिप्पणियों ने संकेत दिया है कि इलेक्ट्रिक वाहन निर्माता वर्ष के अंत में “पर्यवेक्षित” एफएसडी जारी करने के लिए ट्रैक पर है। यह लगभग उसी समय के आसपास है जब एफएसडी के व्यापक रिलीज के लिए एलोन मस्क का अनुमान है।

बेशक, यह ध्यान दिया जाना चाहिए कि भले ही टेस्ला वर्ष के अंत तक उपभोक्ताओं को “पर्यवेक्षित” एफएसडी जारी करने का प्रबंधन करता है, उन्नत ड्राइवर-सहायता प्रणाली के संस्करण में अभी भी ड्राइवरों को सड़क पर ध्यान देने और उचित पालन करने की आवश्यकता होगी ड्राइविंग अभ्यास। फीचर-पूर्ण “पर्यवेक्षित” एफएसडी के साथ, हालांकि, टेस्ला अपने आप नेविगेट करने में सक्षम होंगे, भले ही वे राजमार्ग पर हों या शहर की भीतरी सड़कों पर हों। और वह, आखिरकार, एक ऐसी विशेषता है जिसे हरा पाना बेहद मुश्किल होगा।

FSD बीटा v10.69.2.2 के रिलीज़ नोट निम्नलिखित हैं, जैसा कि NotaTeslaApp द्वारा पुनर्प्राप्त किया गया है:

– वेक्टर लेन न्यूरल नेटवर्क में एक नया “डीप लेन गाइडेंस” मॉड्यूल जोड़ा गया है जो मोटे मैप डेटा, यानी लेन काउंट और लेन कनेक्टिविटी के साथ वीडियो स्ट्रीम से निकाले गए फीचर्स को फ्यूज करता है। यह आर्किटेक्चर पिछले मॉडल की तुलना में लेन टोपोलॉजी पर 44% कम त्रुटि दर प्राप्त करता है, जिससे लेन से पहले सहज नियंत्रण सक्षम होता है और उनकी कनेक्टिविटी स्पष्ट रूप से स्पष्ट हो जाती है। यह प्रत्येक ऑटोपायलट ड्राइव को उतना ही अच्छा बनाने का एक तरीका प्रदान करता है जितना कि कोई अपना स्वयं का आवागमन चला रहा है, फिर भी पर्याप्त रूप से सामान्य तरीके से जो सड़क परिवर्तन के लिए अनुकूल है।

– प्रक्षेपवक्र योजना में सिस्टम के बेहतर मॉडलिंग और एक्चुएशन लेटेंसी के माध्यम से, विलंबता का त्याग किए बिना, समग्र ड्राइविंग सुगमता में सुधार। प्रक्षेपवक्र योजनाकार अब स्वतंत्र रूप से स्टीयरिंग कमांड से वास्तविक स्टीयरिंग एक्ट्यूएशन के साथ-साथ त्वरण और ब्रेक कमांड से एक्ट्यूएशन के लिए विलंबता के लिए जिम्मेदार है। इसका परिणाम एक प्रक्षेपवक्र में होता है जो एक अधिक सटीक मॉडल है कि वाहन कैसे चलेगा। यह बेहतर डाउनस्ट्रीम नियंत्रक ट्रैकिंग और चिकनाई की अनुमति देता है जबकि कठोर युद्धाभ्यास के दौरान अधिक सटीक प्रतिक्रिया की अनुमति देता है।

– हाई स्पीड क्रॉस ट्रैफिक (“चक कुक स्टाइल” असुरक्षित बाएं मोड़) की उपस्थिति में, मध्य क्रॉसओवर क्षेत्रों में आने और बाहर निकलने पर अधिक उपयुक्त गति प्रोफ़ाइल के साथ बेहतर असुरक्षित बाएं मुड़ता है। यह एक मानव द्वारा कठोर पेडल प्रेस की नकल करने के लिए अनुकूलन योग्य प्रारंभिक झटका की अनुमति देकर किया गया था, जब उच्च गति वाली वस्तुओं के सामने जाने की आवश्यकता होती है। इस तरह के सुरक्षा क्षेत्रों में आने वाले पार्श्व प्रोफ़ाइल में भी सुधार हुआ ताकि बेहतर मुद्रा की अनुमति मिल सके जो क्षेत्र से बाहर निकलने के लिए अच्छी तरह से संरेखित हो। अंत में, अपने भविष्य के इरादे के बेहतर मॉडलिंग के साथ मध्य क्रॉसओवर क्षेत्र में प्रवेश करने या प्रतीक्षा करने वाली वस्तुओं के साथ बेहतर बातचीत।

– ऑक्यूपेंसी नेटवर्क से मनमाने ढंग से कम गति वाले मूविंग वॉल्यूम के लिए अतिरिक्त नियंत्रण। यह अधिक सटीक वस्तु आकृतियों के लिए बेहतर नियंत्रण को भी सक्षम बनाता है जिसे आसानी से एक घनाकार आदिम द्वारा प्रदर्शित नहीं किया जा सकता है। इसके लिए प्रत्येक 3डी स्वर पर वेग की भविष्यवाणी करना आवश्यक था। अब हम धीमी गति से चलने वाले यूएफओ पर नियंत्रण कर सकते हैं।

– सिंगल टाइम स्टेप से छवियों के बजाय वीडियो का उपयोग करने के लिए अपग्रेडेड ऑक्यूपेंसी नेटवर्क। यह अस्थायी संदर्भ नेटवर्क को अस्थायी अवरोधों के लिए मजबूत होने की अनुमति देता है और अधिभोग प्रवाह की भविष्यवाणी को सक्षम बनाता है। इसके अलावा, शब्दार्थ-चालित बाहरी अस्वीकृति, कठिन उदाहरण खनन, और डेटासेट आकार में 2.4x की वृद्धि के साथ जमीनी सच्चाई में सुधार हुआ है।

