La versión Beta 11 de Tesla FSD lo permite en las autopistas, ya que incorpora un frenado agresivo en caso de saltarse un semáforo en rojo y notas de voz para el conductor

Tesla está a punto de lanzar una versión beta 11 de FSD más amplia en , ya que la actualización v11.3 a sus empleados y las notas de la versión se han publicado en línea. Por primera vez, el FSD Beta vendrá como una solución universal de una sola pila que no mezcla el código más reciente para la conducción urbana con la pila Autopilot carretera mucho más antigua que estaba destinado para el hardware más básico de conducción autónoma y características en el momento.

Aquí está el registro de cambios FSD Beta 11 y todas las nuevas características que figuran en las notas de la actualización v11.3:

• Habilitada la FSD Beta en autopista. Esto unifica la visión y la planificación de la pila dentro y fuera de la carretera y sustituye a la pila de la carretera de legado, que es más de cuatro años de edad. La pila de autopista heredada todavía se basa en varias redes de una sola cámara y un solo fotograma, y se configuró para manejar maniobras simples específicas de carril. Las redes de vídeo multicámara de FSD Beta y el planificador de nueva generación, que permiten interacciones más complejas entre agentes con menos dependencia de los carriles, permiten añadir comportamientos más inteligentes, un control más fluido y una mejor toma de decisiones.
• Añadidas notas de conducción por voz. Tras una intervención, ahora puedes enviar a Tesla un mensaje de voz anónimo describiendo tu experiencia para ayudar a mejorar Autopilot.
• Frenado de emergencia automático (AEB) ampliado para manejar vehículos que se cruzan en el camino de ego. Esto incluye casos en los que otros vehículos se saltan el semáforo en rojo o giran para cruzarse en la trayectoria de ego, robándole el derecho de paso. La repetición de colisiones anteriores de este tipo sugiere que el 49% de los incidentes se mitigarían con el nuevo comportamiento. Esta mejora está ahora activa tanto en conducción manual como con el piloto automático.
• Se ha mejorado en 500 ms el tiempo de reacción del piloto automático ante los saltadores de semáforos en rojo y de señales de stop, gracias a una mayor confianza en la cinemática instantánea del objeto junto con las estimaciones de trayectoria.
• Se ha añadido una red de carriles de autopista de largo alcance para poder reaccionar antes ante carriles bloqueados y curvas pronunciadas.
• Se ha reducido en un 40% el error de predicción de la pose del objetivo para la red neuronal de trayectoria candidata y se ha triplicado el tiempo de ejecución. Esto se consiguió mejorando el conjunto de datos mediante una optimización fuera de línea más robusta y pesada, aumentando 4 veces el tamaño de este conjunto de datos mejorado e implementando una arquitectura y un espacio de características mejores.
• Mejora de las detecciones de redes de ocupación mediante sobremuestreo en 180.000 vídeos difíciles, incluidos los reflejos de lluvia, los restos de la carretera y las curvas pronunciadas.
• Se ha mejorado en un 20% la detección de los casos de atropello cercano añadiendo al conjunto de datos 40.000 vídeos de flotas etiquetados automáticamente. También se ha mejorado la gestión de los casos de adelantamiento mediante un mejor modelado de su movimiento en el carril del ego, aprovechando el mismo para un control lateral y longitudinal más suave de los objetos adelantados.
• Se ha añadido un "módulo de orientación de carriles y pérdida perceptiva a la red de bordes y líneas de carretera, lo que ha mejorado el recuerdo absoluto de las líneas en un 6% y el recuerdo absoluto de los bordes de carretera en un 7%.
• Mejora de la geometría general y la estabilidad de las predicciones de carriles mediante la actualización de la representación del módulo de "guía de carriles" con información relevante para la predicción de carriles de cruce y en sentido contrario.
• Mejora del manejo en escenarios de alta velocidad y alta curvatura mediante el desplazamiento hacia las líneas interiores del carril.
• Cambios de carril mejorados, incluyendo: detección y manejo más tempranos para cambios de carril simultáneos, mejor selección de huecos al acercarse a los límites, mejor integración entre las decisiones de cambio de carril basadas en la velocidad y en la navegación y mayor diferenciación entre los perfiles de conducción FSD con respecto a los cambios de carril por velocidad.
• Mejora de la suavidad de la respuesta del control longitudinal al seguir a vehículos de cabeza modelando mejor el posible efecto de las luces de freno de los vehículos de cabeza en sus futuros perfiles de velocidad.
• Mejora de la detección de objetos raros en un 18% y reducción del error de profundidad en camiones grandes en un 9%, principalmente gracias a la migración a conjuntos de datos autoetiquetados con supervisión más densa.
• Mejora de las detecciones semánticas de autobuses escolares en un 12% y de los vehículos en transición de parados a en marcha en un 15%. Esto se consiguió mejorando la precisión de las etiquetas de los conjuntos de datos y aumentando su tamaño en un 5%. Mejora de la toma de decisiones en pasos de peatones gracias a la estimación de la trayectoria del ego basada en redes neuronales en lugar de modelos cinemáticos aproximados.
• Mejora de la fiabilidad y la fluidez del control de las incorporaciones mediante la eliminación de las tareas heredadas de incorporación de regiones en favor de topologías de incorporación derivadas de carriles vectoriales.
• Desbloqueo de clips de telemetría de flota más largos (hasta un 26%) equilibrando los búferes IPC comprimidos y optimizando la programación de escritura en los SOC gemelos.

Algunas de las nuevas funciones de la versión Beta 11 de FSD ya se habían filtrado o habían sido anunciadas por el propio Elon Musk, como la FSD de autopista, pero el resto son nuevas y bienvenidas.

La posibilidad de enviar notas de voz anónimas a Tesla después de cada intervención personal mientras se utiliza el modo Beta de conducción autónoma completa, por ejemplo, añadiría contexto a la situación y ayudaría a Tesla a mejorar aún más su solución de conducción autónoma añadiendo el punto de vista del conductor al ya formidable conjunto de datos que ha acumulado hasta ahora.

Consigue el conector de pared con cable de 24' de Tesla Motors en Amazon