Tesla comienza a lanzar una gran actualización beta para la conducción totalmente autónoma

Tesla ha comenzado a lanzar una nueva gran actualización de su software Beta Full Autonomous Driving (FSD) con muchas mejoras.

El fabricante de automóviles puede ampliar el acceso a la versión beta si esta actualización «funciona bien», según el director ejecutivo Elon Musk.

Un Tesla Beta completamente autónomo

Desde octubre de 2020, Tesla ha comenzado a implementar lo que llama una «Beta de conducción autónoma completa» (FSD Beta), una versión temprana del software de conducción autónoma que actualmente está siendo probada por una flota de propietarios de Tesla. Elegido por la empresa a través de «Puntuación de la prueba de seguridad. «

El software permite que el vehículo conduzca de forma autónoma a un destino ingresado en el sistema de navegación del vehículo, pero el conductor debe permanecer alerta y listo para tener el control en todo momento.

Dado que la responsabilidad recae en el conductor y no en el sistema Tesla, todavía se considera un sistema de asistencia al conductor de Nivel 2 a pesar de su nombre. Era una especie de tipo de programa de «dos pasos adelante, un paso atrás», con algunas actualizaciones que vieron una regresión en términos de capacidades de conducción.

Tesla lanza con frecuencia nuevas actualizaciones de software para FSD Beta y agrega más propietarios.

La última actualización importante fue FSD Beta 10.10.1 Actualizar A principios de febrero.

A partir del cuarto trimestre de 2021, el fabricante de automóviles dijo que tenía casi 60,000 propietarios en el programa FSD Beta.

Tesla FSD Beta 10.11.0 Actualizar

Tesla ahora ha comenzado a lanzar una nueva actualización de software de acceso anticipado FSD Beta 10.11, que es significativa según las notas de la versión.

Aquí están las notas de la versión:

• Modelado de geometría de carril mejorado desde un ráster denso («bolsa de puntos») hasta un decodificador autorregresivo que predice y conecta directamente carriles de ‘espacio vectorial’ de punto a punto utilizando una red neuronal de conmutadores. Esto nos permite predecir carriles cruzados, permite un procesamiento posterior computacionalmente más barato y menos propenso a errores, y allana el camino para predecir muchas otras señales y sus relaciones de forma conjunta y de extremo a extremo. Use predicciones más precisas de dónde girarán o se fusionarán los vehículos para reducir la desaceleración innecesaria de los vehículos que no se cruzarán en nuestro camino.
• Mejore la comprensión del derecho de paso si el mapa no es preciso o si el vehículo no puede seguir la navegación. En particular, el modelado de rangos de intersección ahora se basa completamente en predicciones de red y ya no usa métodos de inferencia basados ​​en mapas.
• La precisión de las detecciones de VRU se mejora en un 44,9 %, lo que reduce significativamente los falsos positivos de peatones y bicicletas (especialmente alrededor de capas de alquitrán, marcas de deslizamiento y gotas de lluvia). Esto se logró aumentando el volumen de datos de la próxima generación de etiquetado automático, entrenando parámetros de red previamente congelados y modificando las funciones de pérdida de red. Encontramos que esto reduce la incidencia de pseudohistéresis relacionada con UVR.
• El error de velocidad esperado para motocicletas, scooters, sillas de ruedas y peatones demasiado cerca se redujo en un 63,6 %. Para hacer esto, presentamos un nuevo conjunto de datos para simular interacciones VRU de alta velocidad de un antagonista. Esta actualización mejora el control del piloto automático en torno a VRU de rápido movimiento y corte.
• Perfil de oruga mejorado con mayor sacudida al inicio y al final de la marcha lenta.
• El control de obstáculos cercanos se mejora mediante la predicción de la distancia continua de la geometría estática utilizando la red general de obstáculos estáticos.
• La tasa de error de la función de vehículo «detenido» se redujo en un 17 %, al aumentar el tamaño del conjunto de datos en un 14 %. También se ha mejorado la precisión de la luz de freno.
• El error de velocidad del escenario Clear-to-Go se ha mejorado en un 5 % y el error de velocidad del escenario Highway en un 10 %, lo que se logra ajustando la función de pérdida para mejorar el rendimiento en escenarios desafiantes.
• Detección y control mejorados de puertas de cabina abiertas.
• Suavidad mejorada en las curvas utilizando un enfoque basado en la optimización para identificar las líneas de la carretera que no están relacionadas con el control debido a la aceleración lateral y longitudinal y los límites de vibración, así como la cinemática del vehículo.
• La estabilidad de las visualizaciones de FSD Ul se mejora al mejorar la canalización de transmisión de datos de Ethernet en un 15 %.

El CEO Elon Musk dice que si esta actualización «funciona bien», Tesla «probablemente» reducirá el acceso a los conductores con un puntaje de seguridad del conductor de «95». Esto daría a muchos compradores de FSD acceso a la versión de prueba.

En cuanto a Canadá, los propietarios de Tesla que compraron FSD han podido alcanzar el puntaje de seguridad del conductor durante más de una semana. Se espera que el fabricante de automóviles comience pronto a lanzar la versión beta para aquellos con las puntuaciones más altas.

Suscríbete a Electrek en YouTube para videos exclusivos y suscríbete a notación de audio.