Tesla, la nuova beta della guida autonoma è più precisa grazie a machine learning e 165.000 video d’istruzione
Prosegue la tabella di marcia di Tesla per portare su tutte le sue auto la guida autonoma promessa da tanto tempo, e attesa soprattutto da quei clienti che hanno pagato profumatamente il pacchetto FSD.
La flotta di vettura che può installare le varie beta è ormai consistente, grazie al test delle qualità di guida, che permette di abilitare anche semplici utenti privati. Nei giorni scorsi è iniziato il rilascio dell’aggiornamento che porta con sé la versione 10.5, che introduce diverse novità rilevanti.
Il sistema, almeno sulla carta, dovrebbe migliorare considerevolmente, grazie al lavoro svolto da Tesla dietro le quinte, soprattutto per la parte che riguarda il machine learning della guida autonoma in contesti urbani. Per la prima volta Tesla, nelle note di rilascio, comunica anche percentuali e dati sui miglioramenti. Migliora ad esempio il riconoscimento di pedoni, ciclisti e motociclisti in rapido incrocio, grazie a un 20% in più di velocità di “etichettatura” dell’oggetto rilevato. Allo stesso modo anche l’ambiente circostante viene meglio renderizzato, fino al 13% in più, grazie a nuove immagini statiche di riferimento, e anche tramite 165.000 video d’esempio.
La stessa tecnica è usata anche per i coni e segnali stradali, con 15.000 nuovi video. Le auto eseguiranno anche meno frenate d’emergenza, per migliorate capacità di riconoscere i rischi, riducendo del 5,5% i falsi allarmi. In generale poi ci saranno più possibilità di movimento per le auto, con l’abilitazione delle manovre d’emergenza anti-collisione e del cambio di corsia sicuro.
Questi risultati sono possibili grazie a un team che, come indicato, ha realizzato migliaia di video in cui gli oggetti sono correttamente localizzati, e che vengono poi dati in pasto al sistema di machine learning Tesla, il quale a sua volta genera il comportamento delle vetture nelle varie situazioni. Più esempi reali ci sono, più diminuiscono le possibilità che ci si trovi in uno scenario “mai insegnato”. A questo lavoro dietro le quinte si unisce anche la capacità del sistema stesso di auto-etichettare gli oggetti, andando così ad aumentare sostanzialmente la casistica di riferimento.
Fonte: http://feeds.hwupgrade.it/