Släppt 21 juli 2023
Ingår i 2023.7.26
- Förbättrade filbyten med kort tidsfrist, för att undvika att köra av vägen, genom bättre modellering av fordon i målfilen för att förbättra förmågan att välja mellanrum.
- Förbättrad offsetkonsistens vid kontroll av statiska hinder. Även förbättrad smidighet vid ändring av offsetriktning genom att hastigheten justeras mer bekvämt.
- Förbättrad hantering av mötande bilar på smala omarkerade vägar genom att förbättra förutsägelsen av den mötande bilens bana och lämna tillräckligt med utrymme för dem att passera innan de centreras om.
- Förbättrad förutsägelse av Occupancy Flow från Occupancy Network för godtyckliga rörliga hinder med 8%.
- Utökad användning av den nya autolabeln "Object Ground Truth" för NonVRU-detekteringsmodellen, vilket förbättrar återkallandet av avlägsna fordon och geometriprecisionen för semitruckar, släpvagnar och exotiska fordon.
- Förbättrad VRU-styrning genom att utöka planeringsomfånget för att styra försiktigt för lågkonfidensdetektioner som kan störa egots väg.
- Förbättrad hantering av fordonsfordon nära övergångsställen genom att förutsäga deras framtida avsikt mer exakt. Detta gjordes genom att utnyttja mer kinematiska data för att förbättra associationen mellan övergångsställen och fordonsenheter.
- Förbättrade egots beteende nära VRU:er genom att justera deras antagna kinematiska egenskaper och använda tillgänglig semantisk information för att mer exakt klassificera deras sannolikhet att korsa egots väg.
- Förbättrat återkallande av automatisk nödbromsning som svar på inkörda fordon och fordon bakom ego vid backning.
- Införde automatisk nödbromsning vid allmänna hinder som upptäcks av Occupancy Network.
Ingår i 2023.7.25
- Förbättrade filbyten med kort tidsfrist, för att undvika att köra av vägen, genom bättre modellering av fordon i målfilen för att förbättra förmågan att välja mellanrum.
- Förbättrad offsetkonsistens vid kontroll av statiska hinder. Även förbättrad smidighet vid ändring av offsetriktning genom att hastigheten justeras mer bekvämt.
- Förbättrad hantering av mötande bilar på smala omarkerade vägar genom att förbättra förutsägelsen av den mötande bilens bana och lämna tillräckligt med utrymme för dem att passera innan de centreras om.
- Förbättrad förutsägelse av Occupancy Flow från Occupancy Network för godtyckliga rörliga hinder med 8%.
- Utökad användning av den nya autolabeln "Object Ground Truth" för NonVRU-detekteringsmodellen, vilket förbättrar återkallandet av avlägsna fordon och geometriprecisionen för semitruckar, släpvagnar och exotiska fordon.
- Förbättrad VRU-styrning genom att utöka planeringsomfånget för att styra försiktigt för lågkonfidensdetektioner som kan störa egots väg.
- Förbättrad hantering av fordonsfordon nära övergångsställen genom att förutsäga deras framtida avsikt mer exakt. Detta gjordes genom att utnyttja mer kinematiska data för att förbättra associationen mellan övergångsställen och fordonsenheter.
- Förbättrade egots beteende nära VRU:er genom att justera deras antagna kinematiska egenskaper och använda tillgänglig semantisk information för att mer exakt klassificera deras sannolikhet att korsa egots väg.
- Förbättrat återkallande av automatisk nödbromsning som svar på inkörda fordon och fordon bakom ego vid backning.
- Införde automatisk nödbromsning vid allmänna hinder som upptäcks av Occupancy Network.
Ingår i 2023.7.20
- Förbättrade filbyten med kort tidsfrist, för att undvika att köra av vägen, genom bättre modellering av fordon i målfilen för att förbättra förmågan att välja mellanrum.
- Förbättrad offsetkonsistens vid kontroll av statiska hinder. Även förbättrad smidighet vid ändring av offsetriktning genom att hastigheten justeras mer bekvämt.
- Förbättrad hantering av mötande bilar på smala omarkerade vägar genom att förbättra förutsägelsen av den mötande bilens bana och lämna tillräckligt med utrymme för dem att passera innan de centreras om.
- Förbättrad förutsägelse av Occupancy Flow från Occupancy Network för godtyckliga rörliga hinder med 8%.
