-
Want to remove ads? Register an account and login to see fewer ads, and become a Supporting Member to remove almost all ads.
Software versie 9.0
- Thread starter BjörnTM
- Start date
Ik vermoed dat het door de tekst komt. Bij FSD stond "maakt gebruik van 8 ipv 4 cameras" maar ik denk dat EAP bij V9 nu ook alle cameras gebruikt. Ik denk dat de tekst zometeen features beschrijft zonder te vermelden welke hardware hiervoor nodig is.
Op het Engelse gedeelte vermoeden ze dat het komt omdat ze de FSD niet meer are 'prepay' optie willen leveren omdat ze er verlies op gaan maken.
Op het Engelse gedeelte vermoeden ze dat het komt omdat ze de FSD niet meer are 'prepay' optie willen leveren omdat ze er verlies op gaan maken.
Jups, had het al via Twitter vernomen maar volgens Elon tijdelijk van de opties i.v.m. onduidelijkheid........ whatever that means
Het kon nochtans niet duidelijker: "Fully Self Driving".
Enfin, jammer maar helaas. Denk wel dat ze bestaande FSD-klanten gaan moeten terugbetalen, of minstens een krediet geven van 3.000 EUR of hoeveel die er ook voor betaald hebben.
CO2CLEAN
Olivier Willemsen
Een mogelijke reden die ik ben tegengekomen is dat Tesla nu al weet dat ze over enige tijd hun eigen computer erin stoppen en nu niet klanten willen laten betalen voor twee computers (de huidige die straks waarschijnlijk niet meer zoveel waard is voor Tesla en de nieuwe die nog moet komen). Klinkt logisch en dan zal de optie straks weer terugkomen.
Hans Noordsij
Well-Known Member
Is het niet gewoon zo dat men hem nu niet noemt omdat ze het nog niet (kunnen) leveren? De nieuwe hardware zal straks wel standaard in alle nieuwe auto's komen en dan is het een kwestie van activeren en men heeft FSD. De kostprijs van zo'n computer zal met grote aantallen zodanig zijn dan het goedkoper is om die gelijk te leveren dan inderdaad twee soorten aan te houden. Waarschijnlijk zal dat geruisloos gaan van het ene moment op het andere. Rest nog de overgangsperiode, waar onze AP2's onder vallen en daar wordt dan hardwarematig iets gedaan. Als er nu 300k Tesla's zijn zal een deel daarvan AP2 hebben maar bij een jaarproductie van 400 tot 500k zijn we snel in de minderheid en de nieuwen hebben het standaard (wat hardware betreft).
CO2CLEAN
Olivier Willemsen
Ja, maar auto’s die nu geproduceerd worden krijgen AP2.5 terwijl nu al bekend is dat je, met FSD optie, gratis upgrade krijgt in paar maanden. Dat kost Tesla dus 2 computers terwijl ze maar 1x betaald krijgen. Dat ze FSD nog niet kunnen leveren heeft Tesla er 2 jaar lang niet van weerhouden om FSD optie te verwijderen uit configuratie.
Paar maanden? Paar maanden voor "Super-Enhanced AP" of zoiets, misschien, maar FSD (in de niet-voor-interpretatie-vatbare betekenis van de term) is out voor veel meer dan een paar maanden, vrees ik. En komt ook niet terug voor die FSD er écht is. En dan ben ik echt bereid om er desnoods 30.000 EUR voor te betalen en geen 3.000, maar het zal in een volgend decennium zijn...
Verder ben ik het wel eens met het idee dat als Elon Musk, et gans Tesla, de lat, en de deadlines, niet zo (onredelijk) hoog hadden gelegd, ze vandaag niet zo ver zouden staan met AP. Maar dan spreken we als echte fanboys/forumleden, en da's niet de meerderheid.
Verder ben ik het wel eens met het idee dat als Elon Musk, et gans Tesla, de lat, en de deadlines, niet zo (onredelijk) hoog hadden gelegd, ze vandaag niet zo ver zouden staan met AP. Maar dan spreken we als echte fanboys/forumleden, en da's niet de meerderheid.
Ok. On topic;
Gisteren met tesla support aan de lijn gehangen voor een storing.
De nieuwe update zou in november verschijnen in batches. Eerst voor de MX daarna voor de MS.
Gisteren met tesla support aan de lijn gehangen voor een storing.
De nieuwe update zou in november verschijnen in batches. Eerst voor de MX daarna voor de MS.
denk niet dat een support medewerker over die informatie beschikt.
