Tesla выпускает новое обновление Full Self-Driving Beta с улучшением производительности

Tesla начала выпуск нового обновления Full Self-Driving Beta с некоторыми улучшениями производительности — хотя, судя по примечаниям к выпуску, это не выглядит как крупное обновление.

FSD Beta позволяет автомобилям Tesla автономно двигаться к пункту назначения, введенному в навигационную систему автомобиля, но водитель должен оставаться бдительным и готовым взять управление в любой момент.

Поскольку ответственность лежит на водителе, а не на системе Tesla, она по-прежнему считается системой помощи водителю второго уровня, несмотря на свое название. Это была своего рода программа «два шага вперед, один шаг назад», поскольку некоторые обновления приводили к регрессии в плане возможностей вождения.

Tesla часто выпускает новые обновления программного обеспечения для программы FSD Beta и добавляет в нее больше владельцев.

Реклама — прокрутите дальше, чтобы узнать больше

С момента более широкого выпуска бета-версии в прошлом году, в программе участвуют более 400 000 владельцев Tesla в Северной Америке — практически все владельцы Tesla, купившие пакет FSD для своих автомобилей.

Ранее в этом году Tesla начала внедрять обновление FSD Beta v11, которое стало важным обновлением, объединившим стек программного обеспечения Tesla FSD Beta, в основном используемый на дорогах и городских улицах, со стеком программного обеспечения Tesla Autopilot, которое используется как система помощи водителю второго уровня на автомагистралях.

Теперь Tesla начинает внутренне внедрять новое обновление FSD Beta v11.4, которое, по словам Илона Маска, включает «серьезные улучшения».

Сегодня у нас есть примечания к выпуску Tesla FSD Beta v11.4.1 (через Not a Tesla App), и в них содержатся подробности обновления:

• Улучшен контроль в поворотах и общая плавность движения за счет улучшения геометрии, кривизны, положения, типа и топологии полос, линий, краев дороги и ограниченных пространств. Среди прочих улучшений, восприятие полос на городских улицах улучшилось на 36%, разветвлений — на 44%, слияний — на 27%, а поворотов — на 16% благодаря большему и более чистому набору данных для обучения и обновленному модулю управления полосой.
• Добавлены входные данные для управления полосой в сеть занятости (Occupancy Network) для улучшения обнаружения дорожных объектов на дальних расстояниях, что привело к снижению ложноотрицательных срабатываний на 16%.
• Повышена уверенность автомобиля при пересечении пешеходов в случаях, когда автомобиль может легко и безопасно проехать перед пешеходом.
• Улучшено обнаружение мотоциклов на 8% и повышена точность обнаружения транспортных средств для уменьшения ложных срабатываний. Эти модели также обеспечивают большую устойчивость к вариациям частоты кадров видео.
• Сокращено количество вмешательств, вызванных тем, что другие транспортные средства перестраиваются в полосу движения автомобиля, на 43%. Это было достигнуто путем создания фреймворка для вероятностного прогнозирования объектов, которые могут перестроиться в полосу движения автомобиля, и проактивной корректировки положения или скорости для оптимального позиционирования автомобиля в таких ситуациях.
• Улучшен контроль перестроения за счет снижения ошибки скорости относительно полосы на 40-50% для близко расположенных автомобилей.
• Улучшено обнаружение частичного выезда за полосу на 20%, резкого перестроения под большим углом на 40% и перестроения из полосы на 26% за счет использования дополнительных функций траектории смены полосы для улучшения контроля.
• Сокращено количество ложных замедлений на шоссе, связанных с недооценкой скоростей удаленных объектов, путем добавления 68 тысяч видео в набор данных для обучения с улучшенной автоматической разметкой эталонных данных.
• Сглажено смещение в полосе для крупных транспортных средств путем настройки допустимого бокового рывка для маневра.
• Улучшен боковой контроль при приближении к сложным поворотам на слияниях, чтобы отклоняться от полосы слияния.