Fortsetzung der Diskussion von FSD Beta/Supervised (USA) und zukünftige FSD-Versionen von Tesla (Teil 2) - #5655 von sbu.
Vorherige Diskussionen:
Zum Thema „Kernel“ gibt James die Erklärung:
https://x.com/jamesdouma/status/1826391614270701629?s=61&t=mkCeNJAqDapUy9_4UVNNEQ
6 „Gefällt mir“
Danke. Dann lag ChatGPT, der das auch so „verstanden“ hat, richtig. Und ich lag mit meiner Vermutung, dass es mit syscalls an den Linux kernel zu tun hat, falsch. In diesem Sinne hatten wir ja auch schon weiter diskutiert. Erstaunlich, wie gut ChatGPT auch dieses Thema beherrscht.
Das sagt Grok dazu:
Ein Kernel in der Maschinellen Lernung (ML) ist eine Funktion, die verwendet wird, um die Ähnlichkeit zwischen zwei Datenpunkten in einem höherdimensionalen Raum zu berechnen, ohne diesen Raum explizit zu berechnen. Hier sind einige wesentliche Punkte zum Verständnis von Kernels:
-
Kernelfunktion: Eine Kernelfunktion ( K(x, x’) ) nimmt zwei Eingaben ( x ) und ( x’ ) und gibt den Wert eines Skalarprodukts in einem möglicherweise sehr hochdimensionalen Feature-Raum zurück, ohne dass man die Transformation in diesen Raum explizit durchführen muss. Dies ist als Kernel-Trick bekannt.
-
Zweck:
- Vereinfachung von Berechnungen: Durch die Verwendung von Kernels können Berechnungen, die in einem niedrigdimensionalen Raum sehr kompliziert wären, in einem höherdimensionalen Raum einfacher werden.
- Nicht-lineare Transformation: Kernels ermöglichen es, Daten in einem Raum zu bearbeiten, in dem sie linear separierbar sind, auch wenn sie im ursprünglichen Raum nicht-linear sind.
-
Beispiele für Kernel:
- Linearer Kernel: ( K(x, x’) = x \cdot x’ )
- Polynomieller Kernel: ( K(x, x’) = (x \cdot x’ + c)^d ), wobei ( c ) und ( d ) Parameter sind.
- Radial Basis Function (RBF) Kernel oder Gaußscher Kernel: ( K(x, x’) = \exp(-\gamma |x - x’|^2) ), wobei ( \gamma ) ein Parameter ist, der die Breite des Kernels bestimmt.
- Sigmoid Kernel: ( K(x, x’) = \tanh(\alpha x \cdot x’ + c) )
-
Anwendung:
- Support Vector Machines (SVMs): Kernels sind besonders bekannt durch ihre Anwendung in SVMs, wo sie helfen, die Entscheidungsgrenze in einem höherdimensionalen Raum zu finden, ohne die Daten tatsächlich in diesen Raum zu transformieren.
- Andere ML-Algorithmen: Kernels finden auch Anwendung in anderen Algorithmen wie Kernel-PCA, Gaussian Processes und mehr.
-
Vorteile:
- Effizienz: Reduziert die Rechenkomplexität erheblich, besonders bei sehr hochdimensionalen Daten.
- Flexibilität: Ermöglicht die Arbeit mit nicht-linearen Datenmustern in einer linearen Framework-Umgebung.
Durch den Einsatz von Kernels können also komplexe Muster in Daten erkannt werden, die in ihrer ursprünglichen Darstellung nicht offensichtlich wären, was sie zu einem mächtigen Werkzeug im Arsenal der maschinellen Lernmethoden macht.
4 „Gefällt mir“
2024.26.20 - 12.5.1.5 geht raus, auch zu nicht-Mitarbeitenden
https://x.com/teslascope/status/1826836457555984540?s=61&t=mkCeNJAqDapUy9_4UVNNEQ
7 „Gefällt mir“
Oh, ich hab die langweilige “Nein - Doch - Oh” Diskussion verpasst. 
Da sieht man aber daran, was so Leute anrichten mit ihrem Geschwätz von Emulationen ohne sich mal die Mühe zu machen es auch nur im Ansatz verstehen zu wollen.
12.5.1.5 hat ja einige Streams und Videos draussen, auch mit HW3, bin gespannt, leider noch nix auf YT.
x.com - glaube der ist sogar aktuell Live.
2 „Gefällt mir“
Interessante Fahrt. Gerade auch weil es ein Intel Atom-Prozessor und HW3 hat.
Die Fahrt ansich war ok.
Auffällig war:
- Probleme nach dem Software-Update FSD überhaupt zum laufen zu bekommen
- Minute 14: Eine Phantombremsung direkt nach 10 Sekunden auf der Straße von 42 auf 16 Meilen runter
- Minute 30: Am Ende nach der Fahrt auf den Parkplatz und - lt. Display - beendeter Fahrt, setzte FSD nach 10 Sekunden die Fahrt einfach nochmal fort, fuhr vom Parkplatz runter direkt auf den nächsten Parkplatz drauf um dann total verwirrt zu sein und fast in eine Mauer zu fahren.
