Skip to main content

Nampaknya selepas beberapa lelaran dan pelarasan, FSD Beta 10.69 sedia untuk dilancarkan ke program Beta FSD yang lebih besar. Elon Musk menyebut kemas kini di Twitter, dengan Ketua Pegawai Eksekutif menyatakan bahawa v10.69.2.2. hendaklah dilanjutkan kepada 160,000 pemilik di Amerika Syarikat dan Kanada.

Sama seperti pengumumannya yang lain mengenai program Beta FSD, komen Musk telah disiarkan di Twitter. “FSD Beta 10.69.2.1 kelihatan bagus, meluas kepada 160k pemilik di AS & Kanada,” tulis Musk sebelum membetulkan dirinya dan menjelaskan bahawa dia bercakap tentang FSD Beta 10.69.2.2, bukan v10.69.2.1.

Walaupun Elon Musk mempunyai kecenderungan yang diketahui untuk bersikap sangat optimistik tentang kenyataan berkaitan Beta FSD, ulasannya tentang v10.69.2.2 mencerminkan pemerhatian daripada beberapa ahli program yang lama. Penguji Beta FSD veteran @WholeMarsBlog, yang tidak mengelak daripada mengkritik sistem jika ia tidak berfungsi dengan baik, menyatakan bahawa pengambilalihannya dengan v10.69.2.2 adalah kecil. Rakan penguji Beta FSD @GailAlfarATX melaporkan pemerhatian yang serupa.

Tesla nampaknya sedang berusaha untuk melepaskan FSD kepada armadanya. Komen terbaharu daripada Pengarah Kanan Perhubungan Pelabur Tesla, Martin Viecha semasa persidangan teknologi Goldman Sachs yang dijemput sahaja telah membayangkan bahawa pembuat kenderaan elektrik itu berada di landasan untuk mengeluarkan FSD “diawasi” sekitar akhir tahun ini. Itu kira-kira masa yang sama dengan anggaran Elon Musk untuk keluaran luas FSD.

Perlu diingat, sudah tentu, walaupun Tesla berjaya mengeluarkan FSD “diawasi” kepada pengguna menjelang akhir tahun, versi sistem bantuan pemandu lanjutan masih memerlukan pemandu untuk memberi perhatian kepada jalan raya dan mengikut cara yang betul. amalan memandu. Dengan FSD “diawasi” yang lengkap dengan ciri, walau bagaimanapun, Teslas akan dapat menavigasi sendiri tanpa mengira sama ada mereka berada di lebuh raya atau di jalan dalam bandar. Dan itu, akhirnya, adalah ciri yang sangat sukar untuk dikalahkan.

Berikut ialah nota keluaran FSD Beta v10.69.2.2, seperti yang diambil oleh NotaTeslaApp:

– Menambah modul “panduan lorong dalam” baharu pada rangkaian neural Lorong Vektor yang menggabungkan ciri yang diekstrak daripada strim video dengan data peta kasar, iaitu kiraan lorong dan ketersambungan lorong. Seni bina ini mencapai kadar ralat 44% lebih rendah pada topologi lorong berbanding model sebelumnya, membolehkan kawalan yang lebih lancar sebelum lorong dan ketersambungannya menjadi jelas secara visual. Ini menyediakan cara untuk menjadikan setiap pemanduan Autopilot sebaik seseorang memandu ulang-alik mereka sendiri, namun dengan cara yang cukup umum yang menyesuaikan diri untuk perubahan jalan.

– Meningkatkan kelancaran pemanduan keseluruhan, tanpa mengorbankan kependaman, melalui pemodelan sistem dan kependaman penggerak yang lebih baik dalam perancangan trajektori. Perancang trajektori kini secara bebas mengambil kira kependaman daripada arahan stereng kepada penggerak stereng sebenar, serta arahan pecutan dan brek kepada penggerak. Ini menghasilkan trajektori yang merupakan model yang lebih tepat tentang cara kenderaan itu dipandu. Ini membolehkan penjejakan dan kelancaran pengawal hiliran yang lebih baik di samping membenarkan tindak balas yang lebih tepat semasa gerakan yang keras.

– Belok kiri tanpa perlindungan dipertingkatkan dengan profil kelajuan yang lebih sesuai apabila menghampiri dan keluar dari kawasan median silang, dengan kehadiran trafik lintasan berkelajuan tinggi (“gaya Chuck Cook” belok kiri tanpa perlindungan). Ini dilakukan dengan membenarkan jerk awal yang boleh dioptimumkan, untuk meniru tekanan pedal yang keras oleh manusia, apabila diperlukan untuk pergi di hadapan objek berkelajuan tinggi. Juga menambah baik profil sisi yang menghampiri kawasan keselamatan sedemikian untuk membolehkan pose yang lebih baik yang sejajar dengan baik untuk keluar dari kawasan tersebut. Akhir sekali, interaksi yang lebih baik dengan objek yang memasuki atau menunggu di dalam wilayah silang median dengan pemodelan yang lebih baik untuk tujuan masa depan mereka.