- Utökad användning av den nya autolabeln "Object Ground Truth" för NonVRU-detekteringsmodellen, vilket förbättrar återkallandet av avlägsna fordon och geometriprecisionen för semitruckar, släpvagnar och exotiska fordon.
- Förbättrad VRU-styrning genom att utöka planeringsomfånget för att styra försiktigt för lågkonfidensdetektioner som kan störa egots väg.
- Förbättrad hantering av fordonsfordon nära övergångsställen genom att förutsäga deras framtida avsikt mer exakt. Detta gjordes genom att utnyttja mer kinematiska data för att förbättra associationen mellan övergångsställen och fordonsenheter.
- Förbättrade egots beteende nära VRU:er genom att justera deras antagna kinematiska egenskaper och använda tillgänglig semantisk information för att mer exakt klassificera deras sannolikhet att korsa egots väg.
- Förbättrat återkallande av automatisk nödbromsning som svar på inkörda fordon och fordon bakom ego vid backning.
Ingår i 2023.7.15
- Förbättrad kontroll i kurvor och mjukhet i allmänhet genom att förbättra geometri, kurvatur, position, typ och topologi för körfält, linjer, vägkanter och begränsat utrymme. Bland andra förbättringar kan nämnas att upplevelsen av körfält på stadsgator förbättrades med 36%, gafflar med 44%, sammanfogningar med 27% och svängar med 16%, tack vare en större och renare träningsuppsättning och en uppdaterad modul för körfältsstyrning.
- Tillförde indata för körfältsstyrning till Occupancy Network för att förbättra detekteringarna av vägbanegenskaper med lång räckvidd, vilket resulterade i en 16% minskning av falskt negativa mediandetekteringar.
- Förbättrat egots självförtroende när det gäller korsande fotgängare i fall där egot enkelt och säkert kan korsa före fotgängaren.
- Förbättrad återkallelse av motorcyklar med 8% och ökad precision vid fordonsdetektering för att minska antalet falska positiva detekteringar. Dessa modeller ger också mer robusthet mot variationer i bildfrekvensen.
- Minskade ingripanden orsakade av andra fordon som körde in i egots körfält med 43%. Detta uppnåddes genom att skapa ett ramverk för att probabilistiskt förutse objekt som kan komma att skära in i egots körfält och proaktivt kompensera och/eller justera hastigheten för att positionera egot optimalt för dessa framtider.
- Förbättrad cut-in-kontroll genom att minska felet i körfältscentrerad hastighet med 40-50% för fordon som befinner sig nära.
- Förbättrad återkallelse för objektet partiell körfältsintrång med 20%, hög yaw-rate cut-in med 40% och cut-out med 26% genom att använda ytterligare funktioner i körfältsbytesbanan för att förbättra övervakningen.
- Minskade antalet falska inbromsningar på motorvägar relaterade till underskattade hastigheter för avlägsna objekt genom att lägga till 68K videor till träningsuppsättningen med förbättrad auto-märkt grundfakta.
- Utjämnad avvägning i körfältet för stora fordon genom att justera den tillåtna mängden sidoskakning för manövern.
- Förbättrad sidokontroll för kommande sammanfogningar med hög kurvatur för att hålla undan från det sammanfogande körfältet.
Ingår i 2023.7.10
- Förbättrad kontroll i kurvor och mjukhet i allmänhet genom att förbättra geometri, kurvatur, position, typ och topologi för körfält, linjer, vägkanter och begränsat utrymme. Bland andra förbättringar kan nämnas att upplevelsen av körfält på stadsgator förbättrades med 36%, gafflar med 44%, sammanfogningar med 27% och svängar med 16%, tack vare en större och renare träningsuppsättning och en uppdaterad modul för körfältsstyrning.
- Tillförde indata för körfältsstyrning till Occupancy Network för att förbättra detekteringarna av vägbanegenskaper med lång räckvidd, vilket resulterade i en 16% minskning av falskt negativa mediandetekteringar.
- Förbättrat egots självförtroende när det gäller korsande fotgängare i fall där egot enkelt och säkert kan korsa före fotgängaren.
- Förbättrad återkallelse av motorcyklar med 8% och ökad precision vid fordonsdetektering för att minska antalet falska positiva detekteringar. Dessa modeller ger också mer robusthet mot variationer i bildfrekvensen.
