¡Monté en el nuevo Tesla autónomo en el Loop de Las Vegas! Fue MUCHO más suave que un humano conduciendo en el Loop. Cero intervención humana. No estaba ocupado, así que nos dejó volver también. El conductor dijo que pronto estarán dando paseos hasta el aeropuerto. Estamos en el futuro.

Se ha publicado una nueva presentación de 30 minutos de @aelluswamy, VP de IA de Tesla, donde habla sobre FSD, IA y los últimos avances del equipo. Aspectos destacados de la presentación: • La flota de vehículos de Tesla puede proporcionar 500 años de datos de conducción cada día. La maldición de la dimensionalidad: • 8 cámaras a alta velocidad de fotogramas = miles de millones de tokens por 30 segundos de contexto de conducción. • Tesla debe comprimir y extraer las correlaciones correctas entre la entrada sensorial y las acciones de control. Ventaja de datos: • Tesla tiene acceso a una "cascada de datos" — cientos de años de conducción colectiva de la flota. • Utiliza disparadores de datos inteligentes para capturar casos raros (por ejemplo, intersecciones complejas, comportamientos impredecibles). Calidad y eficiencia: • Extrae solo los datos esenciales necesarios para entrenar modelos de manera eficiente. Depuración e interpretabilidad: • A pesar de que el sistema es de extremo a extremo, Tesla aún puede solicitar al modelo que produzca datos interpretables: ocupación 3D, límites de carretera, objetos, señales, semáforos, etc. • Consulta en lenguaje natural: pregunta al modelo por qué tomó una determinada decisión. • Estas predicciones auxiliares no conducen el automóvil, pero ayudan a los ingenieros a depurar y garantizar la seguridad. Splatting Gaussiano Avanzado de Tesla (Modelado de Escenas 3D): • Tesla desarrolló un sistema de splatting gaussiano personalizado y ultra-rápido para reconstruir escenas 3D a partir de vistas limitadas de cámaras. • Produce representaciones 3D nítidas y precisas incluso desde pocos ángulos de cámara — mucho mejor que los enfoques estándar de NeRF/splatting. • Permite una depuración visual rápida del entorno de conducción en 3D. Evaluación y Modelos del Mundo: • La evaluación es el desafío más difícil: los modelos pueden funcionar bien fuera de línea pero fallar en condiciones del mundo real. • Tesla construye conjuntos de datos de evaluación equilibrados y diversos centrados en casos extremos — no solo en la conducción fácil por autopistas. Se introdujo un simulador del mundo aprendido (motor de video generado por red neuronal): • Puede simular 8 feeds de cámaras de Tesla simultáneamente — completamente sintético. • Utilizado para pruebas, entrenamiento y aprendizaje por refuerzo. • Permite la inyección de eventos adversariales (por ejemplo, agregar un peatón o un vehículo que se cruza). • Permite reproducir fallos pasados para verificar mejoras en nuevos modelos. • Puede funcionar en casi tiempo real, permitiendo a los evaluadores "conducir" dentro de un mundo simulado. ¿Qué sigue?: • Escalar el servicio de robotaxi a nivel global. • Desbloquear la autonomía total en toda la flota de Tesla. • Cybercab: vehículo de próxima generación de 2 asientos diseñado específicamente para uso de robotaxi, con el objetivo de tener el costo de transporte más bajo (más barato que el transporte público). • Las mismas redes neuronales impulsarán al robot humanoide Optimus. • El mismo sistema de generación de video se está aplicando ahora a Optimus. • El sistema puede simular y planificar el movimiento de los robots, adaptándose fácilmente a nuevas formas. vía la Conferencia Internacional sobre Visión por Computadora (ICCV). Presentación completa:

Se ha publicado una nueva presentación de 30 minutos de @aelluswamy, VP de IA de Tesla, donde habla sobre FSD, IA y los últimos avances del equipo. Aspectos destacados de la presentación: • La flota de vehículos de Tesla puede proporcionar 500 años de datos de conducción cada día. La maldición de la dimensionalidad: • 8 cámaras a alta velocidad de fotogramas = miles de millones de tokens por 30 segundos de contexto de conducción. • Tesla debe comprimir y extraer las correlaciones correctas entre la entrada sensorial y las acciones de control. Ventaja de datos: • Tesla tiene acceso a una "cascada de datos" — cientos de años de conducción colectiva de la flota. • Utiliza disparadores de datos inteligentes para capturar casos raros (por ejemplo, intersecciones complejas, comportamientos impredecibles). Calidad y eficiencia: • Extrae solo los datos esenciales necesarios para entrenar modelos de manera eficiente. Depuración e interpretabilidad: • A pesar de que el sistema es de extremo a extremo, Tesla aún puede solicitar al modelo que produzca datos interpretables: ocupación 3D, límites de carretera, objetos, señales, semáforos, etc. • Consulta en lenguaje natural: pregunta al modelo por qué tomó una determinada decisión. • Estas predicciones auxiliares no conducen el automóvil, pero ayudan a los ingenieros a depurar y garantizar la seguridad. Splatting Gaussiano Avanzado de Tesla (Modelado de Escenas 3D): • Tesla desarrolló un sistema de splatting gaussiano personalizado y ultra-rápido para reconstruir escenas 3D a partir de vistas limitadas de cámaras. • Produce representaciones 3D nítidas y precisas incluso desde pocos ángulos de cámara — mucho mejor que los enfoques estándar de NeRF/splatting. • Permite una depuración visual rápida del entorno de conducción en 3D. Evaluación y Modelos del Mundo: • La evaluación es el desafío más difícil: los modelos pueden funcionar bien fuera de línea pero fallar en condiciones del mundo real. • Tesla construye conjuntos de datos de evaluación equilibrados y diversos centrados en casos extremos — no solo en la conducción fácil por autopistas. Se introdujo un simulador del mundo aprendido (motor de video generado por red neuronal): • Puede simular 8 feeds de cámaras de Tesla simultáneamente — completamente sintético. • Utilizado para pruebas, entrenamiento y aprendizaje por refuerzo. • Permite la inyección de eventos adversariales (por ejemplo, agregar un peatón o un vehículo que se cruza). • Permite reproducir fallos pasados para verificar mejoras en nuevos modelos. • Puede funcionar en casi tiempo real, permitiendo a los evaluadores "conducir" dentro de un mundo simulado. ¿Qué sigue?: • Escalar el servicio de robotaxi a nivel global. • Desbloquear la autonomía total en toda la flota de Tesla. • Cybercab: vehículo de próxima generación de 2 asientos diseñado específicamente para uso de robotaxi, con el objetivo de tener el costo de transporte más bajo (más barato que el transporte público). • Las mismas redes neuronales impulsarán al robot humanoide Optimus. • El mismo sistema de generación de video se está aplicando ahora a Optimus. • El sistema puede simular y planificar el movimiento de los robots, adaptándose fácilmente a nuevas formas. vía la Conferencia Internacional sobre Visión por Computadora (ICCV). Presentación completa: