Nach der lang erwarteten Veröffentlichung wurde damit begonnen, Tesla FSDv12 (FSDv12.1.2) offiziell an Benutzer weiterzuleiten.„FSDBetav12 erweitert den städtischen Straßenfahr-Stack zu einem durchgängigen neuronalen Netzwerk, das auf Millionen von Videos trainiert wird und mehr als 300.000 Zeilen C++-Code ersetzt.“Tesla sagte dies in den Update-Notizen.
Mit anderen Worten: Nach dem Upgrade auf FSDv12 wird künstliche Intelligenz die Programmierung durch Ingenieure ersetzen und das Fahrzeugverhalten im autonomen Fahrmodus steuern.
Das Bewertungsvideo von WholeMars, einem Tesla-Bewertungsblogger, zeigt, dass FSDv12, wenn es das Fahrzeug übernimmt, darauf wartet, dass Fußgänger die Straße vor dem Zebrastreifen überqueren, auf der Fahrspur angehaltenen Fahrzeugen sanft ausweicht und nach dem Links-/Rechtsabbiegen schnell die Spur wechselt; Liegt das Ziel des Besitzers auf der linken Seite einer Einbahnstraße, parkt das Fahrzeug direkt auf der linken Seite; Wenn andere am Straßenrand geparkte Fahrzeuge plötzlich ausfahren oder während der Fahrt plötzlich anhalten, weicht FSDv12 ihnen natürlich auch rechtzeitig aus ...
Im Evaluierungsbericht heißt es, dass er die Tesla FSD-Betaversion seit 2020 testet, von FSDv11.4.9 bis zur heutigen FSDv12.1.2. „Das ist der größte Fortschritt, den ich je in der FSD-Beta gesehen habe.“ FSDv12.1.2 ist bereits verfügbar„Erhebliche Verbesserungen in allen wichtigen Aspekten“.
Gleichzeitig gab er aber auch zu, dass im Vergleich zu FSDv11.4.9Es kommt öfter vor, dass FSDv12.1.2 übernehmen muss – „FSDv12.1.2 ist nicht bereit für vollständig autonomes Fahren“.
Musk hat gesagt, dass Tesla den Benutzern eine Nicht-Beta-Version von FSDv12 zur Verfügung stellen wird, aber dieses Mal wurde in den Update-Anweisungen für FSDv12 das Wort „Beta“ nicht entfernt.
Vor einem Monat gab Musk bekannt, dass Tesla zusätzliche Tests durchführt, da es sich bei FSDv12 um eine neue Architektur handelt. In Kalifornien funktioniert es gut, für Gebiete mit starken Regenfällen ist jedoch mehr Training erforderlich.
End-to-End ist das größte Highlight
Tesla FSDv12 ist sein wichtigstes Upgrade und die End-to-End-Lösung sein größtes Verkaufsargument.
Warum die End-to-End-Lösung wählen? Als Musk sich zuvor mit dem oben erwähnten Rezensionsblogger WholeMars in Verbindung setzte, gab er weitere Details bekannt:
„Das ist es, was Menschen tun“, sagte er, „Photoneneingabe, Hand- und Fußbewegungs-(Kontroll-)Ausgabe.“ - Der Mensch verlässt sich beim Fahren auf seine Augen und biologischen neuronalen Netze. Für das autonome Fahren sind Kameras und neuronale Netze KI die richtigen universellen Entscheidungslösungen. Obwohl es für KI-Neuronale Netze schwierig ist, bestimmte Details zu erklären, können menschliche Passagiere dementsprechend nicht genau wissen, was der Fahrer denkt, wenn sie ein Taxi nehmen, sondern nur die Einschätzung des Fahrers sehen.
Der gesamte End-to-End-Algorithmus basiert fast ausschließlich auf neuronalen Netzen. Kaiyuan Securities wies darauf hin, dassDer Vorteil besteht darin, dass es sehr flexibel ist, eine gute Anpassungsfähigkeit aufweist, eine hohe Obergrenze aufweist und in einem stark anthropomorphen Zustand fahren kann, was das Fahrerlebnis erheblich verbessert.. Während der Live-Übertragung der FSDv12-Testfahrt von Musk im August 2023 verlief der Gesamtprozess sehr reibungslos. FSDv12 kam den Fahrgewohnheiten menschlicher Fahrer nahe und zeigte ein gutes Fahrerlebnis und gute Auswirkungen.
Analysten steigen weiter,Ausgefeilte Algorithmen, riesige Datenmengen und große Rechenleistung sind notwendige Voraussetzungen für FSDV12. Unter diesen haben Daten für das Training von Algorithmen oberste Priorität. Wie man große Mengen effektiver Daten sammelt und das Modell trainiert, um entsprechendes Fahrverhalten in entsprechenden Szenarien zu zeigen, stellt die technischen Fähigkeiten der Entwickler auf die Probe. Rechenleistung ist die Grundlage für das Training autonomer Fahrmodelle. Die Rechenleistung von Tesla wird bis Ende 2024 100EFlops erreichen. Gut gestaltete Algorithmen sind auch der Kernbestandteil der Entwicklung von End-to-End-Algorithmen.