Elon Musk heeft onlangs enkele updates gegeven over de brede uitrol van FSD Beta 10.13. De nieuwste versie van het geavanceerde rijhulpsysteem van het bedrijf begon eerder deze maand met de eerste release, maar de brede release is nog niet gestart.
In een recent bericht op Twitter gaf Elon Musk toe dat, hoewel Tesla extreem hard werkt aan FSD Beta 10.13, het systeem zelf nog niet klaar is voor brede release. Hij schatte dat de brede release van FSD Beta 10.13 waarschijnlijk over een week of zo zou duren, maar als dat het geval is, zullen stuurprogramma’s buiten Californië enkele zeer opmerkelijke verbeteringen ervaren.
Zoals opgemerkt door de CEO van Tesla, zullen gebruikers “buiten Californië de verbeteringen het meest opmerken”. Dit is een interessante opmerking, vooral gezien het feit dat Musk in het verleden heeft toegegeven dat FSD Beta “beter lijkt te werken in Californië” dan in andere gebieden zoals Rhode Island. Musk gaf dit vorig jaar toe en merkte op dat FSD Beta overmatig is aangepast aan de Bay Area.
10.13 is waarschijnlijk een week of zo weg, maar ja. Mensen buiten Californië zullen verbeteringen het meest opmerken.
— Elon Musk (@elonmusk) 29 juli 2022
Zoals opgemerkt in een Benzinga-rapport, suggereert overfitting in statistieken dat een model veel te nauw verband houdt met een specifieke set gegevenspunten, wat mogelijk niet goed wordt vertaald met verschillende gegevenspunten. In het geval van FSD Beta kan dit ertoe leiden dat het geavanceerde rijhulpsysteem zeer goed werkt in gebieden zoals San Francisco, maar niet zo goed in andere gebieden van de Verenigde Staten.
Uit de release-opmerkingen van FSD Beta 10.13 die eerder deze maand zijn gelekt, blijkt dat de update een aantal belangrijke prestatieverbeteringen bevat.
Hieronder volgen de gedeeltelijke release-opmerkingen van FSD Beta 10.13 die tot nu toe zijn gedeeld:
Verbeterde besluitvorming voor onbeschermde bochten naar links met behulp van een betere schatting van de interactie van het ego met andere objecten tijdens de manoeuvre. Verbeterde stophouding terwijl meegeven voor het kruisen van objecten bij onbeschermde bochten naar links in “Chuck Cook-stijl” door gebruik te maken van de mediane veiligheidsregio’s. Snelheidsprofiel comfortabeler gemaakt bij het kruipen voor zichtbaarheid, om soepelere stops mogelijk te maken bij het beschermen van mogelijk afgesloten objecten. Kruipen ingeschakeld voor zichtbaarheid op elk kruispunt waar objecten het pad van het ego kunnen kruisen, ongeacht de aanwezigheid van verkeersregelaars. Verbeterde rijstrookpositiefout met 5% en rijstrookherinnering met 12%… Verbeterde rijstrookpositiefout bij het oversteken en samenvoegen van rijstroken met 22% door het toevoegen van langeafstandsverbindingen en een krachtigere trunk aan de netwerkarchitectuur. Verbeterde snelheidsfout van voetgangers en fietsers met 17%, vooral wanneer het ego een bocht maakt, door de schatting van het traject aan boord die wordt gebruikt als invoer voor het neurale netwerk te verbeteren. Verbeterde terugroepactie voor dierdetectie met 34% en verminderde valse positieven met 8% door de grootte van de automatisch gelabelde trainingsset te verdubbelen. Verbeterde detectieherinnering van overstekende voertuigen op grote afstand met 4% door de verliesfunctie die tijdens de training wordt gebruikt af te stemmen en de labelkwaliteit te verbeteren. Verbetering van het kenmerk “staat geparkeerd” voor voertuigen met 5% door 20% meer voorbeelden toe te voegen aan de trainingsset. Het bezettingsnetwerk geüpgraded om dynamische objecten te detecteren en de prestaties te verbeteren door een videomodule toe te voegen, de verliesfunctie af te stemmen en 37k nieuwe clips aan de trainingsset toe te voegen. Verminderde valse vertragingen rond zebrapaden door betere classificatie van voetgangers en fietsers als niet van plan om met ego te communiceren. Minder valse rijstrookwisselingen voor kegels of blokkades door waar nodig de voorkeur te geven aan zachte compensatie in de rijstrook. Verbeterde in-lane positionering op brede woonwegen. Verbeterde voorspelling van het toekomstige pad van objecten in scenario’s met een hoge giersnelheid. Verbeterde nauwkeurigheid van snelheidsborden op digitale snelheidslimieten met 29%, op borden met moeilijk relevantie met 23%, op 3-cijferige snelheden met 39% en op snelheidslimietborden met 62%. Het neurale netwerk werd getraind met 84% meer voorbeelden in de trainingsset en met architectuurwijzigingen die meer rekenkracht toekenden aan de netwerkkop.
Verbeteringen van Tesla FSD Beta 10.13 worden (vooral) duidelijk voor niet-CA-gebruikers
