-
Want to remove ads? Register an account and login to see fewer ads, and become a Supporting Member to remove almost all ads.
FSD Beta
- Thread starter Xfrank
- Start date
THOB
Member
Update in "door google vertaalde tekst"
Een nieuwe "deep lane guidance"-module toegevoegd aan het neurale netwerk van Vector Lanes, die functies die uit de videostreams zijn gehaald, combineert met grove kaartgegevens, d.w.z. rijstrookaantallen en rijstrookverbindingen. Deze architectuur behaalt een 44% lager foutenpercentage op de rijstrooktopologie in vergelijking met het vorige model, waardoor een soepelere controle mogelijk is voordat rijstroken en hun connectiviteit visueel duidelijk worden. Dit biedt een manier om elke Autopilot net zo goed te laten rijden als iemand die zijn eigen woon-werkverkeer rijdt, maar op een voldoende algemene manier die zich aanpast aan wegveranderingen.
Verbeterde algehele soepelheid van het rijden, zonder in te boeten aan latentie, door betere modellering van systeem- en activeringslatentie in trajectplanning. Trajectplanner houdt nu onafhankelijk rekening met latentie van stuurcommando's tot daadwerkelijke stuurbediening, evenals acceleratie- en remcommando's tot bediening. Dit resulteert in een traject dat een nauwkeuriger model is van hoe het voertuig zou rijden. Dit zorgt voor een betere downstream-tracking en soepelheid van de controller, terwijl het ook een nauwkeurigere respons mogelijk maakt tijdens harde manoeuvres.
Verbeterde onbeschermde bochten naar links met een passender snelheidsprofiel bij het naderen en verlaten van mediaan crossover-regio's, in de aanwezigheid van kruisend verkeer met hoge snelheid ("Chuck Cook-stijl" onbeschermde bochten naar links). Dit werd gedaan door een optimaliseerbare initiële ruk toe te staan, om de harde pedaaldruk door een mens na te bootsen, wanneer nodig om voor hoge snelheidsobjecten te gaan. Ook verbeterd lateraal profiel dat dergelijke veiligheidsregio's nadert om een betere pose mogelijk te maken die goed is uitgelijnd voor het verlaten van de regio. Ten slotte verbeterde interactie met objecten die het mediane crossover-gebied binnenkomen of wachten met een betere modellering van hun toekomstige intentie.
Controle toegevoegd voor willekeurige bewegende volumes met lage snelheid vanuit Occupancy Network. Dit maakt ook een fijnere controle mogelijk voor preciezere objectvormen die niet gemakkelijk kunnen worden weergegeven door een kubusvormige primitief. Dit vereiste het voorspellen van de snelheid bij elke 3D-voxel. We kunnen nu controleren op langzaam bewegende UFO's.
Opgewaardeerd Occupancy Network om video te gebruiken in plaats van afbeeldingen uit een enkele tijdstap. Deze tijdelijke context zorgt ervoor dat het netwerk robuust is tegen tijdelijke occlusies en maakt het mogelijk om de bezettingsstroom te voorspellen. Ook verbeterde grondwaarheid met semantiekgestuurde afwijzing van uitschieters, hard-voorbeeldmining en vergroting van de datasetgrootte met 2,4x.
Opgewaardeerd naar een nieuwe tweetrapsarchitectuur om objectkinematica te produceren (bijv. snelheid, versnelling, giersnelheid) waarbij netwerkberekening O(objecten) wordt toegewezen in plaats van O(ruimte). Deze verbeterde snelheidsschattingen voor ver weg kruisende voertuigen met 20%, terwijl een tiende van de rekenkracht werd gebruikt.
Verhoogde soepelheid voor beschermde bochten naar rechts door de associatie van verkeerslichten met oprijstroken te verbeteren in plaats van borden met oprijstroken. Dit vermindert valse vertragingen wanneer er geen relevante objecten aanwezig zijn en verbetert ook de meegevende positie wanneer ze aanwezig zijn.
Minder valse vertragingen bij oversteekplaatsen. Dit werd gedaan met een beter begrip van de intentie van voetgangers en fietsers op basis van hun beweging.
Verbeterde geometriefout van ego-relevante rijstroken met 34% en overstekende rijstroken met 21% met een volledige Vector Lanes neurale netwerkupdate. Informatieknelpunten in de netwerkarchitectuur werden geëlimineerd door de grootte van de functie-extractors per camera, videomodules, interne onderdelen van de autoregressieve decoder te vergroten en door een hard attentiemechanisme toe te voegen dat de fijne positie van rijstroken aanzienlijk verbeterde.
