Freigegeben 21. Juli 2023
Aktueller globaler Einsatz
Flottenweiter Rollout nach Tagen
Enthalten in 2023.7.26
- Verbesserte kurzfristige Spurwechsel, um ein Abweichen von der Route zu vermeiden, durch bessere Modellierung der Fahrzeuge auf der Zielspur, um die Durchsetzungsfähigkeit bei der Lückenwahl zu verbessern.
- Verbesserte Offset-Konsistenz bei der Kontrolle von statischen Hindernissen. Außerdem wurde die Laufruhe beim Ändern der Versatzrichtung verbessert, indem die Geschwindigkeit bequemer angepasst wurde.
- Verbessertes Handling von entgegenkommenden Autos auf schmalen, nicht markierten Straßen, indem die Vorhersage der Flugbahn des entgegenkommenden Autos verbessert wurde und genug Platz zum Überholen gelassen wurde, bevor das Auto wieder zentriert wurde.
- Verbesserte Vorhersage des Belegungsflusses durch das Belegungsnetzwerk für beliebige bewegliche Hindernisse um 8%.
- Erweiterte Nutzung des neuen Ground-Truth-Autolabelers für das NonVRU-Erkennungsmodell zur Verbesserung der Fahrzeugerinnerung und der Geometriegenauigkeit bei Sattelschleppern, Anhängern und exotischen Fahrzeugen.
- Verbesserte VRU-Kontrolle durch Ausweitung des Planungsbereichs, um sanft auf Entdeckungen mit geringer Wahrscheinlichkeit zu reagieren, die den Weg des Egos beeinträchtigen könnten.
- Verbesserte Handhabung von VRUs in der Nähe von Fußgängerüberwegen durch genauere Vorhersage ihrer zukünftigen Absichten. Dazu wurden mehr kinematische Daten genutzt, um die Zuordnung zwischen Zebrastreifen und VRUs zu verbessern.
- Verbessertes Verhalten von Ego in der Nähe von VRUs durch Abstimmung ihrer angenommenen kinematischen Eigenschaften und Nutzung verfügbarer semantischer Informationen zur genaueren Klassifizierung ihrer Wahrscheinlichkeit, den Weg von Ego zu kreuzen.
- Verbesserte automatische Notbremsung als Reaktion auf eingeschnittene Fahrzeuge und Fahrzeuge hinter dem Ego beim Rückwärtsfahren.
- Einführung einer automatischen Notbremsung bei allgemeinen Hindernissen, die vom Belegtheitsnetzwerk erkannt werden.
Enthalten in 2023.7.25
- Verbesserte kurzfristige Spurwechsel, um ein Abweichen von der Route zu vermeiden, durch bessere Modellierung der Fahrzeuge auf der Zielspur, um die Durchsetzungsfähigkeit bei der Lückenwahl zu verbessern.
- Verbesserte Offset-Konsistenz bei der Kontrolle von statischen Hindernissen. Außerdem wurde die Laufruhe beim Ändern der Versatzrichtung verbessert, indem die Geschwindigkeit bequemer angepasst wurde.
- Verbessertes Handling von entgegenkommenden Autos auf schmalen, nicht markierten Straßen, indem die Vorhersage der Flugbahn des entgegenkommenden Autos verbessert wurde und genug Platz zum Überholen gelassen wurde, bevor das Auto wieder zentriert wurde.
- Verbesserte Vorhersage des Belegungsflusses durch das Belegungsnetzwerk für beliebige bewegliche Hindernisse um 8%.
- Erweiterte Nutzung des neuen Ground-Truth-Autolabelers für das NonVRU-Erkennungsmodell zur Verbesserung der Fahrzeugerinnerung und der Geometriegenauigkeit bei Sattelschleppern, Anhängern und exotischen Fahrzeugen.
- Verbesserte VRU-Kontrolle durch Ausweitung des Planungsbereichs, um sanft auf Entdeckungen mit geringer Wahrscheinlichkeit zu reagieren, die den Weg des Egos beeinträchtigen könnten.
- Verbesserte Handhabung von VRUs in der Nähe von Fußgängerüberwegen durch genauere Vorhersage ihrer zukünftigen Absichten. Dazu wurden mehr kinematische Daten genutzt, um die Zuordnung zwischen Zebrastreifen und VRUs zu verbessern.
