テスラがFSDベータ版のメジャーアップデートをリリース、完全自動運転に近づく

テスラは2020年10月からFSDベータ版を徐々に展開しており、選ばれた自動車所有者のグループでテストを行っている。テスラは、FSDベータ版にアクセスできるすべての自動車所有者は「安全スコアリングシステム」の評価に合格する必要があり、測定基準では運転行動が7日間連続で良好で、98ポイント以上に達することが求められていると述べている。

「セーフティ・スコアリング・システム」は、昨年テスラがドライバーの安全行動を評価するために導入したスコアリングシステムとみられる。前方衝突警告、緊急ブレーキ、急カーブ、危険な追従走行、1,000マイルごとのオートパイロット強制解除という5つの指標を通じてドライバーの運転習慣を判断する。米国の法律によれば、現在の自動運転車で事故が発生した場合、責任は自動運転システムではなく運転手にある。さらに、テスラは完全自動運転システムとしてFSD（Full Self-Driv）と名付けていますが、その機能はまだL2レベルです。市場では、これは2歩進んで1歩下がるアプローチであると考えられています。なぜなら、FSD Betaは頻繁にアップデートや新機能のリリースを行うものの、新たに追加された複雑なシナリオに対応する自動運転システムの能力は、過去に比べて向上していないだけでなく、退化の兆候が見られるためです。

同社によれば、2021年第4四半期時点で、約6万人の自動車所有者がFSDベータプログラムに参加しており、最後のメジャーアップデートは2022年2月初旬のFSDベータ10.10だったが、そのバージョンの結果は理想的ではなかったという。 Tesla FSD Beta 10.11 現在、Teslaは新しいFSD Beta 10.11バージョンのプロモーションを開始しました。担当者は、これは非常に重要なアップデートであると述べました。テスラのCEO、イーロン・マスク氏は、今回のアップデートが「うまくいけば」、FSDベータ版への参加基準を引き下げ、安全運転スコア95点の車両にプッシュ範囲を拡大する可能性があると述べた。

マスク氏のツイッターによると、FSD ベータ 10.11 のレーン ベクタリングは、テスラの AI のアーキテクチャ上の大きな改善点とのことです。これにより、車両は交差車線をより正確に予測できるようになり、曲がる時や合流する時の不必要な減速が軽減されます。さらに、FSD Beta 10.1 のリリース ノートによると、このバージョンではバージョン 10.1 で発生した問題もいくつか修正されており、機能とシナリオのパフォーマンスがより充実しています。今年2月、YouTuberユーザーのAI Addictが、米国サンノゼの市街地でFSD Beta 10.10がテストされている動画をアップロードしました。このバージョンのシステムでは、容量制限により以下の問題がありました。

1. それは路面電車に入りました。
2. 時速11マイルで自転車レーンのボラードに衝突
3. 横断歩道で停止せず歩行者に道を譲らないこと。
4. 長距離駐車;
5. ステアリングホイールのコントロールを争う。
6. 一部の交通標識は認識できません。

更新された FSD Beta 10.11 バージョンでは、Tesla はデータ セット サイズを 14% 増やすことで、車両駐車エラー率を 17% 削減し、ブレーキ タイミングの精度を向上させました。同時に、地図が不正確であったり、車がナビゲーションに従えなかったりする場合でも、FSD アルゴリズムは道路についてより正確な予測を行い、道路権利の理解を向上させることができます。 FSDベータ10.11では、テスラの次世代自動ラベリングツールも採用されており、これにより道路脆弱層（VRU）の検出率が向上し、「自転車と歩行者」の誤判定率が44.9％減少するなど、以前のバージョンでも問題となっていた問題も解消されている。具体的な更新内容は次のとおりです。

• 車線ジオメトリのモデリングを、高密度ラスター (ポイントのバッグ) から、トランスフォーマー ニューラル ネットワークを使用して「ベクトル空間」車線をポイントごとに直接予測して接続する自己回帰デコーダーにアップグレードします。これにより、車両は交差車線を予測できるようになり、計算コストが安くなり、エラーが発生しにくい後処理が可能になり、他の信号とそれらの結合およびエンドツーエンドの関係を予測する道が開かれます。より正確なアルゴリズムを使用して車両の方向転換や車線変更を予測し、不必要な減速を減らします。
• 地図が不正確であったり、車がナビゲーションに従えなかったりする場合でも、FSD アルゴリズムによって道路の通行権の理解がさらに向上します。特に、交差セグメントのモデリングは完全にネットワーク予測に基づいており、マップベースのヒューリスティック モデルは使用されなくなりました。
• VRU 検出精度が 44.9% 向上し、歩行者や自転車の誤検出が大幅に減少しました (特にアスファルトの継ぎ目、スリップ痕、雨滴の近く)。これは、次世代の自動注釈ツールのデータ サイズを増やし、以前に固定されたネットワーク パラメーターをトレーニングし、ネットワーク損失関数を変更することによって実現されました。全体的に、VRU に関連する誤った減速の発生率は減少します。
• 接近するオートバイ、スクーター、車椅子、歩行者の予測速度誤差を 63.6% 削減します。この目的のために、FSD は、敵対的な高速 VRU 相互作用をシミュレートするための新しいデータセットを導入します。
• クリーピング モードが改善され、アイドリングの開始時と終了時の加速が向上しました。
• 連続した距離での静的ジオメトリと一般的な静的障害物ネットワークを予測することで、近くの障害物に対する制御が強化されます。
• データセットのサイズを 14% 増やすことで、駐車エラー率が 17% 減少し、ブレーキ ライトの精度も向上しました。
• 損失関数を調整することで、多くの困難なシナリオでのパフォーマンスが向上し、明るいシーンでの速度誤差が 5% 改善され、高速道路のシーンでの速度誤差が 10% 改善されました。
• ドアの開いた状態の検出と制御が改善されました。
• 横方向および縦方向の加速度と加速度制限、および車両の運動学を考慮して、どのラインを制御する必要がないかを決定する最適化ベースのアプローチによって、コーナリングの滑らかさが向上します。
• イーサネット データ転送パイプラインを 15% 最適化することで、FSD Ul 可視化の安定性が向上しました。