– Kawalan tambahan untuk volum bergerak kelajuan rendah sewenang-wenangnya daripada Rangkaian Penghuni. Ini juga membolehkan kawalan yang lebih halus untuk bentuk objek yang lebih tepat yang tidak mudah diwakili oleh primitif kuboid. Ini memerlukan halaju ramalan pada setiap voxel 3D. Kami kini boleh mengawal UFO yang bergerak perlahan.

– Rangkaian Penghunian Dinaik Taraf untuk menggunakan video dan bukannya imej dari satu langkah masa. Konteks temporal ini membolehkan rangkaian menjadi teguh kepada oklusi sementara dan membolehkan ramalan aliran penghunian. Selain itu, kebenaran asas yang dipertingkatkan dengan penolakan outlier didorong semantik, perlombongan contoh keras dan meningkatkan saiz set data sebanyak 2.4x.

– Dinaik taraf kepada seni bina dua peringkat baharu untuk menghasilkan kinematik objek (cth halaju, pecutan, kadar yaw) di mana pengiraan rangkaian diperuntukkan O(objek) dan bukannya O(ruang). Anggaran halaju yang dipertingkatkan ini untuk kenderaan lintasan jauh sebanyak 20%, sambil menggunakan satu persepuluh daripada pengiraan.

– Peningkatan kelancaran untuk belokan kanan yang dilindungi dengan menambah baik perkaitan lampu isyarat dengan lorong gelincir berbanding papan tanda alah dengan lorong gelincir. Ini mengurangkan kelembapan palsu apabila tiada objek yang berkaitan hadir dan juga meningkatkan kedudukan menghasilkan apabila ia hadir.

– Mengurangkan kelembapan palsu berhampiran persimpangan jalan. Ini dilakukan dengan pemahaman yang lebih baik tentang niat pejalan kaki dan penunggang basikal berdasarkan gerakan mereka.

– Ralat geometri lorong berkaitan ego dipertingkat sebanyak 34% dan lorong lintasan sebanyak 21% dengan kemas kini rangkaian neural Vector Lanes penuh. Kesesakan maklumat dalam seni bina rangkaian telah dihapuskan dengan meningkatkan saiz pengekstrak ciri setiap kamera, modul video, bahagian dalam penyahkod autoregresif, dan dengan menambah mekanisme perhatian keras yang meningkatkan kedudukan lorong yang baik.

– Menjadikan profil kelajuan lebih selesa apabila merayap untuk keterlihatan, untuk membolehkan perhentian yang lebih lancar apabila melindungi objek yang mungkin tersumbat.

– Penambahbaikan penarikan semula haiwan sebanyak 34% dengan menggandakan saiz set latihan berlabel auto.

– Mendayakan menjalar untuk keterlihatan di mana-mana persimpangan di mana objek mungkin melintasi laluan ego, tanpa mengira kehadiran kawalan trafik.

– Peningkatan ketepatan kedudukan berhenti dalam senario kritikal dengan melintasi objek, dengan membenarkan resolusi dinamik dalam pengoptimuman trajektori untuk lebih memfokuskan pada kawasan yang memerlukan kawalan yang lebih halus.

– Peningkatan penarikan balik lorong bercabang sebanyak 36% dengan mempunyai token topologi mengambil bahagian dalam operasi perhatian penyahkod autoregresif dan dengan meningkatkan kerugian yang dikenakan pada token garpu semasa latihan.

– Meningkatkan ralat halaju untuk pejalan kaki dan penunggang basikal sebanyak 17%, terutamanya apabila ego membuat pusingan, dengan menambah baik anggaran trajektori onboard yang digunakan sebagai input kepada rangkaian saraf.

– Penambahbaikan mengingat pengesanan objek, menghapuskan 26% pengesanan yang hilang untuk kenderaan yang melintasi jauh dengan menala fungsi kehilangan yang digunakan semasa latihan dan meningkatkan kualiti label.

– Ramalan laluan masa hadapan objek dipertingkatkan dalam senario dengan kadar menguap yang tinggi dengan memasukkan kadar menguap dan gerakan sisi ke dalam anggaran kemungkinan. Ini membantu dengan objek yang membelok ke dalam atau menjauhi lorong ego, terutamanya dalam persimpangan atau senario cut-in.

– Kelajuan yang dipertingkatkan apabila memasuki lebuh raya dengan pengendalian yang lebih baik terhadap perubahan kelajuan peta yang akan datang, yang meningkatkan keyakinan untuk bergabung ke lebuh raya.

– Kependaman berkurangan apabila bermula dari perhentian dengan mengambil kira jerk kenderaan plumbum.

– Mendayakan pengenalpastian lebih pantas bagi pelari lampu merah dengan menilai keadaan kinematik semasa mereka terhadap profil brek yang dijangkakan.

Tekan butang “Rakam Video” pada UI bar atas untuk berkongsi maklum balas anda. Apabila ditekan, kamera luaran kenderaan anda akan berkongsi Syot Kilat Autopilot pendek berkaitan VIN dengan pasukan kejuruteraan Tesla untuk membantu membuat penambahbaikan pada FSD. Anda tidak akan dapat melihat klip itu.

Tesla FSD Beta 10.69.2.2 diperluaskan kepada 160k pemilik di AS dan Kanada: Elon Musk

Leave a Reply