Eine neue 30-minütige Präsentation von @aelluswamy, Teslas VP für KI, wurde veröffentlicht, in der er über FSD, KI und die neuesten Fortschritte des Teams spricht. Höhepunkte der Präsentation: • Die Fahrzeugflotte von Tesla kann jeden Tag 500 Jahre Fahrdaten bereitstellen. Fluch der Dimensionalität: • 8 Kameras mit hoher Bildrate = Milliarden von Tokens pro 30 Sekunden Fahrkontext. • Tesla muss die richtigen Korrelationen zwischen sensorischen Eingaben und Steuerungsaktionen komprimieren und extrahieren. Datenvorteil: • Tesla hat Zugang zu einem "Niagara Falls von Daten" — Hunderte von Jahren kollektiven Fahrens der Flotte. • Verwendet intelligente Datenauslöser, um seltene Randfälle zu erfassen (z. B. komplexe Kreuzungen, unvorhersehbares Verhalten). Qualität und Effizienz: • Extrahiert nur die wesentlichen Daten, die benötigt werden, um Modelle effizient zu trainieren. Debugging und Interpretierbarkeit: • Obwohl das System End-to-End ist, kann Tesla das Modell dennoch auffordern, interpretierbare Daten auszugeben: 3D-Belegung, Straßenbegrenzungen, Objekte, Schilder, Ampeln usw. • Abfragen in natürlicher Sprache: Fragen Sie das Modell, warum es eine bestimmte Entscheidung getroffen hat. • Diese zusätzlichen Vorhersagen steuern das Auto nicht, helfen jedoch Ingenieuren beim Debuggen und der Gewährleistung der Sicherheit. Teslas fortschrittliches Gaussian Splatting (3D-Szenenmodellierung): • Tesla hat ein maßgeschneidertes, ultraschnelles Gaussian-Splatting-System entwickelt, um 3D-Szenen aus begrenzten Kamerasichtwinkeln zu rekonstruieren. • Erzeugt klare, präzise 3D-Darstellungen selbst aus wenigen Kamerawinkeln — weit besser als Standard-NeRF/Splatting-Ansätze. • Ermöglicht schnelles visuelles Debugging der Fahrumgebung in 3D. Bewertung & Weltmodelle: • Die Bewertung ist die größte Herausforderung: Modelle können offline gut abschneiden, aber in realen Bedingungen versagen. • Tesla erstellt ausgewogene, vielfältige Bewertungsdatensätze, die sich auf Randfälle konzentrieren — nicht nur auf einfaches Fahren auf der Autobahn. Ein lernender Weltsimulator (neural Netzwerk-generierte Video-Engine) wurde eingeführt: • Kann 8 Tesla-Kamerafeeds gleichzeitig simulieren — vollständig synthetisch. • Wird für Tests, Training und Verstärkungslernen verwendet. • Ermöglicht die Injektion von adversarialen Ereignissen (z. B. das Hinzufügen eines Fußgängers oder Fahrzeugs, das hineinschneidet). • Ermöglicht das Wiederholen vergangener Fehler, um neue Modellverbesserungen zu überprüfen. • Kann nahezu in Echtzeit laufen, sodass Tester "fahren" können, während sie sich in einer simulierten Welt befinden. Was kommt als Nächstes: • Robotaxi-Service global skalieren. • Vollständige Autonomie für die gesamte Tesla-Flotte freischalten. • Cybercab: nächstes Generation 2-Sitzer-Fahrzeug, das speziell für den Robotaxi-Einsatz entwickelt wurde, mit dem Ziel, die niedrigsten Transportkosten zu erreichen (günstiger als der öffentliche Nahverkehr). • Die gleichen neuronalen Netzwerke werden den Optimus-Humanoiden antreiben. • Das gleiche Video-Generierungssystem wird jetzt auf Optimus angewendet. • Das System kann Bewegungen für Roboter simulieren und planen und sich leicht an neue Formen anpassen. via der Internationalen Konferenz über Computer Vision (ICCV). Vollständige Präsentation:

Autopilot & FSD Überwachungsdaten zur Sicherheit Im dritten Quartal 2025 verzeichneten wir 1 Unfall für alle 6,36 Millionen gefahrenen Meilen, bei denen die Fahrer die Autopilot-Technologie verwendeten. Im Vergleich dazu zeigt die aktuellste verfügbare Daten von NHTSA & FHWA (aus 2023), dass in den Vereinigten Staaten etwa alle 702.000 Meilen ein Autounfall stattfand.