Utgitt 21. juli 2023
Inkludert i 2023.7.26
– Forbedrede filskift med korte tidsfrister for å unngå å kjøre av rute, gjennom bedre modellering av kjøretøy i målfelt for å forbedre selvsikkerheten ved valg av mellomrom.
- Forbedret forskyvningskonsistens ved kontroll for statiske hindringer. Også forbedret jevnhet ved endring av forskyvningsretning ved å justere hastigheten mer komfortabelt.
– Forbedret håndtering av møtende biler på smale, umerkede veier ved å forbedre forutsigelsen av møtende bilers bane og gi nok plass til at de kan passere før de sentreres på nytt.
– Forbedret prediksjon av beleggsflyt fra beleggsnettverket for vilkårlige bevegelige hindringer med 8 %.
– Utvidet bruk av den nye automerkingen for objektbasert sannhet for NonVRU-deteksjonsmodellen, noe som forbedrer gjenkalling av kjøretøy på avstand og geometripresisjon for semitrailere, tilhengere og eksotiske kjøretøy.
– Forbedret VRU-kontroll ved å utvide planleggingsomfanget for å kontrollere forsiktig for lavkonfidensdeteksjoner som kan forstyrre egoets bane.
– Forbedret håndtering av VRU-er nær fotgjengeroverganger ved å forutsi deres fremtidige intensjon mer nøyaktig. Dette ble gjort ved å utnytte mer kinematiske data for å forbedre sammenhengen mellom fotgjengeroverganger og VRU-er.
- Forbedret egoets oppførsel nær VRU-er ved å justere deres antatte kinematiske egenskaper og bruke tilgjengelig semantisk informasjon for å klassifisere mer nøyaktig sannsynligheten for å krysse egoets bane.
- Forbedret automatisk nødbremsing som respons på innkjørende kjøretøy og kjøretøy bak ego-en under rygging.
– Introdusert automatisk nødbremsing ved generelle hindringer oppdaget av Occupancy Network.
Inkludert i 2023.7.25
– Forbedrede filskift med korte tidsfrister for å unngå å kjøre av rute, gjennom bedre modellering av kjøretøy i målfelt for å forbedre selvsikkerheten ved valg av mellomrom.
- Forbedret forskyvningskonsistens ved kontroll for statiske hindringer. Også forbedret jevnhet ved endring av forskyvningsretning ved å justere hastigheten mer komfortabelt.
– Forbedret håndtering av møtende biler på smale, umerkede veier ved å forbedre forutsigelsen av møtende bilers bane og gi nok plass til at de kan passere før de sentreres på nytt.
– Forbedret prediksjon av beleggsflyt fra beleggsnettverket for vilkårlige bevegelige hindringer med 8 %.
– Utvidet bruk av den nye automerkingen for objektbasert sannhet for NonVRU-deteksjonsmodellen, noe som forbedrer gjenkalling av kjøretøy på avstand og geometripresisjon for semitrailere, tilhengere og eksotiske kjøretøy.
– Forbedret VRU-kontroll ved å utvide planleggingsomfanget for å kontrollere forsiktig for lavkonfidensdeteksjoner som kan forstyrre egoets bane.
– Forbedret håndtering av VRU-er nær fotgjengeroverganger ved å forutsi deres fremtidige intensjon mer nøyaktig. Dette ble gjort ved å utnytte mer kinematiske data for å forbedre sammenhengen mellom fotgjengeroverganger og VRU-er.
- Forbedret egoets oppførsel nær VRU-er ved å justere deres antatte kinematiske egenskaper og bruke tilgjengelig semantisk informasjon for å klassifisere mer nøyaktig sannsynligheten for å krysse egoets bane.
- Forbedret automatisk nødbremsing som respons på innkjørende kjøretøy og kjøretøy bak ego-en under rygging.
– Introdusert automatisk nødbremsing ved generelle hindringer oppdaget av Occupancy Network.
Inkludert i 2023.7.20
– Forbedrede filskift med korte tidsfrister for å unngå å kjøre av rute, gjennom bedre modellering av kjøretøy i målfelt for å forbedre selvsikkerheten ved valg av mellomrom.
- Forbedret forskyvningskonsistens ved kontroll for statiske hindringer. Også forbedret jevnhet ved endring av forskyvningsretning ved å justere hastigheten mer komfortabelt.
– Forbedret håndtering av møtende biler på smale, umerkede veier ved å forbedre forutsigelsen av møtende bilers bane og gi nok plass til at de kan passere før de sentreres på nytt.
– Forbedret prediksjon av beleggsflyt fra beleggsnettverket for vilkårlige bevegelige hindringer med 8 %.
