A liberação do Tesla FSD Beta 11 permite que ele seja liberado em rodovias, pois traz uma frenagem agressiva para corredores de luz vermelha e notas de voz do motorista

Tesla está na cúspide de um lançamento mais amplo do FSD Beta 11 em , como a atualização v11.3 parece já ter sido liberada para seus funcionários e as notas de liberação foram publicadas on-line. Pela primeira vez, o FSD Beta virá como uma solução universal de um único pacote que não mistura código mais novo para a condução urbana com a muito mais antiga pilha de auto-estradas Autopilot, que na época era destinada a hardware e recursos mais básicos de condução autônoma.

Aqui está o changelog FSD Beta 11 e todas as novas funcionalidades listadas nas notas de atualização da versão v11.3:

• FSD Beta habilitado na rodovia. Isto unifica a pilha de visão e planejamento dentro e fora da estrada e substitui a pilha de rodovias legadas, que tem mais de quatro anos de existência. A pilha de rodovias legada ainda depende de várias redes de uma única câmera e de uma única estrutura, e foi configurada para lidar com manobras simples em pistas específicas. As redes de vídeo multicâmeras da FSD Beta e o planejador da próxima geração, que permite interações mais complexas entre agentes com menos dependência das faixas, abre caminho para adicionar comportamentos mais inteligentes, controle mais suave e melhor tomada de decisões.
• Acrescente as notas de voz. Após uma intervenção, você pode agora enviar ao Tesla uma mensagem de voz anônima descrevendo sua experiência para ajudar a melhorar o piloto automático.
• Expansão do freio automático de emergência (AEB) para lidar com veículos que cruzam o caminho do ego. Isto inclui casos em que outros veículos passam seu semáforo vermelho ou cruzam o caminho do ego, roubando o direito de passagem. A repetição de colisões anteriores deste tipo sugere que 49% dos eventos seriam atenuados pelo novo comportamento. Esta melhoria está agora ativa tanto na condução manual quanto na operação com piloto automático.
• Melhorou o tempo de reação do piloto automático aos corredores de luz vermelha e aos corredores de sinais de parada em 500ms, aumentando a confiança na cinemática instantânea do objeto junto com as estimativas de trajetória.
• Adicionada uma rede de faixas de rodagem de longo alcance para permitir uma resposta mais rápida a faixas bloqueadas e alta curvatura.
• Reduziu o erro de previsão da meta para a rede neural de trajetória do candidato em 40% e reduziu o tempo de execução em 3X. Isto foi alcançado melhorando o conjunto de dados usando uma otimização offline mais pesada e robusta, aumentando o tamanho deste conjunto de dados melhorado em 4X, e implementando uma arquitetura e um espaço de recursos melhores.
• Melhorou as detecções da rede de ocupação através de amostragem excessiva em vídeos desafiadores de 180K, incluindo reflexos de chuva, detritos de estrada e alta curvatura.
• Melhorou em 20% o recolhimento de casos de corte de dados, adicionando ao conjunto de dados 40k clipes de frota autocolantes deste cenário. Também melhorou o manuseio das caixas de corte através de uma modelagem melhorada de seu movimento na pista do ego, alavancando o mesmo para um controle lateral e longitudinal mais suave para objetos cortados.
• Acrescentou "módulo de orientação de pista e perda perceptiva à rede de Bordas e Linhas Rodoviárias, melhorando em 6% o recall absoluto das linhas e em 7% o recall absoluto das bordas das rodovias".
• Melhorou a geometria geral e a estabilidade das previsões de faixa de rodagem atualizando a representação do módulo "guia de faixa" com informações relevantes para a previsão de travessia e vias em sentido contrário.
• Melhor manuseio através de cenários de alta velocidade e alta curvatura, compensando em direção às linhas internas da pista.
• Melhores mudanças de faixa, incluindo: detecção e manuseio mais rápidos para mudanças de faixa simultâneas, melhor seleção de folgas ao se aproximar dos prazos, melhor integração entre decisões de mudança de faixa baseadas em velocidade e navegação e maior diferenciação entre os perfis de direção FSD com relação a mudanças de faixa de velocidade.
• Melhoria da suavidade de resposta do controle longitudinal ao seguir os veículos com chumbo através de uma melhor modelagem do possível efeito das luzes de freio dos veículos com chumbo em seus futuros perfis de velocidade.
• Melhorou a detecção de objetos raros em 18% e reduziu o erro de profundidade para grandes caminhões em 9%, principalmente a partir da migração para conjuntos de dados autolabelados mais densamente supervisionados.
• Melhorou as detecções semânticas para ônibus escolares em 12% e a transição dos veículos de estacionária para a condução em 15%. Isto foi alcançado melhorando a precisão da etiqueta do conjunto de dados e aumentando o tamanho do conjunto de dados em 5%. Melhorou a tomada de decisões nas faixas de pedestres, alavancando a estimativa da trajetória do ego baseado na rede neural no lugar de modelos cinemáticos aproximados.
• Melhoria da confiabilidade e suavidade do controle de fusões, ao depreciar as tarefas de regiões de fusão herdadas em favor de topologias de fusão derivadas de faixas vetoriais.
• Desbloqueio de clipes de telemetria mais longos da frota (em até 26%) através do balanceamento de buffers IPC comprimidos e programação otimizada de escrita através de SOCs gêmeos.

Algumas das novas características de lançamento do FSD Beta 11 já haviam vazado ou provocado pelo próprio Elon Musk, como o FSD da rodovia, mas o resto é novo e bem-vindo.

A capacidade de postar notas de voz anônimas para Tesla após cada intervenção pessoal enquanto usava o modo Beta de Auto-Condução Total, por exemplo, adicionaria contexto à situação e ajudaria Tesla a melhorar ainda mais sua solução de direção autônoma, adicionando o ângulo do motorista ao já formidável conjunto de dados que acumulou até agora.

Obtenha o Conector de Parede de Cabo de 24' da Tesla Motors na Amazon