Deckt sich also mit meiner Annahme. Macht auch deutlich mehr Sinn. Insbesondere in engen und dicht besiedelten Gebieten ohne ausreichende Bodenmarkierungen.
1 „Gefällt mir“
Es ist erschreckend viel programmiert. Ich dachte es lernt vom Nutzerverhalten. Dann
müsste sowas wie Einfahrtswinkel nicht programmiert werden.
Da wird gar nichts direkt vom Nutzerverhalten gelernt, das ist ein Missverständnis. Es ist ein modularer Satz von NNs, die jeweils eine ganz spezielle Aufgabe haben (Fahrbare Fläche erkennen, Linien erkennen, Schilder erkennen, statische und dynamische Objekte erkennen und einschätzen) und deren Ergebnisse müssen klassisch mit Code verarbeitet und in eine Aktion umgewandelt werden.
Kleine Ausnahme ist der Pathplanner, der mittlerweile selbst ein NN ist. Das heißt um den besten Pfad zum Fahren zu finden, muss nichts mehr explizit programmiert werden, außer vielleicht Constraints zur Sicherheit.
Aber auch dieses NN lernt wahrscheinlich nicht vom Verhalten der Nutzer (das wäre Reinforcement Learning), sondern wird denke ich klassisch supervised mit Labels arbeiten.
Tesla hat die Chance und den Plan nach und nach mehr Code durch NNs zu ersetzen, aber das ist schwierig und wird dauern. Überall wird das auf absehbare Zeit auch nicht funktionieren.
Was du dir vorstellst geht in Richtung end-to-end Modell mit Reinforcement Learning. Comma.ai macht das. Vorteil ist sehr wenig nötiger Code, Nachteil ist du brauchst noch mehr hochwertige Daten und ein verdammt gewaltiges NN (aus meiner Sicht in den nächsten paar Jahren nicht praktikabel aus Mangel an geeigneter Hardware), wenn du jemals weit über Spurhalten hinaus möchtest.
Und ein großer Nachteil ist natürlich, dass du eine Blackbox bekommst, über die du kaum Kontrolle hast. Die kann dann wirklich das Schlechteste zur schlechtesten Zeit machen und man kann es nicht vorausahnen.
6 „Gefällt mir“
Sowas wird auch in der Regel nur in Ansätzen programmiert, denn jede Kreuzung ist anders und der Winkel entsprechend anders. Aber man kann dem Neuronalen Netz (der den Fahrweg plant) durchaus Vorgaben machen, wann ein Verhalten erwünscht (pass) oder unerwünscht ist (fail).
Dadurch kann man das Verhalten in eine gewünschte Richtung steuern.
Vom Nutzerverhalten „lernt“ die Architektur nicht. Das wäre fatal. Man stelle sich vor 9/10 Fahrern würden auf der Autobahn einen Sicherheitsabstand von 6-20m bei 150km/h ausreichend finden und die Software lernt das als normales Vorgehen.
Die Entwicklung pickt sich gewünschtes Fahrverhalten raus, reichert diese Situationen dem Lernalgorithmus an und das Auto „lernt“ was es tun soll.
Ich wäre nicht überrascht wenn das vorherige Verhalten an Kreuzungen eben genau das Resultat solches Fahrverhaltens wäre oder das Pathplanning vorher programmiert war und für Kreuzungen unzureichend war. Je nachdem, ob das Pathplanning vorher programmiert war mit festen Algorithmen oder auf gelerntem Fahrverhalten basierte.
3 „Gefällt mir“
Nein, kann ich mir nicht vorstellen. Damit zerschießt man sich so Systeme viel zu leicht.
Gelernt wird da in den NNs nur in der Entwicklung, der fertig angelernte Stand wird dann ausgerollt.
Und die komplette Fahrlogik ist ja bisher bei Tesla auch handprogrammiert (laut Karpathy)
Das ist der Hauptpunkt.
Das bekommst Du nirgends auf der Welt durch irgendeine Zertifizierung und es wird auch unmöglich da irgendein sinnvolles Haftungsregime für zu finden. Du bekommst dann ja nicht reproduzierbares Verhalten und weißt evtl. überhaupt nicht mehr, wie das Fahrzeug auf irgendwas reagiert.
Und wie sehr sich so Systeme in kürzester Zeit selbst zerschießen können, hat damals „Tay“ ja anschaulich demonstriert.
Selbstlernende Systeme im Produktiveinsatz sind im Moment noch absoluter Feenstaub (es gibt sie so gut wie nicht) und werden es vermutlich auch noch ne Weile bleiben.
Für so Optimierungsthemen kann man das mal machen, wo man zur Not einfach „Reset“ drückt und dann ist die angelernte Optimierung wieder weg aber für ernsthafte Steuerungsaufgaben ist das noch nichts.
2 „Gefällt mir“
Ohje, das (gerade auf photon counting geupgradete) static object net macht noch ziemliche Anfängerfehler. Da stimmt nicht viel.
