La mise à jour 10.13 de Tesla FSD Beta sera déployée dans deux semaines
« [Tesla] FSD Beta 10.69 tombe le 20/08 », a récemment tweeté Elon Musk. Il parlait bien sûr de la v.10.13.
Suite à son annonce, Musk a réitéré : « cette sortie sera importante ». Lors du tour d’horizon des actionnaires de 2022, il a déclaré que la v.10.13 ressemblait davantage à la 10.69, car les pilotes verront des améliorations significatives lors du déploiement de la mise à jour.
« Nous travaillons sur la 10.13 depuis un moment et… En fait, ce qui s’est passé, c’est que nous avons apporté des améliorations architecturales assez importantes, donc ce sera vraiment plus que la version 10.12 à 10.13. Il pourrait – je ne veux pas parler trop tôt – il pourrait se qualifier pour 10,69. dit Musk.
Le mois dernier, le PDG de Tesla a tweeté que les utilisateurs en dehors de la Californie remarqueraient le plus les améliorations apportées à FSD Beta. Lors du tour d’horizon des actionnaires, Musk a mentionné que FSD Beta 10.13 s’attaquerait aux virages à gauche et même au virage de Chuck. Les notes de version divulguées de la v.10.13 ont révélé quelques détails supplémentaires sur la prochaine mise à jour, voir ci-dessous.
- Amélioration de la prise de décision pour les virages à gauche non protégés en utilisant une meilleure estimation de l’interaction de l’ego avec d’autres objets tout au long de la manœuvre.
- Amélioration de la pose d’arrêt tout en cédant pour traverser des objets lors de virages à gauche non protégés de «style Chuck Cook» en utilisant les zones de sécurité médianes.
- Rendu le profil de vitesse plus confortable lors de la progression pour la visibilité, pour permettre des arrêts plus fluides lors de la protection contre des objets potentiellement occlus.
- Activé rampant pour la visibilité à n’importe quelle intersection où les objets pourraient croiser le chemin de l’ego, indépendamment de la présence de contrôles de la circulation.
- Erreur de position de voie améliorée de 5 % et rappel de voie de 12 %…
- Amélioration de l’erreur de position de voie de croisement et de fusion de voies de 22 % en ajoutant des connexions de saut à longue portée et un tronc plus puissant à l’architecture du réseau.
- Amélioration de l’erreur de vitesse des piétons et des cyclistes de 17 %, en particulier lorsque l’ego effectue un virage, en améliorant l’estimation de la trajectoire embarquée utilisée comme entrée du réseau de neurones.
- Amélioration du rappel de détection des animaux de 34 % et diminution des faux positifs de 8 % en doublant la taille de l’ensemble d’apprentissage auto-étiqueté.
- Amélioration du rappel de détection des véhicules qui se croisent loin de 4 % en ajustant la fonction de perte utilisée pendant la formation et en améliorant la qualité de l’étiquette.
- Amélioration de l’attribut « est garé » pour les véhicules de 5 % en ajoutant 20 % d’exemples supplémentaires à l’ensemble d’entraînement.
- Mise à niveau du réseau d’occupation pour détecter les objets dynamiques et améliorer les performances en ajoutant un module vidéo, en ajustant la fonction de perte et en ajoutant 37 000 nouveaux clips à l’ensemble d’entraînement.
- Réduction des faux ralentissements autour des passages pour piétons grâce à une meilleure classification des piétons et des cyclistes comme n’ayant pas l’intention d’interagir avec l’ego.
- Réduction des faux changements de voie pour les cônes ou les blocages en préférant un léger décalage dans la voie, le cas échéant.
- Amélioration du positionnement dans la voie sur les larges routes résidentielles.
- Amélioration de la prédiction du chemin futur de l’objet dans les scénarios avec un taux de lacet élevé.
- Amélioration de la précision des panneaux de limitation de vitesse sur les limitations de vitesse numériques de 29 %, sur les panneaux présentant une pertinence difficile de 23 %, sur les vitesses à 3 chiffres de 39 % et sur les panneaux de fin de limitation de vitesse de 62 %. Le réseau de neurones a été formé avec 84 % d’exemples supplémentaires dans l’ensemble de formation et avec des modifications architecturales qui ont alloué plus de calcul dans la tête de réseau.
Êtes-vous un bêta-testeur FSD ? J’aimerais connaître votre expérience avec la v.10.13 lorsqu’elle sortira. Contactez-moi à maria@teslarati.com ou via Twitter @Writer_01001101.