- Verbessertes Verhalten von Ego in der Nähe von VRUs durch Abstimmung ihrer angenommenen kinematischen Eigenschaften und Nutzung verfügbarer semantischer Informationen zur genaueren Klassifizierung ihrer Wahrscheinlichkeit, den Weg von Ego zu kreuzen.
- Verbesserte automatische Notbremsung als Reaktion auf eingeschnittene Fahrzeuge und Fahrzeuge hinter dem Ego beim Rückwärtsfahren.
- Einführung einer automatischen Notbremsung bei allgemeinen Hindernissen, die vom Belegtheitsnetzwerk erkannt werden.
Enthalten in 2023.7.20
- Verbesserte kurzfristige Spurwechsel, um ein Abweichen von der Route zu vermeiden, durch bessere Modellierung der Fahrzeuge auf der Zielspur, um die Durchsetzungsfähigkeit bei der Lückenwahl zu verbessern.
- Verbesserte Offset-Konsistenz bei der Kontrolle von statischen Hindernissen. Außerdem wurde die Laufruhe beim Ändern der Versatzrichtung verbessert, indem die Geschwindigkeit bequemer angepasst wurde.
- Verbessertes Handling von entgegenkommenden Autos auf schmalen, nicht markierten Straßen, indem die Vorhersage der Flugbahn des entgegenkommenden Autos verbessert wurde und genug Platz zum Überholen gelassen wurde, bevor das Auto wieder zentriert wurde.
- Verbesserte Vorhersage des Belegungsflusses durch das Belegungsnetzwerk für beliebige bewegliche Hindernisse um 8%.
- Erweiterte Nutzung des neuen Ground-Truth-Autolabelers für das NonVRU-Erkennungsmodell zur Verbesserung der Fahrzeugerinnerung und der Geometriegenauigkeit bei Sattelschleppern, Anhängern und exotischen Fahrzeugen.
- Verbesserte VRU-Kontrolle durch Ausweitung des Planungsbereichs, um sanft auf Entdeckungen mit geringer Wahrscheinlichkeit zu reagieren, die den Weg des Egos beeinträchtigen könnten.
- Verbesserte Handhabung von VRUs in der Nähe von Fußgängerüberwegen durch genauere Vorhersage ihrer zukünftigen Absichten. Dazu wurden mehr kinematische Daten genutzt, um die Zuordnung zwischen Zebrastreifen und VRUs zu verbessern.
- Verbessertes Verhalten von Ego in der Nähe von VRUs durch Abstimmung ihrer angenommenen kinematischen Eigenschaften und Nutzung verfügbarer semantischer Informationen zur genaueren Klassifizierung ihrer Wahrscheinlichkeit, den Weg von Ego zu kreuzen.
- Verbesserte automatische Notbremsung als Reaktion auf eingeschnittene Fahrzeuge und Fahrzeuge hinter dem Ego beim Rückwärtsfahren.
Enthalten in 2023.7.15
- Verbesserte Kontrolle beim Abbiegen und allgemein eine flüssigere Fahrweise durch Verbesserung von Geometrie, Krümmung, Position, Art und Topologie von Fahrspuren, Linien, Straßenrändern und begrenztem Raum. Unter anderem verbesserte sich die Wahrnehmung von Fahrspuren in Stadtstraßen um 36 %, Gabelungen um 44 %, Zusammenführungen um 27 % und Kurven um 16 %, was auf ein größeres und saubereres Trainingsset und ein aktualisiertes Spurführungsmodul zurückzuführen ist.
- Das Occupancy Network wurde um Spurführungsdaten erweitert, um die Erkennung von weiträumigen Fahrbahnmerkmalen zu verbessern, was zu einer Verringerung der falsch-negativen Erkennung von Mittelstreifen um 16 % führte.
- Verbessertes Durchsetzungsvermögen von Ego beim Überqueren von Fußgängern in Fällen, in denen Ego leicht und sicher vor dem Fußgänger überqueren kann.
- Die Wiedererkennung von Motorrädern wurde um 8 % verbessert und die Genauigkeit der Fahrzeugerkennung erhöht, um falsch positive Erkennungen zu reduzieren. Diese Modelle sind auch robuster gegenüber Schwankungen in der Bildwiederholrate.