Snelheidsprofiel comfortabeler gemaakt bij het kruipen voor zichtbaarheid, om soepelere stops mogelijk te maken bij het beschermen van mogelijk afgesloten objecten.
Verbeterde terugroepactie van dieren met 34% door de grootte van de automatisch gelabelde trainingsset te verdubbelen.
Kruipen ingeschakeld voor zichtbaarheid op elk kruispunt waar objecten het pad van het ego kunnen kruisen, ongeacht de aanwezigheid van verkeersregelaars.
Verbeterde nauwkeurigheid van de stoppositie in kritieke scenario's met kruisende objecten, door dynamische resolutie in trajectoptimalisatie toe te staan om meer te focussen op gebieden waar fijnere controle essentieel is.
Verhoogde terugroepactie van forking-lanes met 36% door topologische tokens te laten deelnemen aan de aandachtsoperaties van de autoregressieve decoder en door het verlies dat wordt toegepast op fork-tokens tijdens de training te vergroten.
Verbeterde snelheidsfout voor voetgangers en fietsers met 17%, vooral wanneer ego een bocht maakt, door verbetering van de schatting van het traject aan boord die wordt gebruikt als invoer voor het neurale netwerk.
Verbeterde terugroepactie van objectdetectie, waardoor 26% van de ontbrekende detecties voor ver weg kruisende voertuigen worden geëlimineerd door de verliesfunctie die tijdens de training wordt gebruikt af te stemmen en de labelkwaliteit te verbeteren.
Verbeterde voorspelling van het toekomstige pad van objecten in scenario's met een hoge giersnelheid door de giersnelheid en laterale beweging op te nemen in de waarschijnlijkheidsschatting. Dit helpt bij objecten die in of weg van ego's baan draaien, vooral bij kruispunten of inschakelscenario's.
Verbeterde snelheid bij het oprijden van de snelweg door een betere afhandeling van aanstaande veranderingen in de kaartsnelheid, wat het vertrouwen van het invoegen op de snelweg vergroot.
Verminderde latentie bij het starten vanaf een stop door rekening te houden met de schok van het leidende voertuig.
Snellere identificatie van roodlichtlopers mogelijk gemaakt door hun huidige kinematische toestand te evalueren ten opzichte van hun verwachte remprofiel.
Een nieuwe "deep lane guidance"-module toegevoegd aan het neurale netwerk van Vector Lanes, die functies die uit de videostreams zijn gehaald, combineert met grove kaartgegevens, d.w.z. rijstrookaantallen en rijstrookverbindingen. Deze architectuur behaalt een 44% lager foutenpercentage op de rijstrooktopologie in vergelijking met het vorige model, waardoor een soepelere controle mogelijk is voordat rijstroken en hun connectiviteit visueel duidelijk worden. Dit biedt een manier om elke Autopilot net zo goed te laten rijden als iemand die zijn eigen woon-werkverkeer rijdt, maar op een voldoende algemene manier die zich aanpast aan wegveranderingen.
Verbeterde algehele soepelheid van het rijden, zonder in te boeten aan latentie, door betere modellering van systeem- en activeringslatentie in trajectplanning. Trajectplanner houdt nu onafhankelijk rekening met latentie van stuurcommando's tot daadwerkelijke stuurbediening, evenals acceleratie- en remcommando's tot bediening. Dit resulteert in een traject dat een nauwkeuriger model is van hoe het voertuig zou rijden. Dit zorgt voor een betere downstream-tracking en soepelheid van de controller, terwijl het ook een nauwkeurigere respons mogelijk maakt tijdens harde manoeuvres.
Verbeterde onbeschermde bochten naar links met een passender snelheidsprofiel bij het naderen en verlaten van mediaan crossover-regio's, in de aanwezigheid van kruisend verkeer met hoge snelheid ("Chuck Cook-stijl" onbeschermde bochten naar links). Dit werd gedaan door een optimaliseerbare initiële ruk toe te staan, om de harde pedaaldruk door een mens na te bootsen, wanneer nodig om voor hoge snelheidsobjecten te gaan. Ook verbeterd lateraal profiel dat dergelijke veiligheidsregio's nadert om een betere pose mogelijk te maken die goed is uitgelijnd voor het verlaten van de regio. Ten slotte verbeterde interactie met objecten die het mediane crossover-gebied binnenkomen of wachten met een betere modellering van hun toekomstige intentie.
Controle toegevoegd voor willekeurige bewegende volumes met lage snelheid vanuit Occupancy Network. Dit maakt ook een fijnere controle mogelijk voor preciezere objectvormen die niet gemakkelijk kunnen worden weergegeven door een kubusvormige primitief. Dit vereiste het voorspellen van de snelheid bij elke 3D-voxel. We kunnen nu controleren op langzaam bewegende UFO's.
