Tesla FSD Beta 11 release maakt het mogelijk op snelwegen als het brengt agressief remmen voor rood licht runners en bestuurder spraaknotities
Tesla staat aan de vooravond van een bredere FSD Beta 11 release, aangezien de v11.3 update blijkbaar al is vrijgegeven aan zijn medewerkers en de release notes online zijn geplaatst. Voor het eerst komt de FSD Beta als een universele single-stack oplossing die nieuwere code voor stadsrijden niet mengt met de veel oudere Autopilot snelweg stack die destijds bedoeld was voor meer basis autonoom rijden hardware en functies.
Hier is de FSD Beta 11 changelog en alle nieuwe functies zoals vermeld in de v11.3 update release notes:
- Ingeschakeld FSD Beta op snelweg. Dit verenigt de vision en planning stack op en buiten de snelweg en vervangt de oude snelweg stack, die meer dan vier jaar oud is. De oude snelweg-stack vertrouwt nog steeds op verschillende netwerken met één camera en één frame, en was ingesteld om eenvoudige rijstrook-specifieke manoeuvres te verwerken. FSD Beta's multi-camera video netwerken en next-gen planner, die complexere agent interacties mogelijk maakt met minder afhankelijkheid van rijstroken, maken plaats voor het toevoegen van meer intelligente gedragingen, soepelere controle en betere besluitvorming.
- Voice drive-notes toegevoegd. Na een interventie kunt u Tesla nu een anoniem spraakbericht sturen waarin u uw ervaring beschrijft om Autopilot te helpen verbeteren.
- Automatische noodstop (AEB) uitgebreid om voertuigen aan te pakken die ego's pad kruisen. Dit omvat gevallen waarin andere voertuigen door rood rijden of over ego's pad afslaan en zo de voorrang stelen. Herhalingen van eerdere botsingen van dit type wijzen uit dat 49% van de gebeurtenissen door het nieuwe gedrag zou worden verzacht. Deze verbetering is nu actief bij zowel handmatig rijden als de automatische piloot.
- Verbeterde reactietijd van de automatische piloot bij roodlicht- en stopbordrunners met 500 ms, door meer gebruik te maken van de momentane kinematica van het object in combinatie met trajectschattingen.
- Een langeafstandswegennet toegevoegd om eerder te kunnen reageren op geblokkeerde rijstroken en grote bochten.
- De voorspellingsfout in de doelpositie voor het neurale netwerk voor kandidaat-trajecten is met 40% verminderd en de looptijd is 3x korter geworden. Dit werd bereikt door de dataset te verbeteren met behulp van zwaardere en robuustere offline optimalisatie, de omvang van deze verbeterde dataset met 4X te vergroten en een betere architectuur en kenmerkenruimte te implementeren.
- Verbeterde bezettingsnetwerkdetecties door oversampling op 180K uitdagende video's, waaronder regenreflecties, wegpuin en hoge kromming.
- Verbeterde recall voor dichtbij ingesneden gevallen met 20% door 40.000 autolabel vlootclips van dit scenario toe te voegen aan de dataset. Verbeterde afhandeling van gevallen van inrijden door verbeterde modellering van hun beweging naar de rijstrook van de bestuurder, waarbij hetzelfde wordt gebruikt voor een soepelere laterale en longitudinale controle van in te snijden objecten.
- Module "rijstrookbegeleiding" en perceptueel verlies toegevoegd aan het netwerk van wegkanten en -lijnen, waardoor de absolute recall van lijnen met 6% en de absolute recall van wegkanten met 7% is verbeterd.
- Verbeterde algemene geometrie en stabiliteit van rijstrookvoorspellingen door de weergave van de "rijstrookgeleidingsmodule" bij te werken met informatie die relevant is voor het voorspellen van kruisende en tegemoetkomende rijstroken.
- Verbeterde verwerking in scenario's met hoge snelheid en grote bochten door offsetting naar binnenste rijstrooklijnen.
- Verbeterde rijstrookwisselingen, waaronder: vroegere detectie en afhandeling van gelijktijdige rijstrookwisselingen, betere hiaatselectie bij het naderen van de eindstreep, betere integratie tussen snelheidsgebaseerde en navigatiegebaseerde rijstrookwisselbeslissingen en meer differentiatie tussen de FSD-rijprofielen met betrekking tot snelheidsstrookwisselingen.
- Verbeterde reacties van de longitudinale controle bij het volgen van voorliggers door een betere modellering van het mogelijke effect van de remlichten van voorliggers op hun toekomstige snelheidsprofielen.
- Verbeterde detectie van zeldzame objecten met 18% en vermindering van de dieptefout bij grote vrachtwagens met 9%, voornamelijk door migratie naar datasets met meer autologe supervisie.
- Verbeterde semantische detecties voor schoolbussen met 12% en voertuigen in de overgang van stationair naar rijdend met 15%. Dit werd bereikt door de labelnauwkeurigheid van de dataset te verbeteren en de dataset met 5% te vergroten. Verbeterde besluitvorming op kruispunten door gebruik te maken van op neurale netwerken gebaseerde ego-trajectschatting in plaats van benaderde kinematische modellen.
- Betere betrouwbaarheid en soepelheid van de samenvoegingscontrole, door de oude samenvoegregiotaken af te schaffen ten gunste van samenvoegtopologieën die zijn afgeleid van vectorstraten.
- Ontsloten langere vloottelemetrieclips (tot 26%) door gecomprimeerde IPC-buffers en geoptimaliseerde schrijfschema's over twee SOC's te verdelen.
Sommige van de nieuwe FSD Beta 11 release features waren al uitgelekt of geplaagd door Elon Musk zelf, zoals snelweg FSD, maar de rest is nieuw en welkom.
De mogelijkheid om geanonimiseerde spraaknotities naar Tesla te sturen na elke persoonlijke interventie tijdens het gebruik van de Full Self-Driving Beta-modus, bijvoorbeeld, zou context toevoegen aan de situatie en Tesla helpen zijn autonome rijoplossing verder te verbeteren door de invalshoek van de bestuurder toe te voegen aan de al formidabele dataset die het tot nu toe heeft vergaard.
Bron(nen)
