Tesla FSD Beta 11 umożliwia to na autostradach, ponieważ wprowadza agresywne hamowanie dla biegaczy na czerwonym świetle i notatki głosowe dla kierowców

Tesla jest na progu szerszego wydania FSD Beta 11, ponieważ aktualizacja v11.3 została już najwyraźniej udostępniona swoim pracownikom, a notatki dotyczące wydania zostały umieszczone w sieci. Po raz pierwszy FSD Beta pojawi się jako uniwersalne rozwiązanie z jednym stosem, które nie miesza nowszego kodu dla jazdy miejskiej z dużo starszym stosem autostradowym Autopilot, który był przeznaczony dla bardziej podstawowego sprzętu i funkcji autonomicznej jazdy w tym czasie.

Oto changelog FSD Beta 11 i wszystkie nowe funkcje wymienione w release notes aktualizacji v11.3:

• Włączenie FSD Beta na autostradzie. Ujednolica to stos wizji i planowania na autostradach i poza nimi oraz zastępuje stary stos autostradowy, który ma ponad cztery lata. Dotychczasowy stos autostradowy nadal opiera się na kilku sieciach z jedną kamerą i jedną klatką i został skonfigurowany do obsługi prostych manewrów na pasie ruchu. Wielokamerowe sieci wideo i planista nowej generacji FSD Beta, który umożliwia bardziej złożone interakcje z agentami przy mniejszym uzależnieniu od pasów ruchu, pozwalają na dodanie bardziej inteligentnych zachowań, płynniejsze sterowanie i lepsze podejmowanie decyzji.
• Dodane głosowe notatki z jazdy. Po interwencji możesz teraz wysłać Tesli anonimową wiadomość głosową opisującą Twoje doświadczenie, aby pomóc w ulepszeniu Autopilota.
• Rozszerzone automatyczne hamowanie awaryjne (AEB) do obsługi pojazdów, które przecinają drogę ego. Dotyczy to przypadków, gdy inne pojazdy przejeżdżają na czerwonym świetle lub skręcają w poprzek drogi ego, kradnąc mu prawo przejazdu. Odtworzenie poprzednich kolizji tego typu sugeruje, że 49% zdarzeń zostałoby złagodzonych przez nowe zachowanie. To usprawnienie jest obecnie aktywne zarówno podczas jazdy ręcznej, jak i w trybie autopilota.
• Poprawiono o 500 ms czas reakcji autopilota na przejeżdżających na czerwonym świetle i zatrzymujących się na znakach drogowych, dzięki zwiększonemu wykorzystaniu natychmiastowej kinematyki obiektu wraz z oszacowaniem trajektorii.
• Dodano sieć pasów autostradowych o dużym zasięgu, aby umożliwić wcześniejszą reakcję na zablokowane pasy i duże zakręty.
• Zmniejszono błąd przewidywania pozycji celu dla sieci neuronowej kandydata do trajektorii o 40% i zredukowano czas pracy o 3 razy. Osiągnięto to poprzez ulepszenie zbioru danych przy użyciu cięższej i solidniejszej optymalizacji offline, zwiększenie rozmiaru tego ulepszonego zbioru danych o 4X oraz wdrożenie lepszej architektury i przestrzeni cech.
• Ulepszone wykrywanie sieci zajętości poprzez nadpróbkowanie na 180K trudnych filmów, w tym odbicia deszczu, gruz drogowy i wysoka krzywizna.
• Zwiększona o 20% zdolność przywoływania przypadków wcięcia w pobliżu poprzez dodanie do zbioru danych 40 tys. automatycznie oznaczonych klipów flotowych dla tego scenariusza. Poprawiono również obsługę przypadków wjechania na pas ruchu poprzez lepsze modelowanie ich ruchu na pasie ruchu ego, wykorzystując to samo do płynniejszej kontroli bocznej i wzdłużnej dla wjechanych obiektów.
• Dodano moduł prowadzenia po pasie ruchu oraz straty percepcyjne do sieci Krawędzie i Linie Drogowe, poprawiając bezwzględną zapamiętywalność linii o 6% oraz bezwzględną zapamiętywalność krawędzi dróg o 7%.
• Poprawiono ogólną geometrię i stabilność przewidywania pasów ruchu poprzez aktualizację reprezentacji modułu "prowadzenia po pasie ruchu" o informacje istotne dla przewidywania przecinających się i nadjeżdżających pasów ruchu.
• Lepsze radzenie sobie w scenariuszach o dużej prędkości i dużej krzywiźnie dzięki przesunięciu w kierunku wewnętrznych linii pasa ruchu.
• Ulepszone zmiany pasa ruchu, w tym: wcześniejsze wykrywanie i obsługa jednoczesnych zmian pasa ruchu, lepszy wybór luki przy zbliżaniu się do terminów, lepsza integracja pomiędzy decyzjami o zmianie pasa ruchu opartymi na prędkości i nawigacji oraz większe zróżnicowanie profili jazdy FSD w odniesieniu do szybkich zmian pasa ruchu.
• Poprawa płynności reakcji sterowania wzdłużnego podczas podążania za pojazdami prowadzącymi poprzez lepsze modelowanie możliwego wpływu świateł hamowania pojazdów prowadzących na ich przyszłe profile prędkości.
• Poprawiono wykrywanie rzadkich obiektów o 18% i zmniejszono błąd głębokości dla dużych ciężarówek o 9%, głównie dzięki migracji do bardziej gęsto nadzorowanych, autolabelowanych zbiorów danych.
• Poprawiono wykrywanie semantyczne autobusów szkolnych o 12% i pojazdów przechodzących z trybu stacjonarnego do trybu jazdy o 15%. Osiągnięto to poprzez poprawę dokładności etykiet i zwiększenie rozmiaru zbioru danych o 5%. Usprawnienie procesu podejmowania decyzji na przejściach dla pieszych dzięki wykorzystaniu estymacji trajektorii ego opartej na sieciach neuronowych zamiast przybliżonych modeli kinematycznych.
• Zwiększona niezawodność i płynność kontroli łączenia poprzez wycofanie starszych zadań regionu łączenia na rzecz topologii łączenia uzyskanej z wektorowych pasów ruchu.
• Uwolnienie dłuższych klipów telemetrycznych floty (nawet o 26%) poprzez zrównoważenie skompresowanych buforów IPC i zoptymalizowanego planowania zapisu na dwóch SOC.

Niektóre z nowych funkcji wydania FSD Beta 11 wyciekły już wcześniej lub były teasowane przez samego Elona Muska, jak np. autostrada FSD, ale reszta jest nowa i mile widziana.

Na przykład możliwość wysyłania anonimowych notatek głosowych do Tesli po każdej osobistej interwencji podczas korzystania z trybu Full Self-Driving Beta, doda kontekstu do sytuacji i pomoże Tesli ulepszyć swoje rozwiązanie autonomicznej jazdy dalej, dodając kąt kierowcy do już potężnego zbioru danych, które zgromadziła do tej pory.

Pobierz 24' kabel Tesla Motors Wall Connector na Amazon