– ऑब्जेक्ट किनेमेटिक्स (जैसे वेग, त्वरण, यॉ दर) का उत्पादन करने के लिए एक नए दो-चरण आर्किटेक्चर में अपग्रेड किया गया जहां नेटवर्क गणना ओ (स्पेस) के बजाय ओ (ऑब्जेक्ट्स) आवंटित की जाती है। गणना के दसवें हिस्से का उपयोग करते हुए, दूर के पार करने वाले वाहनों के लिए यह बेहतर वेग अनुमान 20% तक है।

– स्लिप लेन बनाम यील्ड साइन्स के साथ स्लिप लेन के साथ ट्रैफिक लाइट के जुड़ाव में सुधार करके संरक्षित दाएं मुड़ने के लिए सुगमता में वृद्धि। यह झूठी मंदी को कम करता है जब कोई प्रासंगिक वस्तु मौजूद नहीं होती है और जब वे मौजूद होती हैं तो उपज की स्थिति में भी सुधार होता है।

– चौराहों के पास कम झूठी मंदी। यह उनकी गति के आधार पर पैदल यात्री और साइकिल चालक के इरादे की बेहतर समझ के साथ किया गया था।

– पूर्ण वेक्टर लेन न्यूरल नेटवर्क अपडेट के साथ अहं-प्रासंगिक लेन की ज्यामिति त्रुटि में 34% और क्रॉसिंग लेन में 21% की वृद्धि। प्रति-कैमरा फीचर एक्सट्रैक्टर्स, वीडियो मॉड्यूल, ऑटोरेग्रेसिव डिकोडर के इंटर्नल के आकार को बढ़ाकर और एक हार्ड अटेंशन मैकेनिज्म जोड़कर नेटवर्क आर्किटेक्चर में सूचना बाधाओं को समाप्त कर दिया गया, जिससे लेन की ठीक स्थिति में काफी सुधार हुआ।

– दृश्यता के लिए रेंगते समय गति प्रोफ़ाइल को और अधिक आरामदायक बनाया, संभावित रूप से रोकी गई वस्तुओं की सुरक्षा करते समय स्मूथ स्टॉप की अनुमति देने के लिए।

– ऑटो-लेबल प्रशिक्षण सेट के आकार को दोगुना करके 34% तक जानवरों की बेहतर याद।

– यातायात नियंत्रण की उपस्थिति की परवाह किए बिना, किसी भी चौराहे पर दृश्यता के लिए सक्षम रेंगना जहां वस्तुएं अहंकार के मार्ग को पार कर सकती हैं।

– क्रॉसिंग ऑब्जेक्ट्स के साथ महत्वपूर्ण परिदृश्यों में स्थिति को रोकने की बेहतर सटीकता, प्रक्षेपवक्र अनुकूलन में गतिशील संकल्प की अनुमति देकर उन क्षेत्रों पर अधिक ध्यान केंद्रित करना जहां बेहतर नियंत्रण आवश्यक है।

– टोपोलॉजिकल टोकनों को ऑटोरेग्रेसिव डिकोडर के ध्यान संचालन में भाग लेने और प्रशिक्षण के दौरान फोर्क टोकन पर लागू होने वाले नुकसान को बढ़ाकर फोर्किंग लेन की 36% की वृद्धि।

– तंत्रिका नेटवर्क में इनपुट के रूप में उपयोग किए जाने वाले ऑनबोर्ड प्रक्षेपवक्र अनुमान में सुधार करके, पैदल चलने वालों और साइकिल चालकों के लिए 17% तक बेहतर वेग त्रुटि, खासकर जब अहंकार एक मोड़ बना रहा हो।

– ऑब्जेक्ट डिटेक्शन की बेहतर याद, प्रशिक्षण के दौरान इस्तेमाल होने वाले लॉस फंक्शन को ट्यून करके और लेबल की गुणवत्ता में सुधार करके दूर के क्रॉसिंग वाहनों के लिए 26% लापता डिटेक्शन को खत्म करना।

– संभावना अनुमान में यॉ दर और पार्श्व गति को शामिल करके उच्च यॉ दर वाले परिदृश्यों में बेहतर वस्तु भविष्य पथ भविष्यवाणी। यह वस्तुओं को अहंकार की लेन में या उससे दूर जाने में मदद करता है, विशेष रूप से चौराहों या कट-इन परिदृश्यों में।

– आगामी मानचित्र गति परिवर्तनों को बेहतर ढंग से संभालने से राजमार्ग में प्रवेश करते समय बेहतर गति, जिससे राजमार्ग पर विलय का विश्वास बढ़ता है।

– लीड व्हीकल जर्क के हिसाब से स्टॉप से ​​​​शुरू करने पर कम विलंबता।

– उनके अपेक्षित ब्रेकिंग प्रोफाइल के खिलाफ उनकी वर्तमान गतिज स्थिति का मूल्यांकन करके लाल बत्ती धावकों की तेजी से पहचान को सक्षम किया।

अपनी प्रतिक्रिया साझा करने के लिए शीर्ष बार UI पर “वीडियो रिकॉर्ड” बटन दबाएं। दबाए जाने पर, आपके वाहन के बाहरी कैमरे FSD में सुधार करने में मदद करने के लिए टेस्ला इंजीनियरिंग टीम के साथ एक छोटा VIN-संबद्ध ऑटोपायलट स्नैपशॉट साझा करेंगे। आप क्लिप नहीं देख पाएंगे।

टेस्ला एफएसडी बीटा 10.69.2.2 यूएस और कनाडा में 160k मालिकों तक विस्तारित: एलोन मस्क

Leave a Reply