Opgewaardeerd Occupancy Network om video te gebruiken in plaats van afbeeldingen uit een enkele tijdstap. Deze tijdelijke context zorgt ervoor dat het netwerk robuust is tegen tijdelijke occlusies en maakt het mogelijk om de bezettingsstroom te voorspellen. Ook verbeterde grondwaarheid met semantiekgestuurde afwijzing van uitschieters, hard-voorbeeldmining en vergroting van de datasetgrootte met 2,4x.
Opgewaardeerd naar een nieuwe tweetrapsarchitectuur om objectkinematica te produceren (bijv. snelheid, versnelling, giersnelheid) waarbij netwerkberekening O(objecten) wordt toegewezen in plaats van O(ruimte). Deze verbeterde snelheidsschattingen voor ver weg kruisende voertuigen met 20%, terwijl een tiende van de rekenkracht werd gebruikt.
Verhoogde soepelheid voor beschermde bochten naar rechts door de associatie van verkeerslichten met oprijstroken te verbeteren in plaats van borden met oprijstroken. Dit vermindert valse vertragingen wanneer er geen relevante objecten aanwezig zijn en verbetert ook de meegevende positie wanneer ze aanwezig zijn.
Minder valse vertragingen bij oversteekplaatsen. Dit werd gedaan met een beter begrip van de intentie van voetgangers en fietsers op basis van hun beweging.
Verbeterde geometriefout van ego-relevante rijstroken met 34% en overstekende rijstroken met 21% met een volledige Vector Lanes neurale netwerkupdate. Informatieknelpunten in de netwerkarchitectuur werden geëlimineerd door de grootte van de functie-extractors per camera, videomodules, interne onderdelen van de autoregressieve decoder te vergroten en door een hard attentiemechanisme toe te voegen dat de fijne positie van rijstroken aanzienlijk verbeterde.
Snelheidsprofiel comfortabeler gemaakt bij het kruipen voor zichtbaarheid, om soepelere stops mogelijk te maken bij het beschermen van mogelijk afgesloten objecten.
Verbeterde terugroepactie van dieren met 34% door de grootte van de automatisch gelabelde trainingsset te verdubbelen.
Kruipen ingeschakeld voor zichtbaarheid op elk kruispunt waar objecten het pad van het ego kunnen kruisen, ongeacht de aanwezigheid van verkeersregelaars.
Verbeterde nauwkeurigheid van de stoppositie in kritieke scenario's met kruisende objecten, door dynamische resolutie in trajectoptimalisatie toe te staan om meer te focussen op gebieden waar fijnere controle essentieel is.
Verhoogde terugroepactie van forking-lanes met 36% door topologische tokens te laten deelnemen aan de aandachtsoperaties van de autoregressieve decoder en door het verlies dat wordt toegepast op fork-tokens tijdens de training te vergroten.
Verbeterde snelheidsfout voor voetgangers en fietsers met 17%, vooral wanneer ego een bocht maakt, door verbetering van de schatting van het traject aan boord die wordt gebruikt als invoer voor het neurale netwerk.
Verbeterde terugroepactie van objectdetectie, waardoor 26% van de ontbrekende detecties voor ver weg kruisende voertuigen worden geëlimineerd door de verliesfunctie die tijdens de training wordt gebruikt af te stemmen en de labelkwaliteit te verbeteren.
Verbeterde voorspelling van het toekomstige pad van objecten in scenario's met een hoge giersnelheid door de giersnelheid en laterale beweging op te nemen in de waarschijnlijkheidsschatting. Dit helpt bij objecten die in of weg van ego's baan draaien, vooral bij kruispunten of inschakelscenario's.
Verbeterde snelheid bij het oprijden van de snelweg door een betere afhandeling van aanstaande veranderingen in de kaartsnelheid, wat het vertrouwen van het invoegen op de snelweg vergroot.
Verminderde latentie bij het starten vanaf een stop door rekening te houden met de schok van het leidende voertuig.
Snellere identificatie van roodlichtlopers mogelijk gemaakt door hun huidige kinematische toestand te evalueren ten opzichte van hun verwachte remprofiel.
Dikkie Dik
If gets hard, use hammer
First drive, ‘s avonds, maar algemene indruk is soepeler en meer ‘human like’.
Indrukwekkend. Dat belooft wat zodra het algemeen beschikbaar komt. Ik heb wat verdiend met Tesla aandelen, ik ben bijna over de drempel om het in FSD te investeren. Zeker gezien de prijsstijging die ik verwacht als het daadwerkelijk een productie versie gaat worden, en daar begint het op te lijken.