Ik vrees dat het toch allemaal wat ingewikkelder is. Enkele nuances.
We weten natuurlijk niet hoe ons brein werkt, er zijn wel vermoedens.
Je onderschat het aantal sensoren in een mens. Dit zijn er vele miljoenen, misschien vele miljarden. Voorlopig zit nog geen systeem daaraan.
Ook deep learning systemen vast aan kaarten. Het maakt niet uit of je deze HD-kaarten noemt of anders. Dit heeft te maken met het logisch mechanisme achter Deep-learning. Deep-learning is niets anders dan de hogere vorm van statistiek. Een model wordt getraind met massieve hoeveelheden data waarbij met name de juiste situaties getraind worden, hoe moet de auto sturen om van de huidige juiste situatie in de volgende juiste situatie te komen.
Het aantal juiste situaties is slecht een fractie tov van het aantal mogelijke fout situaties. Het heeft ook weinig zin en is erg kostbaar om auto's te trainen hoe uit elke fout situatie te komen. Ook een mens doet dit niet, die belt voor het overgrote deel van de fout situaties Tesla, de ANWB of 112 voor een oplossing.
Deze methode werkt ook voor auto's. De vraag is hoe herkent de auto dan dat deze in een fout situatie terecht dreigt te komen? En hier komen de (HD)-kaarten weer terug. Eén van de deep learning modellen in de computer van de rijdende auto, is getraind om te controleren of de huidige situatie nog steeds binnen het gewenste profiel past zoals deze opgeslagen is in kaart van het gebied waar deze rijdt. Deze kaart ziet er anders uit dan onze TomTom-kaarten maar is een afbeelding in getallen, van de opnames van de sensoren die het voertuig gebruikt maar dan eerder opgenomen en bewerkt. De informatie in deze kaarten is factoren groter dan de huidige HD-kaarten maar alleen te gebruiken voor die specifieke sensoren.
In principe betekend dit dat een voertuig een kaart krijgt van de corridors waar deze mag rijden. Zodra die daaruit dreigt te ontsnappen wordt het voertuig teruggestuurd naar de corridor of het weet dat het moet stoppen.
Dit is inderdaad natuurlijk wel een heel ander gebruik van kaarten dan de conventionele-systemen doen.
Het maakt niet zoveel uit of het cheaten is of niet, het is geen spelletje. De eerste fabrikant die FSD heeft is de winnaar die de volledige markt pakt, het aantal benodigde auto's zal zeker met 80% terug vallen.
Vermoedelijk zijn hier twee onjuiste aannames.
We weten natuurlijk niet hoe ons brein werkt, er zijn wel vermoedens.
Je onderschat het aantal sensoren in een mens. Dit zijn er vele miljoenen, misschien vele miljarden. Voorlopig zit nog geen systeem daaraan.
Dit is een heel verrassende uitspraak. Juist neurale netwerken zijn gebaseerd op het massief verwerken van data. De eerste Nvidia-systemen konden al werken met modellen van 100 miljoen parameters. De nieuwe chipsets gaan daar al weer met een factor 100 overheen. En dan nog kan het geen fractie verwerken van wat een baby brein kan verwerken aan input.
Er zijn maar enkele groepen bezig met systemen die werken met alleen camera's. Tesla hoort daar niet bij. Zij maken naast deeplearning ook gebruik van andere sensoren en sensor fusion
Ook deep learning systemen vast aan kaarten. Het maakt niet uit of je deze HD-kaarten noemt of anders. Dit heeft te maken met het logisch mechanisme achter Deep-learning. Deep-learning is niets anders dan de hogere vorm van statistiek. Een model wordt getraind met massieve hoeveelheden data waarbij met name de juiste situaties getraind worden, hoe moet de auto sturen om van de huidige juiste situatie in de volgende juiste situatie te komen.
Het aantal juiste situaties is slecht een fractie tov van het aantal mogelijke fout situaties. Het heeft ook weinig zin en is erg kostbaar om auto's te trainen hoe uit elke fout situatie te komen. Ook een mens doet dit niet, die belt voor het overgrote deel van de fout situaties Tesla, de ANWB of 112 voor een oplossing.
