Компания Tesla официально начала развертывание долгожданного обновления системы автономного вождения Full Self-Driving (FSD) версии V14 Lite. Данное программное обеспечение специально оптимизировано для электромобилей, оснащенных вычислительной платформой предыдущего поколения — Hardware 3 (HW3). Это первое масштабное обновление функционала автопилота для данной категории транспортных средств за последний год, что подчеркивает стремление компании поддерживать актуальность своего автопарка.
Технологические новшества и оптимизация под HW3
Разработка "V14 Lite" стала ответом на необходимость адаптации современных алгоритмов искусственного интеллекта под ограниченные вычислительные мощности старого оборудования. Руководитель отдела ИИ в Tesla Ашок Элусами подтвердил внедрение ключевых функций, которые ранее были доступны только владельцам новых моделей с HW4. Специалисты отмечают, что приставка "Lite" указывает на программную оптимизацию без потери критически важных возможностей управления.
Основные нововведения включают в себя:
- Интеллектуальный выбор пункта назначения на основе контекста поездки.
- Обновленные алгоритмы построения кривых скорости при движении по городским улицам.
- Повышенную общую стабильность и безопасность системы при маневрировании.
- Улучшенное распознавание сложных дорожных сценариев в условиях плотной застройки.
Масштабы развертывания и перспективы
На текущий момент доступ к обновлению предоставлен ограниченному числу участников программы раннего тестирования. Это позволяет инженерам собрать необходимые данные о работе системы на различных конфигурациях оборудования. По оценкам экспертов, обновление затрагивает порядка 3,5 миллионов автомобилей по всему миру.
После получения первых отзывов и подтверждения стабильности работы, обновление будет распространено более широко на весь парк машин с HW3 — сообщил Ашок Элусами, курирующий разработку нейросетевых архитектур компании.
Релиз V14 Lite подтверждает, что Tesla не намерена отказываться от программной поддержки старых моделей в пользу новых аппаратных решений. Успешное внедрение обновленных алгоритмов на HW3 демонстрирует эффективность методов сжатия нейросетей, что крайне важно для достижения полной автономности в будущем. Тем не менее, окончательные выводы об эффективности "облегченной" версии можно будет сделать только после завершения этапа массового тестирования.