Tesla Montuje Nowe Kamery w Pojazdach Walidacyjnych, Sygnalizując Możliwą Aktualizację Sprzętu lub Gruntowną Zmianę w Szkoleniach
Nowa flota inżynieryjnych pojazdów walidacyjnych Tesli została zauważona w Los Gatos w Kalifornii, wyposażona w nietypowy sprzęt. W przeciwieństwie do standardowych mułów walidacyjnych, które obserwowaliśmy przez lata — zazwyczaj wyposażonych...


Te wyglądające na tymczasowe uchwyty trzymają szerokokątne kamery zamontowane nisko i skierowane na zewnątrz. Choć Tesla regularnie testuje nowe czujniki, samo umiejscowienie — celujące w przednie martwe pola, które obecne układy kamer mają trudność uchwycić — mocno sugeruje, że Tesla zbiera dane, aby rozwiązać dwa priorytetowe problemy: Summon/Actually Smart Summon oraz Banish.
Ustalanie stanu rzeczywistego
Podejście Tesli oparte na wizji opiera się w dużej mierze na sieciach zajętości — modelach przewidujących obecność i ruch obiektów w martwych polach poprzez zapamiętywanie tego, co pojazd widział kilka sekund wcześniej. Ta pamięć czasowa jest krytyczna, szczególnie w przypadku Cybertrucka, ponieważ jego kamery przednie nie są w stanie obserwować pewnych obszarów wokół zderzaka.
Do precyzyjnych manewrów przy niskich prędkościach sama pamięć jednak nie wystarcza. Nowe kamery zamontowane w narożnikach, używane w połączeniu z wysokiej jakości LiDAR-em dachowym, wyglądają na zaprojektowane do stworzenia zbioru danych referencyjnych bezpośredniego obszaru wokół zderzaka. To połączenie może generować niezwykle dokładne mapy na poziomie pikseli przedstawiające powierzchnię i pobliskie przeszkody.
Tesla najpewniej wykorzysta ten zbiór danych do trenowania sieci neuronowych FSD, aby lepiej oszacowywać odległość, kształt i objętość w przednich strefach martwych. Krótko mówiąc, firma uczy oprogramowanie wnioskować o dokładnych przeszkodach tam, gdzie produkcyjne kamery mają martwe pole, zmniejszając ryzyko zahaczenia o krawężnik czy błotnik podczas ciasnych manewrów.
Wąskie gardło Banish
Testy nabierają dodatkowej wagi, ponieważ Banish jest centralny dla ambicji Tesli związanych z Robotaxi i FSD Unsupervised, a Cybertruck obecnie nie dysponuje Actually Smart Summon. Podczas gdy inne pojazdy we flocie przeszły na FSD v14, Actually Smart Summon nadal działa na starszym, dziedziczonym stosie, który nie został zintegrowany z jednolitą architekturą end-to-end Tesli; ten legacy kod zależy od komponentów Autopilota, które nigdy nie zostały przeniesione do Cybertrucka.
Banish — zdolność pojazdu do wysadzenia pasażera, a następnie autonomicznego przemierzania parkingu w celu znalezienia miejsca — wymaga niezawodnej pracy w złożonych, nieprzewidywalnych środowiskach bez kierowcy. Obiecany od czasu FSD v12.5, lecz wciąż w pełni niezaimplementowany, Banish toleruje praktycznie zerowy margines błędu. Osiągnięcie go wymaga od modeli wizji niemal milimetrowej dokładności obejmującej przednie martwe pola.
Implikacje dla przyszłego sprzętu
Chociaż mocowania narożne na tych zdjęciach są wyraźnie tymczasowe, rodzi to pytanie, czy Tesla doda stałe, nisko zamontowane kamery w przyszłych rewizjach sprzętowych, czy rozwiąże problem wyłącznie programowo. Rywale tacy jak Lucid i Rivian uzupełniają wysoko zamontowane kamery dodatkowymi kamerami narożnymi, radarem lub czujnikami ultradźwiękowymi, aby eliminować podobne martwe pola. Tesla wcześniej usunęła czujniki ultradźwiękowe, aby obniżyć koszty, złożoność i konflikty między czujnikami, a poleganie na kamerach zamontowanych wysoko okazało się wyzwaniem w niektórych scenariuszach.
Wielu od dawna domaga się kamer w narożnikach zderzaka, aby wyeliminować przednie martwe pole i poprawić widoczność wokół zasłoniętych skrzyżowań; obecne projekty często wymagają, by pojazd ruszył do przodu, zanim kamery w słupku B będą mogły zobaczyć za przeszkodami. Mimo tego zapotrzebowania, wygląd retrofitów lub odświeżenia sprzętowego w połowie cyklu, które dodałoby te kamery do istniejących samochodów, wydaje się mało prawdopodobne. Najbardziej prawdopodobne wyjaśnienie jest takie, że Tesla używa tych tymczasowych czujników do zbierania ukierunkowanych danych i dopracowania oprogramowania, aby lepiej współpracowało z już produkowanym sprzętem.