- Verringerung der Eingriffe durch andere Fahrzeuge, die in die Fahrspur von Ego einfahren, um 43 %. Dies wurde erreicht, indem ein Rahmen geschaffen wurde, der es ermöglicht, Objekte, die die Fahrspur von Ego kreuzen könnten, zu antizipieren und proaktiv auszugleichen und/oder die Geschwindigkeit anzupassen, um Ego optimal für diese Zukunft zu positionieren.
- Verbesserte Cut-In-Kontrolle durch Reduzierung des spurbezogenen Geschwindigkeitsfehlers um 40-50% für nahe Fahrzeuge.
- Durch die Verwendung zusätzlicher Merkmale der Spurwechsel-Trajektorie zur Verbesserung der Überwachung konnte die Wiedererkennung von Objekten, die teilweise in die Fahrspur eingreifen, um 20 %, von Objekten mit hoher Giergeschwindigkeit um 40 % und von Objekten, die die Fahrspur verlassen, um 26 % verbessert werden.
- Reduzierte falsche Verlangsamungen auf Autobahnen, die mit unterschätzten Geschwindigkeiten für weit entfernte Objekte zusammenhängen, indem 68K Videos zur Trainingsmenge hinzugefügt wurden, mit verbesserter, automatisch beschrifteter Grundwahrheit.
- Glättet den Fahrspurversatz für große Fahrzeuge, indem der für das Manöver zulässige Seitenruck eingestellt wird.
- Verbesserte seitliche Kontrolle bei bevorstehenden Zusammenführungen mit hohem Kurvenradius, um von der Zusammenführungsspur abzulenken.
Enthalten in 2023.7.10
- Verbesserte Kontrolle beim Abbiegen und allgemein eine flüssigere Fahrweise durch Verbesserung von Geometrie, Krümmung, Position, Art und Topologie von Fahrspuren, Linien, Straßenrändern und begrenztem Raum. Unter anderem verbesserte sich die Wahrnehmung von Fahrspuren in Stadtstraßen um 36 %, Gabelungen um 44 %, Zusammenführungen um 27 % und Kurven um 16 %, was auf ein größeres und saubereres Trainingsset und ein aktualisiertes Spurführungsmodul zurückzuführen ist.
- Das Occupancy Network wurde um Spurführungsdaten erweitert, um die Erkennung von weiträumigen Fahrbahnmerkmalen zu verbessern, was zu einer Verringerung der falsch-negativen Erkennung von Mittelstreifen um 16 % führte.
- Verbessertes Durchsetzungsvermögen von Ego beim Überqueren von Fußgängern in Fällen, in denen Ego leicht und sicher vor dem Fußgänger überqueren kann.
- Die Wiedererkennung von Motorrädern wurde um 8 % verbessert und die Genauigkeit der Fahrzeugerkennung erhöht, um falsch positive Erkennungen zu reduzieren. Diese Modelle sind auch robuster gegenüber Schwankungen in der Bildwiederholrate.
- Verringerung der Eingriffe durch andere Fahrzeuge, die in die Fahrspur von Ego einfahren, um 43 %. Dies wurde erreicht, indem ein Rahmen geschaffen wurde, der es ermöglicht, Objekte, die die Fahrspur von Ego kreuzen könnten, zu antizipieren und proaktiv auszugleichen und/oder die Geschwindigkeit anzupassen, um Ego optimal für diese Zukunft zu positionieren.
- Verbesserte Cut-In-Kontrolle durch Reduzierung des spurbezogenen Geschwindigkeitsfehlers um 40-50% für nahe Fahrzeuge.
- Durch die Verwendung zusätzlicher Merkmale der Spurwechsel-Trajektorie zur Verbesserung der Überwachung konnte die Wiedererkennung von Objekten, die teilweise in die Fahrspur eingreifen, um 20 %, von Objekten mit hoher Giergeschwindigkeit um 40 % und von Objekten, die die Fahrspur verlassen, um 26 % verbessert werden.
- Reduzierte falsche Verlangsamungen auf Autobahnen, die mit unterschätzten Geschwindigkeiten für weit entfernte Objekte zusammenhängen, indem 68K Videos zur Trainingsmenge hinzugefügt wurden, mit verbesserter, automatisch beschrifteter Grundwahrheit.
- Glättet den Fahrspurversatz für große Fahrzeuge, indem der für das Manöver zulässige Seitenruck eingestellt wird.