Deze methode werkt ook voor auto's. De vraag is hoe herkent de auto dan dat deze in een fout situatie terecht dreigt te komen? En hier komen de (HD)-kaarten weer terug. Eén van de deep learning modellen in de computer van de rijdende auto, is getraind om te controleren of de huidige situatie nog steeds binnen het gewenste profiel past zoals deze opgeslagen is in kaart van het gebied waar deze rijdt. Deze kaart ziet er anders uit dan onze TomTom-kaarten maar is een afbeelding in getallen, van de opnames van de sensoren die het voertuig gebruikt maar dan eerder opgenomen en bewerkt. De informatie in deze kaarten is factoren groter dan de huidige HD-kaarten maar alleen te gebruiken voor die specifieke sensoren.
In principe betekend dit dat een voertuig een kaart krijgt van de corridors waar deze mag rijden. Zodra die daaruit dreigt te ontsnappen wordt het voertuig teruggestuurd naar de corridor of het weet dat het moet stoppen.
Dit is inderdaad natuurlijk wel een heel ander gebruik van kaarten dan de conventionele-systemen doen.
Kaarten zullen er nauwelijks toe doen, dat is iets voor mensen. Wij verzamelen al jaren data voor Tesla. Honderden Tesla's rijden over dezelfde wegen en daaruit wordt de optimale positie op de rijbaan berekend. Die optimale positie wordt elke meter opnieuw bepaald en zo ontstaat een lijn met optimale punten die de Tesla van straks gaat rijden.
Belangrijker is een GPS systeem dat met cm nauwkeurigheid werkt. Alleen dan zal de nauwkeurigheid van de positie van de auto iedere keer tot op de cm nauwkeurig hetzelfde zijn. En voor dit alles is geen kaart nodig. Alleen een relatief kleine hoeveelheid data.
Volledig autonoom rijden gaat eigenlijk alleen hoe om te gaan met uitzonderingen. Een overstekende hond, een kruisende fietser e.d., dat zijn de echte uitdagingen. Is er voor de positie op de weg maar bijv. 0,1% van de data nodig, voor de uitzonderingen is 99,9% van de data verwerkende capaciteit nodig. En ... veel AI.
De GPS als basis voor FSD is vermoedelijk geen optie, misschien op de snelweg zonder vrachtauto's en viaducten maar in een bebouwde omgeving niet. Het bouncen van de signalen geeft uiteindelijk geen nauwkeurig plaats bepaling. De signalen worden vaak aangevuld met de gemeten vermogens van de geïdentificeerde ander stralingsbronnen zoals WIFI-routers maar ook dit geeft geen zekerheid over een locatie.
Galileo heeft een nauwkeurigheid van 20 cm. Die nauwkeurigheid wordt verder vergroot door differentieel GPS. Nederland heeft 3 (D)ifferentieel GPS zenders en heeft daarmee landelijke dekking.
En samen met radar en de camera's aan boord weet de auto tot cm's nauwkeurig waar deze zich bevindt.
Zelfs in tunnels blijft het werken, de laatst bekende positie wordt gebruikt om van daaruit door het berekenen van snelheid en koers de precieze positie te bepalen.
About satellite navigation
ze hebben het hier over 1@2 meter, in de toekomst over 20 cm, met speciale apparatuur, probleem is inderdaad stedelijke omgeving, het signaal gaat kaatsen en dan klopt de tijdswaarneming niet meer.
In tunnels heb je dus geen gps signaal, de computer doet een berekende gok (dead reckoning) waar hij zit, dit kan heel nauwkeurig, bv onderzeers navigeren op deze manier, doordat de gok heel goed is, de lengte van de tunnel is immers bekend en de snelheid ook, heeft de gps weer heel snel een fix zodra je uit de tunnel bent en merk je als gebruiker niet dat het signaal even weg was. Op veerboten gaat dit wel eens mis zoals eerder te lezen op het forum, de computer heeft geen idee meer waar hij is, een positie krijgen kan dan wat langer duren omdat hij eerst satelieten moet identificeren, hij heeft in eerste instantie geen idee van welke sateliet hij het signaal krijgt, kennelijk samen met een software foutje kregen deze personen helemaal geen positie meer.
dit is pas echt nauwkeurig, RTK - Wikipedia, dit gebruiken wij bij de grote containerschepen en geulgebonden schepen (niet perse voor positie maar voor predictie hebben we deze nauwkeurigheid nodig).
Dit kan met gps/glonass en galileo gecombineerd worden.
De ontvanger met toebehoren kost circa een model 3, komt ook nog een abonnement bij op rtk stations.
ze hebben het hier over 1@2 meter, in de toekomst over 20 cm, met speciale apparatuur, probleem is inderdaad stedelijke omgeving, het signaal gaat kaatsen en dan klopt de tijdswaarneming niet meer.