Wenn ich es nicht besser wüsste würde ich sagen die Erkennung läuft in 2D und wird stur in 3D reinprojiziert 
Das finde ich gerade ein bisschen erschreckend, gerade weil das eins der in Architektur und Umsetzung aktuellsten NNs im Stack sein sollte.
https://twitter.com/arctechinc/status/1483900581240459264?s=21
2 „Gefällt mir“
Auch das Abbiegeverhalten ist noch verbesserungswürdig.
Für wenige Sekunden plant er den Kurs korrekt und fällt dann wieder auf das alte Verhalten zurück.
Aber da man gerade erst das eingeführt hat, braucht es halt noch einige Interationen bevor das besser klappt.
Theorie und Praxis halt.
Das ist eine Momentaufnahme. Wie sah es aus als die Tonnen relevant wurden?
Klar ist es eine Momentaufnahme, aber das NN gibt es schon länger und es hat alle „bells and whistles“ die Tesla momentan hat, also insbesondere surround video und photon counting. Letzteres kam zwar gerade erst dazu, sollte aber eigentlich nicht so eine Auswirkung haben.
Wurde auch später wohl nicht besser:
https://twitter.com/mooroobee/status/1483902592354824212?s=21
https://twitter.com/arctechinc/status/1483908012888641536?s=21
Schade, dass man die Stelle mit den Mülltonnen nicht in einem seiner Videos sieht. Darin zeigt er sich mit der FSD Beta 10.9 sehr zufrieden: James Locke - YouTube
2 „Gefällt mir“
Ansichtssache.
Brad Templeton ist ein US-amerikanischer Unternehmer und Experte, wenn es um selbstfahrende Autos geht. Seit 2018 besitzt Templeton ein Tesla Model 3. Nun hat er sich der Beta-Version von Teslas Autopiloten angenommen – und gibt dem System eine glatte 6.
Ihr arbeitet auch am Samstag? Du brauchst doch auch mal nen freien Tag 
8 „Gefällt mir“
Warum zitierst du so unvollständig?
Brad Templeton hat „für etliche Unternehmen aus dem Bereich des autonomen Verkehrs gearbeitet: Waymo, Cruise, Starship und die Amazon-Tochter Zoox wurden allesamt von Templeton beraten.“
Das passt ja gut zu der kürzlich erschienenen Anzeige in der New York Times des Software-Dienstleisters Dan O’Dowd. Wir werden solchen FUD noch häufiger lesen/sehen, jetzt wo die FSD-Veröffentlichung näher rückt und die Tesla-Wettbewerber Panik bekommen.
7 „Gefällt mir“
Das hat dein Freund @flipsns gestern schon im Assistenzthread gepostet.
wuzy hatte eine dazu ein in deutsch übersetztes Zitat:
Zebrastreifen funktionieren noch nicht, also würde er keine Führerscheinprüfung bestehen. Tada.
Ich hab das zitiert was im Artikel den einleitenden fettgeschriebenen Teil darstellt, mich also am Artikel orientiert damit mir genau das nicht vorgeworfen wird. Aber gut, schön dass du wenigstens direkt deine Neutralität über Bord wirfst 
@immanuel Wenigstens hast du Humor 
1 „Gefällt mir“
Im „Wie berichten Medien“-Thread wäre diese Art des Zitates auch neutral.
Hier ist es aber deine persönliche Stellungnahme; es wird erwartet, dass du das, was du zitierst, auch in Bezug zu deiner Meinung stellst.
Ansonsten wird davon ausgegangen, dass du bewußt diesen nicht-neutralen Artikel gedanklich übernimmst, der gezielt die reißerischsten Behauptungen an den Anfang stellt.
2 „Gefällt mir“
Im Großteil von Amerika - auch Städten - gibt es keine/kaum Zebrastreifen…
Man merkt ja, dass die Datenbasis einen extremen Bias zu US-Amerikanischem Fahrstil hat (Anhalten hinter anderen Autos mit > 1 Fahrzeuglänge abstand? Wer macht sowas in Europa?)
Wird schon noch…
1 „Gefällt mir“
Was erwartest du von jemandem der Verbindungen zu Waymo und Lidar Herstellern hat?
Was ist der Maßstab für die Note? Ein Level 5 System? Dann ist es eine 6. Für ein in Entwicklung befindliches, rein Kamera-basiertes Level 2 System ist es eher eine 2.
Mit Beta 10.9 häufen sich sehr lange (teils Stunden) Fahrten ohne Disengagement. Und mit einigen vergleichsweise einfachen Maßnahmen und Features könnte man das deutlich verbessern, wenn Tesla endlich mal wieder den Funktionsumfang erweitern würde.
4 „Gefällt mir“
Also meiner zeigt im Display „Halten für Verkehrsregelung“ an, sobald ich an einen Zebrastreifen ranfahre, auf dem sich eine Person befindet bzw. Im Begriff ist den Zebrastreifen zu nutzen (Bewegungsrichtung → Zebrastreifen).
Zugegeben gibt Verbesserungspotential aber die grundsätzliche Funktion ist da und funktioniert.
Er blendet dann ad-hoc eine Halteline wie bei Ampel und Stop-Schild sowie T-Kreuzungen ein.
5 „Gefällt mir“