- Minskade ingripanden orsakade av andra fordon som körde in i egots körfält med 43%. Detta uppnåddes genom att skapa ett ramverk för att probabilistiskt förutse objekt som kan komma att skära in i egots körfält och proaktivt kompensera och/eller justera hastigheten för att positionera egot optimalt för dessa framtider.
- Förbättrad cut-in-kontroll genom att minska felet i körfältscentrerad hastighet med 40-50% för fordon som befinner sig nära.
- Förbättrad återkallelse för objektet partiell körfältsintrång med 20%, hög yaw-rate cut-in med 40% och cut-out med 26% genom att använda ytterligare funktioner i körfältsbytesbanan för att förbättra övervakningen.
- Minskade antalet falska inbromsningar på motorvägar relaterade till underskattade hastigheter för avlägsna objekt genom att lägga till 68K videor till träningsuppsättningen med förbättrad auto-märkt grundfakta.
- Utjämnad avvägning i körfältet för stora fordon genom att justera den tillåtna mängden sidoskakning för manövern.
- Förbättrad sidokontroll för kommande sammanfogningar med hög kurvatur för att hålla undan från det sammanfogande körfältet.
Ingår i 2023.7.10
För maximal säkerhet och ansvarsskyldighet kommer användningen av Full Self-Driving (Beta) att avbrytas om felaktig användning upptäcks. Felaktig användning är när du, eller en annan förare av ditt fordon, får fem "tvingade bortkopplingar av autopiloten". En urkoppling är när Autopilot-systemet kopplas ur för återstoden av en resa efter att föraren har fått flera ljud- och visuella varningar för ouppmärksamhet. Förarinitierade urkopplingar räknas inte som felaktig användning och förväntas av föraren. Håll händerna på ratten och var uppmärksam hela tiden. Det är inte tillåtet att använda någon handhållen enhet när Autopilot används.
FSD Beta-funktionen kan endast tas bort med den här avstängningsmetoden och den kommer att vara otillgänglig i ungefär en vecka.
Ingår i 2023.7.5
- Förbättrad kontroll i kurvor och mjukhet i allmänhet genom att förbättra geometri, kurvatur, position, typ och topologi för körfält, linjer, vägkanter och begränsat utrymme. Bland andra förbättringar kan nämnas att upplevelsen av körfält på stadsgator förbättrades med 36%, gafflar med 44%, sammanfogningar med 27% och svängar med 16%, tack vare en större och renare träningsuppsättning och en uppdaterad modul för körfältsstyrning.
- Tillförde indata för körfältsstyrning till Occupancy Network för att förbättra detekteringarna av vägbanegenskaper med lång räckvidd, vilket resulterade i en 16% minskning av falskt negativa mediandetekteringar.
- Förbättrat egots självförtroende när det gäller korsande fotgängare i fall där egot enkelt och säkert kan korsa före fotgängaren.
- Förbättrad återkallelse av motorcyklar med 8% och ökad precision vid fordonsdetektering för att minska antalet falska positiva detekteringar. Dessa modeller ger också mer robusthet mot variationer i bildfrekvensen.
- Minskade ingripanden orsakade av andra fordon som körde in i egots körfält med 43%. Detta uppnåddes genom att skapa ett ramverk för att probabilistiskt förutse objekt som kan komma att skära in i egots körfält och proaktivt kompensera och/eller justera hastigheten för att positionera egot optimalt för dessa framtider.
- Förbättrad cut-in-kontroll genom att minska felet i körfältscentrerad hastighet med 40-50% för fordon som befinner sig nära.
- Förbättrad återkallelse för objektet partiell körfältsintrång med 20%, hög yaw-rate cut-in med 40% och cut-out med 26% genom att använda ytterligare funktioner i körfältsbytesbanan för att förbättra övervakningen.
- Minskade antalet falska inbromsningar på motorvägar relaterade till underskattade hastigheter för avlägsna objekt genom att lägga till 68K videor till träningsuppsättningen med förbättrad auto-märkt grundfakta.
- Utjämnad avvägning i körfältet för stora fordon genom att justera den tillåtna mängden sidoskakning för manövern.
- Förbättrad sidokontroll för kommande sammanfogningar med hög kurvatur för att hålla undan från det sammanfogande körfältet.