In tunnels heb je dus geen gps signaal, de computer doet een berekende gok (dead reckoning) waar hij zit, dit kan heel nauwkeurig, bv onderzeers navigeren op deze manier, doordat de gok heel goed is, de lengte van de tunnel is immers bekend en de snelheid ook, heeft de gps weer heel snel een fix zodra je uit de tunnel bent en merk je als gebruiker niet dat het signaal even weg was. Op veerboten gaat dit wel eens mis zoals eerder te lezen op het forum, de computer heeft geen idee meer waar hij is, een positie krijgen kan dan wat langer duren omdat hij eerst satelieten moet identificeren, hij heeft in eerste instantie geen idee van welke sateliet hij het signaal krijgt, kennelijk samen met een software foutje kregen deze personen helemaal geen positie meer.
dit is pas echt nauwkeurig, RTK - Wikipedia, dit gebruiken wij bij de grote containerschepen en geulgebonden schepen (niet perse voor positie maar voor predictie hebben we deze nauwkeurigheid nodig).
Dit kan met gps/glonass en galileo gecombineerd worden.
De ontvanger met toebehoren kost circa een model 3, komt ook nog een abonnement bij op rtk stations.
Ik gebruikte ruim 40 jaar Decca en GPS apparatuur aan boord van mijn zeegaande zeiljachten. Astronavigatie, ik kan navigeren met een sextant, gebruikte ik vóór die tijd tijdens lange zeereizen.
In al die jaren heb ik maar één keer een falende Decca gehad, de aarding van het ding aan de boot deugde niet. GPS apparaten waren steeds handheld en werkten altijd.
Het is dan ook zeer verwijtbaar dat een bemanning van een veerboot een niet goed werkende GPS heeft. Die schepen hebben meerdere GPS systemen en de antennes zijn hoog en in vrije ruimte aangebracht. Vandaag de dag werken GPS systemen zelfs goed in veel gebouwen en zelfs binnen een volledig carbon velomobiel zonder externe antenne.
Mijn eerste Decca ontvanger kostte 9.000 gulden, mijn eerste GPS ontvanger ruim 6.000 gulden.
Mijn eerste autonavigatie systeem, het Philips Carin systeem, was in de tachtiger jaren van de vorige eeuw al voorzien van een giro om de navigatie bij wegvallend signaal te ondersteunen. Kostte ook toen al de lieve som van 2.500 gulden.
Vandaag de dag kost een GPS een paar tientjes. GPS chips in smartphones kosten minder dan een dollar.
Zo gauw een systeem, hoe kostbaar aanvankelijk ook, gemeengoed wordt en er honderdduizenden van worden geproduceerd, daalt de prijs tot die van de huidige GPS ontvangers.
Niets staat de introductie van laaggeprijsde apparatuur met een nauwkeurigheid van centimeters in de weg.
ConstantG
Member
Het zijn niet alleen de wegen van die kaarten die je wel moet hebben maar ook de toegestane snelheden en misschien wel andere gegevens. Ook al kloppen die niet altijd zul je van alles gebruik moeten maken wat voor handen is om FSD te ondersteunen. FSD op alle wegen is echt veel moeilijker dan sommige van jullie denken.
[QUOTE="Wim S., post: 3137940, member: 13253"
Het is dan ook zeer verwijtbaar dat een bemanning van een veerboot een niet goed werkende GPS heeft. Die schepen hebben meerdere GPS systemen en de antennes zijn hoog en in vrije ruimte aangebracht. Vandaag de dag werken GPS systemen zelfs goed in veel gebouwen en zelfs binnen een volledig carbon velomobiel zonder externe antenne.
Ik bedoelde de gps van de auto’s die onderdeks staan. Die staan in een stalen kooi.
Het is dan ook zeer verwijtbaar dat een bemanning van een veerboot een niet goed werkende GPS heeft. Die schepen hebben meerdere GPS systemen en de antennes zijn hoog en in vrije ruimte aangebracht. Vandaag de dag werken GPS systemen zelfs goed in veel gebouwen en zelfs binnen een volledig carbon velomobiel zonder externe antenne.
Ik bedoelde de gps van de auto’s die onderdeks staan. Die staan in een stalen kooi.
Tja, dit is een lastig overleg.