- Zwischendrin: Beim Links abbiegen wurde, wurde die Linksabbiegespur der Straße, in die eingefahren wurde, geschnitten. Keine Ahnung, hätte ich wohl selber so gemacht.
Wertung: 79,99%. Ja, komische Wertung aber ich möchte keine 80% geben aber schlechter war es dann aber auch nicht.
1 „Gefällt mir“
Ein neues Video von JustAnotherTeslaGuy mit FSD 12.5.1.3.
Die Herausforderung: Ab 7:30 Regen der echt kein Spass macht als menschlicher Fahrer.
Meine Zusammenfassung:
- 7:30 Der Regen beginnt.
- 8:00 Intervention aus Sicherheitsbedürfnis (die berühmt-berüchtigte Straßenbahn-Bordsteinkante)
- 9:45 Fussgänger rennt über die Straße. FSD erkennt den Fussgänger und bremst ab
- 10:45 FSD zögert trotz grünen Linksabbiegerpfeil ein paar Sekunden
- 11:30 FSD zögert beim rechts abbiegen
- 12:30 Gute Reaktion von FSD bezügliches Fahrers der nicht blinkt und langsam in die Spur des Tesla einfährt
- 15:00 FSD zögert an einer grünen Kreuzung loszufahren
- 15:30 FSD schaltet sich ab
- 17:30 Der Regen hört auf
Meine Einschätzung:
=> Eigentlich braucht man nur den Part zw. 7:30 und 17:30 zu schauen. Alles andere war ok, bzw. bekannt
=> JustAnotherTeslaGuy hat ziemlich viel Unruhe reingebracht. Ich glaube, hätte man FSD einfach machen lassen, dann wäre das ein deutlich ruhigeres Video geworden.
=> Ich glaube, man muss akzeptieren, dass FSD anders als man selber fährt.
=> Einzig richtig kritische Szene war 15:30, als sich FSD abgeschaltet hat. Keine Ahnung ob das so spassig mit 60 Mph auf dem Highway gewesen wäre
- Normale Wertung: 70%+. Der Regen hat die Wertung runtergerissen. Hätte es die Wertung eines menschlichen Fahrers aber auch.
- Regenwertung: 90%+. Für den Regen absolut gut.
5 „Gefällt mir“
Sehr gute Erklärung, warum niemand weiss wann es bereit ist für „unsupervised“ und wie es dann ausschauen wird:
https://x.com/jamesdouma/status/1827091235078861078?s=61&t=mkCeNJAqDapUy9_4UVNNEQ
6 „Gefällt mir“
Kleiner Bericht von TechGeek Tesla, sehr interessant wie ich finde, da er in der Vergangenheit sehr neutral berichtete.
https://x.com/jonbbc/status/1827135834476175386?t=kb44JzI-Xa_ZDzUekWQtSQ&s=19
4 „Gefällt mir“
FSD will succeed, but the precise timeline of that is not yet clear. We probably won’t see it until it is upon us.
x.com
Alle FSD-Teilprojekte seit 2020 sind m.E. unter dem fast identischen Management wie heute gescheitert.
Trotzdem soll der „E2E NN AI“-Ansatz bei den schwierigsten noch bevorstehenden Herausforderungen wie z.B. bei der Behandlung vieler Grenzfälle und dem weltweiten Ausrollen funktionieren.
Nach meiner Ansicht ist z.B. der Erfolg von Dojo-1 eine wichtige Voraussetzung. Jedoch ist dieser gemäss Elon noch nicht garantiert.
2 „Gefällt mir“
Ich möchte nicht auf ein Ping-Pong einsteigen…
Bei meinem Post fragte ich mich, ob Du darauf einsteigst - und siehe da: drei positive Abschnitte aus dem vollen geschöpft:
„gescheitert“, „trotzdem“ und - als Krönung - „Elon sagt, nicht garantiert“…
6 „Gefällt mir“
James hat mit seinem Kommentar auf die Frage
Hey James, out of curiosity How do you think HW3 actually gets to autonomy
geantwortet.
Diese volle Autonomie für HW3-Autos wird m.E. extrem schwierig zu erreichen sein. 
BlackTesla nochmal aktuell:
3 „Gefällt mir“
bin sehr auf das Video gespannt
9 „Gefällt mir“
Auch gerade geschaut, wirklich beeindruckend. Es wird langsam konkret 
Die FSD-Videos von „TechGeek“ sind einfach klasse, ehrlich und sachlich.
Und die Geduld, die er in manchen Situationen aufbringt (Minute 21) … 
Der analysiert die Sache direkt vor Ort und ich bin mir sicher, daß Teslas FSD-Team damit mehr geholfen wird, als wenn man einfach die Situation durch manuelles Eingreifen beendet.
Er hat niemanden behindert, aber die Geduld aufzubringen, um dort 3 Minuten stehenzubleiben, hätten die wenigsten … 
1 „Gefällt mir“
Ja, der Verkehr wird bei automatisierten Fahren ruhiger sein, vielleicht auch langsamer wirken. Letztlich wird man aber aufgrund des besseren Verkehrsflusses nicht später am Ziel sein.
1 „Gefällt mir“
Das ist schon wirklich richtig klasse. Und es wurden noch nichtmal alle geplanten Optimierungen auf HW3 implementiert.