Tesla beginnt mit der Veröffentlichung eines neuen Software-Updates für seine FSD-Beta. Die neue Version des „Full Self-Driving“ enthält zahlreiche wichtige Änderungen, die sich positiv auf die Qualität auswirken sollten.
Tesla FSD-Beta: Wie ist der Stand?
Teslas FSD-Beta ist derzeit nur in Nordamerika nutzbar. Sie ermöglicht es Tesla-Fahrzeugen, autonom zu einem im Navigationssystem des Fahrzeugs eingegebenen Ziel zu fahren. Der Fahrer muss jedoch stets aufmerksam bleiben und bereit sein, die Kontrolle zu übernehmen.
Da die Verantwortung beim Fahrer und nicht beim System liegt, wird es trotz seines Namens immer noch als Fahrerassistenzsystem der Stufe zwei angesehen. In der Vergangenheit gab es durch einige Updates auch Rückschritte bei den Fahrfunktionen.
Tesla veröffentlicht regelmäßig neue Software-Updates für das FSD-Beta-Programm und nimmt immer mehr Besitzer in die Beta-Version auf.
Das Unternehmen hat inzwischen über 100.000 Teilnehmer am FSD-Beta-Programm und plant, bis Ende des Jahres mithilfe einiger weiterer Verbesserungen des Systems alle Tesla-Fahrer in Nordamerika einzuschließen.
FSD-Beta-Update v10.69.3
Wie Electrek berichtet, hat Tesla nun damit begonnen, das neue FSD-Beta-Update v10.69.3 für interne Tests an Mitarbeiter zu verteilen. Je nach Verlauf sollte das Updaten dann auch bald an die Kundenflotte ausgespielt werden.
Laut den Versionshinweisen enthält das Update keine neuen Funktionen, aber eine Menge wichtiger Updates für die neuronalen Netze. Die Gesamtleistung des Systems soll so verbessert werden (aus dem Englischen übersetzt):
- Das Objekterkennungsnetzwerk wurde auf Photonenzählung in Videostreams aktualisiert und alle Parameter wurden mit den neuesten automatisch beschrifteten Datensätzen neu trainiert (mit besonderem Schwerpunkt auf Szenarien mit geringer Sichtbarkeit).
- Die Architektur wurde verbessert, um die Genauigkeit und die Latenzzeit zu erhöhen, die Wiedererkennung von weit entfernten Fahrzeugen zu verbessern, den Geschwindigkeitsfehler von kreuzenden Fahrzeugen um 20 % zu senken und die VRU-Präzision um 20 % zu verbessern.
- Das VRU-Geschwindigkeitsnetzwerk wurde in ein zweistufiges Netzwerk umgewandelt, wodurch die Latenzzeit verringert und der Geschwindigkeitsfehler bei querenden Fußgängern um 6 % verbessert wurde.
- Umwandlung des Nicht-VRU-Attribute-Netzes in ein zweistufiges Netz, wodurch die Latenzzeit verringert, die fehlerhafte Fahrspurzuweisung für querende Fahrzeuge um 45 % und die fehlerhaften Vorhersagen für geparkte Fahrzeuge um 15 % reduziert wurden.
- Die autoregressive Vector Lanes Grammatik wurde neu formuliert, um die Genauigkeit der Fahrspuren um 9,2 %, die Wiedererkennung der Fahrspuren um 18,7 % und die Wiedererkennung der Abzweigungen um 51,1 % zu verbessern. Enthält ein vollständiges Netzwerk-Update, bei dem alle Komponenten mit der 3,8-fachen Datenmenge neu trainiert wurden.
- Das neuronale Netzwerk Vector Lanes wurde um ein neues Modul „Fahrbahnmarkierungen“ erweitert, das den Fehler bei der Fahrspurtopologie an Kreuzungen um 38,9 % verbessert.
- Das Occupancy Network wurde verbessert, um sich an der Straßenoberfläche statt am Ego auszurichten, was die Erkennungsstabilität und die Wiedererkennung an Bergkuppen verbessert.
- Verkürzung der Laufzeit der Trajektoriengenerierung um ca. 80 % und Verbesserung der Glattheit, indem ein teures Verfahren zur Trajektorienoptimierung in ein leichtgewichtiges neuronales Planernetz überführt wurde.
- Bessere Entscheidungsfindung bei kurzfristigen Spurwechseln in der Nähe von Zwickeln durch eine umfassendere Modellierung der Abwägung zwischen dem Abweichen von der Route und der für das Durchfahren des Zwickels erforderlichen Trajektorie.
- Weniger falsche Verlangsamungen für Fußgänger in der Nähe von Zebrastreifen durch ein besseres Modell für die Kinematik des Fußgängers.
- Zusätzliche Kontrolle für eine präzisere Objektgeometrie, wie sie vom allgemeinen Belegungsnetzwerk erkannt wird.
- Verbesserte Kontrolle für Fahrzeuge, die von unserem gewünschten Weg abkommen, durch bessere Modellierung ihrer Abbiege-/Seitenmanöver, um unnatürliche Verlangsamungen zu vermeiden.
- Verbesserte Längskontrolle beim Ausweichen vor statischen Hindernissen durch die Suche nach machbaren Bewegungsprofilen.
- Verbesserte Längskontrolle für Fahrzeuge in der Fahrspur bei hohen Relativgeschwindigkeiten durch Berücksichtigung der relativen Beschleunigung bei der Fahrbahnoptimierung.
- Verringerung der Latenzzeit zwischen Objektphotonen und Kontrollsystem um 26 % durch adaptive Planung, Umstrukturierung der Trajektoriewahl und Parallelisierung der Wahrnehmungsberechnung. Dadurch können wir schnellere Entscheidungen treffen und die Reaktionszeit verbessern.
Was halten Sie von Teslas neuem FSD-Update? Schreiben Sie uns Ihre Meinung weiter unten in die Kommentare.
Quelle Beitragsbild: Prometheus via Unsplash