De uitspraak:
In alle projecten waarbij ik betrokken ben als het gaat over locatie bepaling en/of autonoom rijden is de GPS/Glonass/Galileo-oplossing afgeschreven als steunpilaar voor exacte locatie bepaling in de bebouwde omgeving en voor snelheidsbepaling.
Het is een universeel probleem van alle systemen die zich baseren op elektromagnetische golven voor locatie bepaling. De golven worden omgebogen, vertraagd of versneld door de materialen die ze passeren, of juist niet kunnen passeren, en atmosferisch omstandigheden. Dit speelt niet alleen bij satelliet gebaseerde systemen maar ook bij systemen gebaseerd op zendmasten en en draadloze routers.
Je kant veel repareren met extra locale zenders die een vaste bekende locatie hebben maar het probleem is niet op te lossen, en we zijn tevreden met een 99% oplossing. Maar ik ben geen technicus en heb dit van de technici in de projecten. Dus iedereen kan mij zo omver blazen. Neemt niet weg dat we de investeringen in projecten met locatiebepaling middels elektromagnetische golven in de bebouwde omgeving hebben moeten afgeblazen.
Als stabieler oplossing zijn wij overgestapt op sensor-specifieke kaarten, fingerprinting en deep learning. Deze combinatie lijkt voor als nog een betere resultaat te geven dan de GPS/Glonass/Galileo-oplossing.
Als iemand komt met een goedkopere oplossing hoor ik het graag natuurlijk.
De uitspraak:
lijkt een contradictie. Als niets deze apparaten in de weg staat, waarom zijn ze er dan niet?
In alle projecten waarbij ik betrokken ben als het gaat over locatie bepaling en/of autonoom rijden is de GPS/Glonass/Galileo-oplossing afgeschreven als steunpilaar voor exacte locatie bepaling in de bebouwde omgeving en voor snelheidsbepaling.
Het is een universeel probleem van alle systemen die zich baseren op elektromagnetische golven voor locatie bepaling. De golven worden omgebogen, vertraagd of versneld door de materialen die ze passeren, of juist niet kunnen passeren, en atmosferisch omstandigheden. Dit speelt niet alleen bij satelliet gebaseerde systemen maar ook bij systemen gebaseerd op zendmasten en en draadloze routers.
Je kant veel repareren met extra locale zenders die een vaste bekende locatie hebben maar het probleem is niet op te lossen, en we zijn tevreden met een 99% oplossing. Maar ik ben geen technicus en heb dit van de technici in de projecten. Dus iedereen kan mij zo omver blazen. Neemt niet weg dat we de investeringen in projecten met locatiebepaling middels elektromagnetische golven in de bebouwde omgeving hebben moeten afgeblazen.
Als stabieler oplossing zijn wij overgestapt op sensor-specifieke kaarten, fingerprinting en deep learning. Deze combinatie lijkt voor als nog een betere resultaat te geven dan de GPS/Glonass/Galileo-oplossing.
Als iemand komt met een goedkopere oplossing hoor ik het graag natuurlijk.
Waarom deze oplossingen er nog niet zijn komt niet alleen door de kwestie van een al dan niet nauwkeurige plaatsbepaling. Is ook en vooral een proces om de immense hoeveelheid variabele data te interpreteren.
De benodigde rekenkracht daarvoor wordt iedere keer onderschat, ook door Tesla.
AP2.0 zou volledig autonoom rijden mogelijk maken. Maar even later werd het toch versie 2.5.
En ... nu wordt gewerkt aan versie 3.0.
Tesla zal vermoedelijk de eerste zijn die volledig autonoom rijden mogelijk zal maken.
Tesla zal dit m.i. gaan doen door een combinatie van technieken waarbij AI een zeer grote rol zal gaan spelen. Daarbij zal een bekende en goedkope methode voor een globale positiebepaling die GPS biedt m.i. door Tesla niet genegeerd worden. De continue door Tesla verzamelde data uit onze auto's zullen ze zeker gaan benutten. En met de gewenste precisie vlogen Amerikaanse kruisraketten toch letterlijk door de ramen van geselecteerde doelen. Het is dus kennelijk mogelijk om over grote afstanden een doel op enkele centimeters nauwkeurig te raken.
En gaat SpaceX hierbij nog een rol spelen?
ConstantG
Member
Letterlijk door de ramen? Volgens mij was een lagere nauwkeurigheid ook voldoende om zo’n doel weg te vagen. En als je de afwijking weet is het niet zo moeilijk om een correctie aan te brengen.
Similar threads