Dutchmaccer
Member
Hmmm... ik zou toch graag wat meer filmpjes willen zien. Als je kijkt naar het stratenpatroon (rechthoekig), in de nacht, weinig verkeer, erg gelijkvormig, dan lijkt het in SF goed te werken. Zodra er een auto stopt, met wat voetgangers dan komt FSD wat laat tot een oplossing (of geen oplossing), en ook bij wat meer bochten en kleine rotondes lijkt-ie wat moeite te hebben. Al met al toch indrukwekkend inderdaad.
Ik vraag me af hoe goed dit in NL/EU gaat werken.
Doe het niet.
Geen enkele garantie dat deze software binnen 3 jaar in Europa op jou auto gaat werken. Ook al zou het hardware en software-technisch kunnen werken, de regelgeving voor wat er autonoom mag hoeft niet aan te sluiten op wat Tesla bedacht heeft.
En je Tesla rijdt precies volgens de regels, waardoor je het gevoel hebt dat je met een trage lesauto onderweg bent.
BobbyKings
S85D > M3P > S Plaid
Op m'n S Plaid die in november komt zit ook FSD.
Gewoon leuk, we zien wel en genieten van de reis.
Gewoon leuk, we zien wel en genieten van de reis.
Niek
Member
Dutchmaccer
Member
Ziet er allemaal zeer goed uit. Weer grote stap gemaakt in goede richting.
Zo, zo jammer dat wij in Europa niet een beetje kunnen meeproeven van deze mooie techniek. Al is het maar de volwaardige nieuwe visualisatie zichtbaar zou al super zijn. Ik heb 6400 euro betaald voor FSD, dat is veel geld, dus ik hoop dat Tesla zich verantwoordelijk voelt om ons ook mee te laten proeven van deze techniek.
Laten we hopen!!
Zo, zo jammer dat wij in Europa niet een beetje kunnen meeproeven van deze mooie techniek. Al is het maar de volwaardige nieuwe visualisatie zichtbaar zou al super zijn. Ik heb 6400 euro betaald voor FSD, dat is veel geld, dus ik hoop dat Tesla zich verantwoordelijk voelt om ons ook mee te laten proeven van deze techniek.
Laten we hopen!!
Niek
Member
Langzaam aan komen er wat dingen van de FSD Beta stack terug in "onze" AP. Bijvoorbeeld de nieuwe 3D models, stabielere visualisatie in de laatste releases. Maar die "FSD Beta EU this summer" kunnen we helaas vergeten ben ik bang... Misschien Noorwegen op korte termijn?
Phil V
Well-Known Member
Een marsjaar duurt 686,98 aardse dagen. Denk dat die termijn realistischer is.
Hoewel de uk strikt genomen geen EU meer is las ik dat ze werk gaan maken van hun regelgeving om op relatief korte termijn autonoom rijdende voertuigen toe te laten… traag maar gestaag komen er openingen richting EU lijkt me, maar wat mij betreft mag het toch een stuk sneller…
Phil V
Well-Known Member
Je zou wat zien bij het eerste ongeval. En Europa zou direct een verbod opleggen.
Het is niet voor niets dat de Beta drivers gekozen worden op basis van hun rijgedrag.
Niek
Member
Dit is toch echt indrukwekkend, grote vooruitgang in deze release.
Een verbod op wat? Op een level 2 systeem? In principe zou er geen verschil zijn volgens mij als je morgen met beta rond zou rijden maar goed dat worden weer ellenlange discussies
En dat hele scoring verhaal, dat is eigenlijk ook een lachertje, daarstraks heeft mijn Tesla zelf ingegrepen (toeters en bellen) zonder dat ik op AP zat te rijden. “Corrective action” of zoiets. Er was niets of niemand te bespeuren.
Gisteren reed er zogezegd een truck over mij…eergisteren op AP een foutieve interpretatie van een rood licht.
Ik zat bijna met m’n tanden in het stuur maar al die zaken zouden wel op mijn conto komen….er is nog wat werk aan de winkel…
Ik vraag mij ook af welke garantie dit systeem geeft. Je kiest mensen op basis van enkele parameters (snelheid, afstand,…) kortom mijn moeder zou goed in aanmerking komen enkel als de bellen afgaan en de auto doet iets onverwachts weet ik redelijk zeker dat die in de sloot eindigt
(Sorry ma)
nico180
creating simple things - is true talent
Is het verstandig om FSD (maar voor nu de beta FSD) zomaar te laten activeren ? nee, natuurlijk niet, dat zal toch (om mensen te beschermen) stapsgewijs moeten gebeuren (iets met mensen en nieuwe 'nog erg niet volwassen software' dingen).
Similar threads