- Verbesserte seitliche Kontrolle bei bevorstehenden Zusammenführungen mit hohem Kurvenradius, um von der Zusammenführungsspur abzulenken.
Enthalten in 2023.7.10
Um maximale Sicherheit und Verantwortlichkeit zu gewährleisten, wird die Nutzung von Full Self-Driving (Beta) ausgesetzt, wenn eine unsachgemäße Nutzung festgestellt wird. Eine unsachgemäße Nutzung liegt vor, wenn du oder ein anderer Fahrer deines Fahrzeugs fünfmal "erzwungene Autopilot-Ausschaltungen" erhältst. Eine Deaktivierung liegt vor, wenn das Autopilot-System für den Rest der Fahrt deaktiviert wird, nachdem der Fahrer mehrere akustische und visuelle Warnungen wegen Unachtsamkeit erhalten hat. Vom Fahrer veranlasste Deaktivierungen gelten nicht als unsachgemäße Nutzung und werden vom Fahrer erwartet. Behalte deine Hände am Lenkrad und bleibe jederzeit aufmerksam. Die Verwendung von tragbaren Geräten während der Nutzung des Autopiloten ist nicht erlaubt.
Das FSD Beta-Feature kann nur mit dieser Aussetzungsmethode entfernt werden und wird für etwa eine Woche nicht verfügbar sein.
Enthalten in 2023.7.5
- Verbesserte Kontrolle beim Abbiegen und allgemein eine flüssigere Fahrweise durch Verbesserung von Geometrie, Krümmung, Position, Art und Topologie von Fahrspuren, Linien, Straßenrändern und begrenztem Raum. Unter anderem verbesserte sich die Wahrnehmung von Fahrspuren in Stadtstraßen um 36 %, Gabelungen um 44 %, Zusammenführungen um 27 % und Kurven um 16 %, was auf ein größeres und saubereres Trainingsset und ein aktualisiertes Spurführungsmodul zurückzuführen ist.
- Das Occupancy Network wurde um Spurführungsdaten erweitert, um die Erkennung von weiträumigen Fahrbahnmerkmalen zu verbessern, was zu einer Verringerung der falsch-negativen Erkennung von Mittelstreifen um 16 % führte.
- Verbessertes Durchsetzungsvermögen von Ego beim Überqueren von Fußgängern in Fällen, in denen Ego leicht und sicher vor dem Fußgänger überqueren kann.
- Die Wiedererkennung von Motorrädern wurde um 8 % verbessert und die Genauigkeit der Fahrzeugerkennung erhöht, um falsch positive Erkennungen zu reduzieren. Diese Modelle sind auch robuster gegenüber Schwankungen in der Bildwiederholrate.
- Verringerung der Eingriffe durch andere Fahrzeuge, die in die Fahrspur von Ego einfahren, um 43 %. Dies wurde erreicht, indem ein Rahmen geschaffen wurde, der es ermöglicht, Objekte, die die Fahrspur von Ego kreuzen könnten, zu antizipieren und proaktiv auszugleichen und/oder die Geschwindigkeit anzupassen, um Ego optimal für diese Zukunft zu positionieren.
- Verbesserte Cut-In-Kontrolle durch Reduzierung des spurbezogenen Geschwindigkeitsfehlers um 40-50% für nahe Fahrzeuge.
- Durch die Verwendung zusätzlicher Merkmale der Spurwechsel-Trajektorie zur Verbesserung der Überwachung konnte die Wiedererkennung von Objekten, die teilweise in die Fahrspur eingreifen, um 20 %, von Objekten mit hoher Giergeschwindigkeit um 40 % und von Objekten, die die Fahrspur verlassen, um 26 % verbessert werden.
- Reduzierte falsche Verlangsamungen auf Autobahnen, die mit unterschätzten Geschwindigkeiten für weit entfernte Objekte zusammenhängen, indem 68K Videos zur Trainingsmenge hinzugefügt wurden, mit verbesserter, automatisch beschrifteter Grundwahrheit.
- Glättet den Fahrspurversatz für große Fahrzeuge, indem der für das Manöver zulässige Seitenruck eingestellt wird.
- Verbesserte seitliche Kontrolle bei bevorstehenden Zusammenführungen mit hohem Kurvenradius, um von der Zusammenführungsspur abzulenken.