– Utvidet bruk av den nye automerkingen for objektbasert sannhet for NonVRU-deteksjonsmodellen, noe som forbedrer gjenkalling av kjøretøy på avstand og geometripresisjon for semitrailere, tilhengere og eksotiske kjøretøy.
– Forbedret VRU-kontroll ved å utvide planleggingsomfanget for å kontrollere forsiktig for lavkonfidensdeteksjoner som kan forstyrre egoets bane.
– Forbedret håndtering av VRU-er nær fotgjengeroverganger ved å forutsi deres fremtidige intensjon mer nøyaktig. Dette ble gjort ved å utnytte mer kinematiske data for å forbedre sammenhengen mellom fotgjengeroverganger og VRU-er.
- Forbedret egoets oppførsel nær VRU-er ved å justere deres antatte kinematiske egenskaper og bruke tilgjengelig semantisk informasjon for å klassifisere mer nøyaktig sannsynligheten for å krysse egoets bane.
- Forbedret automatisk nødbremsing som respons på innkjørende kjøretøy og kjøretøy bak ego-en under rygging.
Inkludert i 2023.7.15
– Forbedret kontroll gjennom svinger og jevnere kjøring generelt, ved å forbedre geometri, kurvatur, posisjon, type og topologi for kjørefelt, linjer, veikant og begrenset plass. Blant andre forbedringer ble oppfatningen av kjørefelt i bygater forbedret med 36 %, gaffelvegger forbedret med 44 %, sammenføyninger forbedret med 27 % og svinger forbedret med 16 %, på grunn av et større og renere treningssett og en oppdatert kjørefeltveiledningsmodul.
– La til kjørefeltveiledningsinndata i trafikksikkerhetsnettverket for å forbedre deteksjonen av langtrekkende kjørebaneelementer, noe som resulterer i en reduksjon på 16 % i falske negative mediandeteksjoner.
- Forbedret egoets selvhevdelse for kryssende fotgjengere i tilfeller der egoet enkelt og trygt kan krysse før fotgjengeren.
– Forbedret gjenkjenning av motorsykler med 8 % og økt presisjon i kjøretøydeteksjon for å redusere falske positive deteksjoner. Disse modellene gir også mer robusthet til variasjon i bildefrekvens.
- Reduserte inngrep forårsaket av andre kjøretøy som skjærer inn i ego-filen med 43 %. Dette ble oppnådd ved å lage et rammeverk for å sannsynlighetsmessig forutse objekter som kan skjære inn i ego-filen og proaktivt utligne og/eller justere hastigheten for å posisjonere ego optimalt for disse fremtidene.
- Forbedret kontroll ved innkobling ved å redusere filsentrert hastighetsfeil med 40–50 % for kjøretøy i nærheten.
- Forbedret gjenkjenning av delvis inntrenging av objekter i filen med 20 %, innskutt innkjøring med høy giringshastighet med 40 % og utskutt ut med 26 % ved å bruke tilleggsfunksjoner i filskiftebanen for å forbedre overvåkingen.
– Reduserte falske nedbremsinger på motorveier relatert til undervurderte hastigheter for fjerne objekter ved å legge til 68 000 videoer i treningssettet med forbedret automatisk merket bakkesannhet.
- Jevnet ut filforskyvning for store kjøretøy ved å justere mengden siderykk som er tillatt for manøveren.
- Forbedret sidekontroll for kommende sammenføyninger med høy kurvatur for å vinkle bort fra sammenføyningsfeltet.
Inkludert i 2023.7.10
– Forbedret kontroll gjennom svinger og jevnere kjøring generelt, ved å forbedre geometri, kurvatur, posisjon, type og topologi for kjørefelt, linjer, veikant og begrenset plass. Blant andre forbedringer ble oppfatningen av kjørefelt i bygater forbedret med 36 %, gaffelvegger forbedret med 44 %, sammenføyninger forbedret med 27 % og svinger forbedret med 16 %, på grunn av et større og renere treningssett og en oppdatert kjørefeltveiledningsmodul.
– La til kjørefeltveiledningsinndata i trafikksikkerhetsnettverket for å forbedre deteksjonen av langtrekkende kjørebaneelementer, noe som resulterer i en reduksjon på 16 % i falske negative mediandeteksjoner.
- Forbedret egoets selvhevdelse for kryssende fotgjengere i tilfeller der egoet enkelt og trygt kan krysse før fotgjengeren.
– Forbedret gjenkjenning av motorsykler med 8 % og økt presisjon i kjøretøydeteksjon for å redusere falske positive deteksjoner. Disse modellene gir også mer robusthet til variasjon i bildefrekvens.
