Eu andei no novo Tesla autônomo no Las Vegas Loop! Foi MUITO mais suave do que um humano dirigindo no Loop. Zero intervenção humana. Não estava ocupado, então ele nos deixou voltar também. O motorista disse que em breve estará dando carona até o aeroporto. Estamos no futuro.

Uma nova apresentação de 30 minutos de @aelluswamy, vice-presidente de IA da Tesla, foi lançada, onde ele fala sobre FSD, IA e os últimos progressos da equipe. Destaque da apresentação: • A frota de veículos da Tesla pode fornecer 500 anos de dados de direção todos os dias. Maldição da Dimensionalidade: • 8 câmeras em alta taxa de quadros = bilhões de tokens por 30 segundos de contexto de condução. • Tesla deve comprimir e extrair as correlações corretas entre a entrada sensorial e as ações de controle. Vantagem de dados: • A Tesla tem acesso a uma "Catarata do Niágara de dados" – centenas de anos de condução coletiva de frotas. • Usa gatilhos de dados inteligentes para capturar casos raros (por exemplo, interseções complexas, comportamento imprevisível). Qualidade e eficiência: • Extrai apenas os dados essenciais necessários para treinar modelos com eficiência. Depuração e interpretabilidade: • Mesmo que o sistema seja de ponta a ponta, a Tesla ainda pode solicitar que o modelo produza dados interpretáveis: Ocupação 3D, limites de estradas, objetos, sinais, semáforos, etc. • Consulta de linguagem natural: pergunte ao modelo por que ele tomou uma determinada decisão. • Essas previsões auxiliares não dirigem o carro, mas ajudam os engenheiros a depurar e garantir a segurança. Splatting Gaussiano Avançado de Tesla (Modelagem de Cena 3D): • A Tesla desenvolveu um sistema de splatting gaussiano personalizado e ultrarrápido para reconstruir cenas 3D a partir de visualizações limitadas da câmera. • Produz renderizações 3D nítidas e precisas, mesmo a partir de poucos ângulos de câmera - muito melhor do que as abordagens padrão de NeRF/respingos. • Permite a rápida depuração visual do ambiente de condução em 3D. Avaliação e Modelos do Mundo: • A avaliação é o desafio mais difícil: os modelos podem ter um bom desempenho offline, mas falhar em condições do mundo real. • A Tesla cria conjuntos de dados de avaliação equilibrados e diversificados com foco em casos extremos - não apenas na condução fácil em rodovias. Introduziu um simulador de mundo aprendido (mecanismo de vídeo gerado por rede neural): • Pode simular 8 feeds de câmera Tesla simultaneamente - totalmente sintético. • Usado para testes, treinamento e aprendizado por reforço. • Permite a injeção de eventos contraditórios (por exemplo, adicionar um pedestre ou veículo cortando). • Permite reproduzir falhas passadas para verificar novas melhorias no modelo. • Pode ser executado quase em tempo real, permitindo que os testadores "dirijam" dentro de um mundo simulado. O que vem a seguir: • Dimensionar o serviço de robotaxi globalmente. • Desbloqueie autonomia total em toda a frota da Tesla. • Cybercab: veículo de 2 lugares de última geração projetado especificamente para uso em robotáxis, visando o menor custo de transporte (mais barato que o transporte público). • As mesmas redes neurais alimentarão o robô humanóide Optimus. • O mesmo sistema de geração de vídeo está sendo aplicado ao Optimus. • O sistema pode simular e planejar o movimento de robôs, adaptando-se facilmente a novas formas. através da Conferência Internacional sobre Visão Computacional (ICCV). Apresentação completa:

Uma nova apresentação de 30 minutos de @aelluswamy, vice-presidente de IA da Tesla, foi lançada, onde ele fala sobre FSD, IA e os últimos progressos da equipe. Destaque da apresentação: • A frota de veículos da Tesla pode fornecer 500 anos de dados de direção todos os dias. Maldição da Dimensionalidade: • 8 câmeras em alta taxa de quadros = bilhões de tokens por 30 segundos de contexto de condução. • Tesla deve comprimir e extrair as correlações corretas entre a entrada sensorial e as ações de controle. Vantagem de dados: • A Tesla tem acesso a uma "Catarata do Niágara de dados" – centenas de anos de condução coletiva de frotas. • Usa gatilhos de dados inteligentes para capturar casos raros (por exemplo, interseções complexas, comportamento imprevisível). Qualidade e eficiência: • Extrai apenas os dados essenciais necessários para treinar modelos com eficiência. Depuração e interpretabilidade: • Mesmo que o sistema seja de ponta a ponta, a Tesla ainda pode solicitar que o modelo produza dados interpretáveis: Ocupação 3D, limites de estradas, objetos, sinais, semáforos, etc. • Consulta de linguagem natural: pergunte ao modelo por que ele tomou uma determinada decisão. • Essas previsões auxiliares não dirigem o carro, mas ajudam os engenheiros a depurar e garantir a segurança. Splatting Gaussiano Avançado de Tesla (Modelagem de Cena 3D): • A Tesla desenvolveu um sistema de splatting gaussiano personalizado e ultrarrápido para reconstruir cenas 3D a partir de visualizações limitadas da câmera. • Produz renderizações 3D nítidas e precisas, mesmo a partir de poucos ângulos de câmera - muito melhor do que as abordagens padrão de NeRF/respingos. • Permite a rápida depuração visual do ambiente de condução em 3D. Avaliação e Modelos do Mundo: • A avaliação é o desafio mais difícil: os modelos podem ter um bom desempenho offline, mas falhar em condições do mundo real. • A Tesla cria conjuntos de dados de avaliação equilibrados e diversificados com foco em casos extremos - não apenas na condução fácil em rodovias. Introduziu um simulador de mundo aprendido (mecanismo de vídeo gerado por rede neural): • Pode simular 8 feeds de câmera Tesla simultaneamente - totalmente sintético. • Usado para testes, treinamento e aprendizado por reforço. • Permite a injeção de eventos contraditórios (por exemplo, adicionar um pedestre ou veículo cortando). • Permite reproduzir falhas passadas para verificar novas melhorias no modelo. • Pode ser executado quase em tempo real, permitindo que os testadores "dirijam" dentro de um mundo simulado. O que vem a seguir: • Dimensionar o serviço de robotaxi globalmente. • Desbloqueie autonomia total em toda a frota da Tesla. • Cybercab: veículo de 2 lugares de última geração projetado especificamente para uso em robotáxis, visando o menor custo de transporte (mais barato que o transporte público). • As mesmas redes neurais alimentarão o robô humanóide Optimus. • O mesmo sistema de geração de vídeo está sendo aplicado ao Optimus. • O sistema pode simular e planejar o movimento de robôs, adaptando-se facilmente a novas formas. através da Conferência Internacional sobre Visão Computacional (ICCV). Apresentação completa: