Jednou z oblastí, na kterou Tesla sází svou budoucnost, je autonomní jízda, kterou ztělesňuje nedávno představené autonomní robotaxi Cybercab. Účet SETI Park na sociální síti X na patentu modelu strojového učení pro autonomní řízení s nastavitelnou virtuální kamerou, názorně demonstroval, jakým způsobem systém autonomní jízdy FSD funguje, jak zpracovává a analyzuje data.
Patent nejprve popisuje systém založený čistě na vizuálním vnímání, podobně jako u Tesly, jehož cílem je umožnit vozidlům “vidět”, porozumět a reagovat na své okolí. Na rozdíl od konkurence, která pracuje s dražším senzory, jako je LiDAR, systém Tesly využívá několik kamer s překrývajícími se záběry, aby dokázal zachytit 360stupňový pohled kolem vozidla a lépe tak napodobit lidský zrak.
Nejzajímavější je rychlá adaptabilita systému na různé ohniskové vzdálenosti a perspektivy různých kamer kolem vozidla. Systém kombinuje veškerá data ze dvou virtuálních kamer do přesné 3D mapy, přičemž je synchronizuje s dalšími senzory vozidla, aby do analýzy zahrnul údaje o pohybu, jako je rychlost a zrychlení.
Tímto způsobem FSD dokáže detailně sledovat mnoho pohybujících se objektů současně a přiřadit jim konkrétní vlastnosti, které umožňují lepší pochopení jejich chování na silnici. V podstatě se dá říct, že Tesla vnímá systém FSD jako mozek a kamery jako jeho oči. Díky své „paměti“ dokáže systém sledovat a kategorizovat objekty, analyzovat jejich vlastnosti a předvídat jejich pohyb. FSD si tak neustále udržuje přehled o široké škále objektů, od jejich velikosti až po rychlost, a to ve všech směrech současně.
Systém je navíc rozdělen na dvě větve – jednu pro zranitelné účastníky silničního provozu (VRU) a druhou pro všechny ostatní. Toto rozdělení je jednoduché: VRU jsou definováni jako chodci, cyklisté, kočárky, skateboardisté, zvířata, tedy cokoliv, co se může zranit. Druhá větev se zaměřuje na vozidla, nouzové vozy, dopravní kužely, překážky a další objekty.
Toto rozdělení na dvě větve umožňuje systému FSD zaměřit se na zranitelné účastníky a poskytuje jim vyšší prioritu. Větve analyzují a klasifikují pouze klíčové informace, které jsou důležité pro rozpoznávání objektů. VRU mají svou virtuální kameru ve výšce člověka, což zlepšuje porozumění jejich chování, zatímco ostatní objekty jsou sledovány z výšky, která umožňuje širší pohled na dopravní situaci a překážky.
Celý systém, od snímání až po analýzu, se přitom díky umělé inteligenci trénuje jako celek. To znamená, že se každá komponenta učí efektivněji pracovat s ostatními částmi systému, čímž se optimalizuje jeho výkon. Tento přístup s integrovaným učením tak umožňuje systému lépe předvídat a reagovat na změny v prostředí a přizpůsobit se složitým situacím na silnici.
Jednou z oblastí, na kterou Tesla sází svou budoucnost, je autonomní jízda, kterou ztělesňuje nedávno představené autonomní robotaxi Cybercab. Účet SETI Park na sociální síti X na patentu modelu strojového učení pro autonomní řízení s nastavitelnou virtuální kamerou, názorně demonstroval, jakým způsobem systém autonomní jízdy FSD funguje, jak zpracovává a analyzuje data.
Patent nejprve popisuje systém založený čistě na vizuálním vnímání, podobně jako u Tesly, jehož cílem je umožnit vozidlům “vidět”, porozumět a reagovat na své okolí. Na rozdíl od konkurence, která pracuje s dražším senzory, jako je LiDAR, systém Tesly využívá několik kamer s překrývajícími se záběry, aby dokázal zachytit 360stupňový pohled kolem vozidla a lépe tak napodobit lidský zrak.
Nejzajímavější je rychlá adaptabilita systému na různé ohniskové vzdálenosti a perspektivy různých kamer kolem vozidla. Systém kombinuje veškerá data ze dvou virtuálních kamer do přesné 3D mapy, přičemž je synchronizuje s dalšími senzory vozidla, aby do analýzy zahrnul údaje o pohybu, jako je rychlost a zrychlení.
Tímto způsobem FSD dokáže detailně sledovat mnoho pohybujících se objektů současně a přiřadit jim konkrétní vlastnosti, které umožňují lepší pochopení jejich chování na silnici. V podstatě se dá říct, že Tesla vnímá systém FSD jako mozek a kamery jako jeho oči. Díky své „paměti“ dokáže systém sledovat a kategorizovat objekty, analyzovat jejich vlastnosti a předvídat jejich pohyb. FSD si tak neustále udržuje přehled o široké škále objektů, od jejich velikosti až po rychlost, a to ve všech směrech současně.
Systém je navíc rozdělen na dvě větve – jednu pro zranitelné účastníky silničního provozu (VRU) a druhou pro všechny ostatní. Toto rozdělení je jednoduché: VRU jsou definováni jako chodci, cyklisté, kočárky, skateboardisté, zvířata, tedy cokoliv, co se může zranit. Druhá větev se zaměřuje na vozidla, nouzové vozy, dopravní kužely, překážky a další objekty.
Toto rozdělení na dvě větve umožňuje systému FSD zaměřit se na zranitelné účastníky a poskytuje jim vyšší prioritu. Větve analyzují a klasifikují pouze klíčové informace, které jsou důležité pro rozpoznávání objektů. VRU mají svou virtuální kameru ve výšce člověka, což zlepšuje porozumění jejich chování, zatímco ostatní objekty jsou sledovány z výšky, která umožňuje širší pohled na dopravní situaci a překážky.
Celý systém, od snímání až po analýzu, se přitom díky umělé inteligenci trénuje jako celek. To znamená, že se každá komponenta učí efektivněji pracovat s ostatními částmi systému, čímž se optimalizuje jeho výkon. Tento přístup s integrovaným učením tak umožňuje systému lépe předvídat a reagovat na změny v prostředí a přizpůsobit se složitým situacím na silnici.