- Reduserte inngrep forårsaket av andre kjøretøy som skjærer inn i ego-filen med 43 %. Dette ble oppnådd ved å lage et rammeverk for å sannsynlighetsmessig forutse objekter som kan skjære inn i ego-filen og proaktivt utligne og/eller justere hastigheten for å posisjonere ego optimalt for disse fremtidene.
- Forbedret kontroll ved innkobling ved å redusere filsentrert hastighetsfeil med 40–50 % for kjøretøy i nærheten.
- Forbedret gjenkjenning av delvis inntrenging av objekter i filen med 20 %, innskutt innkjøring med høy giringshastighet med 40 % og utskutt ut med 26 % ved å bruke tilleggsfunksjoner i filskiftebanen for å forbedre overvåkingen.
– Reduserte falske nedbremsinger på motorveier relatert til undervurderte hastigheter for fjerne objekter ved å legge til 68 000 videoer i treningssettet med forbedret automatisk merket bakkesannhet.
- Jevnet ut filforskyvning for store kjøretøy ved å justere mengden siderykk som er tillatt for manøveren.
- Forbedret sidekontroll for kommende sammenføyninger med høy kurvatur for å vinkle bort fra sammenføyningsfeltet.
Inkludert i 2023.7.10
For maksimal sikkerhet og ansvarlighet vil bruk av Full Self-Driving (Beta) bli suspendert hvis feil bruk oppdages. Feil bruk er når du, eller en annen sjåfør av kjøretøyet ditt, mottar fem «tvungne autopilot-utkoblinger». En utkobling er når autopilotsystemet kobles fra resten av en tur etter at sjåføren har mottatt flere lyd- og visuelle advarsler for uoppmerksomhet. Sjåførinitierte utkoblinger teller ikke som feil bruk og forventes av sjåføren. Hold hendene på rattet og vær oppmerksom til enhver tid. Bruk av håndholdte enheter mens du bruker autopilot er ikke tillatt.
FSD Beta-funksjonen kan bare fjernes med denne suspensjonsmetoden, og den vil være utilgjengelig i omtrent én uke.
Inkludert i 2023.7.5
– Forbedret kontroll gjennom svinger og jevnere kjøring generelt, ved å forbedre geometri, kurvatur, posisjon, type og topologi for kjørefelt, linjer, veikant og begrenset plass. Blant andre forbedringer ble oppfatningen av kjørefelt i bygater forbedret med 36 %, gaffelvegger forbedret med 44 %, sammenføyninger forbedret med 27 % og svinger forbedret med 16 %, på grunn av et større og renere treningssett og en oppdatert kjørefeltveiledningsmodul.
– La til kjørefeltveiledningsinndata i trafikksikkerhetsnettverket for å forbedre deteksjonen av langtrekkende kjørebaneelementer, noe som resulterer i en reduksjon på 16 % i falske negative mediandeteksjoner.
- Forbedret egoets selvhevdelse for kryssende fotgjengere i tilfeller der egoet enkelt og trygt kan krysse før fotgjengeren.
– Forbedret gjenkjenning av motorsykler med 8 % og økt presisjon i kjøretøydeteksjon for å redusere falske positive deteksjoner. Disse modellene gir også mer robusthet til variasjon i bildefrekvens.
- Reduserte inngrep forårsaket av andre kjøretøy som skjærer inn i ego-filen med 43 %. Dette ble oppnådd ved å lage et rammeverk for å sannsynlighetsmessig forutse objekter som kan skjære inn i ego-filen og proaktivt utligne og/eller justere hastigheten for å posisjonere ego optimalt for disse fremtidene.
- Forbedret kontroll ved innkobling ved å redusere filsentrert hastighetsfeil med 40–50 % for kjøretøy i nærheten.
- Forbedret gjenkjenning av delvis inntrenging av objekter i filen med 20 %, innskutt innkjøring med høy giringshastighet med 40 % og utskutt ut med 26 % ved å bruke tilleggsfunksjoner i filskiftebanen for å forbedre overvåkingen.
– Reduserte falske nedbremsinger på motorveier relatert til undervurderte hastigheter for fjerne objekter ved å legge til 68 000 videoer i treningssettet med forbedret automatisk merket bakkesannhet.
- Jevnet ut filforskyvning for store kjøretøy ved å justere mengden siderykk som er tillatt for manøveren.
- Forbedret sidekontroll for kommende sammenføyninger med høy kurvatur for å vinkle bort fra sammenføyningsfeltet.