2023.6.1 Notas de la versión oficial de Tesla

Habilitar FSD Beta en Autopista. Esto estandariza la visión y el diseño dentro y fuera de las carreteras y reemplaza la vieja pila de carreteras, que tiene más de cuatro años. El antiguo conjunto de carreteras todavía se basa en múltiples cuadrículas de una sola cámara y un solo cuadro, y está configurado para manejar maniobras simples específicas de carril. Las redes de video multicámara FSD Beta y el modelo de próxima generación, que permite interacciones de agentes más complejas con menos dependencia de los carriles, se presta para agregar comportamientos más inteligentes, un control más fluido y una mejor toma de decisiones.

– Se agregaron notas del motor de audio. Después de la intervención, ahora puede enviar un mensaje de voz anónimo a Tesla describiendo su experiencia para ayudar a mejorar Autopilot.

– Frenado automático de emergencia extendido (AEB) para manejar vehículos que cruzan el carril del ego. Esto incluye casos en los que otros vehículos se saltan un semáforo en rojo o cruzan el carril del ego, robándole el derecho de paso. Las repeticiones de colisiones anteriores de este tipo indican que el nuevo comportamiento mitigará el 49 % de los eventos. Esta mejora ahora está activa tanto en la conducción manual como en la operación del piloto automático.

– Se mejoró el tiempo de reacción del piloto automático para los corredores de luz roja y detener a los corredores de marcadores en 500 ms, al aumentar la confianza en la cinemática instantánea de objetos junto con las estimaciones de trayectoria.

– Se agregó una red de carriles de autopista de tramo largo para permitir una respuesta temprana a carriles restringidos y curvas extremas.

El error de predicción de la posición del objetivo de la red neuronal de la ruta del filtro se reduce en un 40 % y el tiempo de ejecución se reduce en 3 veces. Esto se logró optimizando el conjunto de datos con una optimización fuera de línea más fuerte y robusta, aumentando el tamaño de este conjunto de datos mejorado en 4X e implementando una mejor arquitectura y espacio de funciones.

– Detecciones de red de ocupación mejoradas al muestrear más de 180 000 clips de video desafiantes que incluyen reflejos de lluvia, escombros en la carretera y curvatura extrema.

– Se mejoró la recuperación de casos de corte de proximidad en un 20 % al agregar 40 000 segmentos de flota etiquetados automáticamente de este escenario al conjunto de datos. El manejo de los estados recortados también se ha mejorado mediante un mejor modelado de su movimiento en el carril ego y aprovechando esto para un control lateral y longitudinal más suave de los objetos recortados.

– Se ha agregado el módulo Lane Guidance and Perceptual Loss a la red de líneas y bordes de caminos, mejorando el recuerdo absoluto de carriles en un 6% y el recuerdo absoluto de bordes de caminos en un 7%.

– Se mejoró la geometría general y la estabilidad de las predicciones de carril al actualizar la representación del módulo de orientación de ruta con información relevante para el pronóstico de carriles cruzados y próximos.

– Manejo mejorado a través de escenarios de alta velocidad y curvas pronunciadas al equilibrar las líneas de los carriles interiores.

– Cambios de carril mejorados, que incluyen: detección y manejo más temprano de cambios de carril simultáneos, mejor selección de espacios cuando se acercan los plazos, mejor integración de las decisiones de cambio de carril basadas en la velocidad y en la navegación, y más diferenciación de los perfiles de conducción FSD en relación con la velocidad. cambios de carril.

– Suavidad mejorada de la respuesta de control longitudinal cuando se sigue a los vehículos líderes al modelar mejor el impacto potencial de las luces de freno de los vehículos líderes en sus futuros perfiles de velocidad.

– Se mejoró la detección de objetos raros en un 18 % y se redujo el error de profundidad en camiones grandes en un 9 %, principalmente debido a la migración a conjuntos de datos autoetiquetados moderados y más densos.

– Detecciones semánticas mejoradas de autobuses escolares en un 12 % y la transición de vehículos de vehículos parados a vehículos conducidos en un 15 %. Esto se logró mejorando la precisión de la denominación del conjunto de datos y aumentando el tamaño del conjunto de datos en un 5 %.

Mejorar la toma de decisiones en los cruces de peatones utilizando la estimación de la trayectoria del ego basada en redes neuronales en lugar de modelos cinemáticos aproximados.

– Se mejoró la confiabilidad y la fluidez del control de combinación, al descartar las tareas de región de combinación heredadas en favor de las topologías de combinación derivadas de carril vectorizado.

– Segmentos de telemetría desbloqueados de flota más largos (hasta un 26 %) al equilibrar los búferes IPC comprimidos y mejorar la programación de escritura a través de dos SOC.