Ik heb in de nieuwe zelfrijdende Tesla in de Las Vegas Loop gereden! Het was VEEL soepeler dan een mens die in de Loop rijdt. Geen menselijke input. Het was niet druk, dus hij liet ons ook terugrijden. De chauffeur zei dat ze binnenkort ritten helemaal naar de luchthaven zullen aanbieden. We zijn in de toekomst.

Een nieuwe presentatie van 30 minuten van @aelluswamy, Tesla’s VP van AI, is uitgebracht, waarin hij praat over FSD, AI en de laatste vooruitgang van het team. Hoogtepunten uit de presentatie: • Tesla's voertuigenpark kan elke dag 500 jaar aan rijgegevens leveren. Vloek van dimensionaliteit: • 8 camera's met hoge framerate = miljarden tokens per 30 seconden rijcontext. • Tesla moet de juiste correlaties tussen sensorische input en controle-acties comprimeren en extraheren. Data-voordeel: • Tesla heeft toegang tot een "Niagara Falls aan data" — honderden jaren aan collectieve rijervaring van het voertuigenpark. • Maakt gebruik van slimme datatriggers om zeldzame randgevallen vast te leggen (bijv. complexe kruispunten, onvoorspelbaar gedrag). Kwaliteit en efficiëntie: • Extraheert alleen de essentiële gegevens die nodig zijn om modellen efficiënt te trainen. Debugging en interpreteerbaarheid: • Hoewel het systeem end-to-end is, kan Tesla het model nog steeds aansteken om interpreteerbare gegevens uit te geven: 3D-bezetting, weggrenzen, objecten, borden, verkeerslichten, enz. • Natuurlijke taalquery's: vraag het model waarom het een bepaalde beslissing heeft genomen. • Deze aanvullende voorspellingen sturen de auto niet, maar helpen ingenieurs bij het debuggen en waarborgen van de veiligheid. Tesla’s geavanceerde Gaussian Splatting (3D-scène modellering): • Tesla heeft een op maat gemaakt, ultra-snel Gaussian splatting-systeem ontwikkeld om 3D-scènes te reconstrueren vanuit beperkte camerazichten. • Produceert scherpe, nauwkeurige 3D-renderingen, zelfs vanuit enkele camerahoeken — veel beter dan standaard NeRF/splatting benaderingen. • Stelt snelle visuele debugging van de rijomgeving in 3D mogelijk. Evaluatie & wereldmodellen: • Evaluatie is de moeilijkste uitdaging: modellen kunnen offline goed presteren, maar falen in de echte wereld. • Tesla bouwt gebalanceerde, diverse evaluatiedatasets met focus op randgevallen — niet alleen gemakkelijk snelweg rijden. Geïntroduceerd een geleerde wereldsimulator (neuraal netwerk-gegeneerde video-engine): • Kan 8 Tesla-camera feeds gelijktijdig simuleren — volledig synthetisch. • Gebruikt voor testen, training en versterkend leren. • Stelt tegenstrijdige gebeurtenisinjectie mogelijk (bijv. het toevoegen van een voetganger of voertuig dat inrijdt). • Stelt in staat om eerdere mislukkingen opnieuw af te spelen om nieuwe modelverbeteringen te verifiëren. • Kan bijna in real-time draaien, waardoor testers "binnen" een gesimuleerde wereld kunnen "rijden". Wat is de volgende stap: • Schaal robotaxi-diensten wereldwijd. • Ontgrendel volledige autonomie voor het hele Tesla-voertuigenpark. • Cybercab: next-gen 2-zits voertuig speciaal ontworpen voor robotaxi-gebruik, gericht op de laagste transportkosten (goedkoper dan openbaar vervoer). • Dezelfde neurale netwerken zullen de Optimus-humanoïde robot aandrijven. • Hetzelfde videosysteem wordt nu toegepast op Optimus. • Het systeem kan beweging voor robots simuleren en plannen, zich gemakkelijk aanpassen aan nieuwe vormen. via de Internationale Conferentie over Computer Vision (ICCV). Volledige presentatie:

Een nieuwe presentatie van 30 minuten van @aelluswamy, Tesla’s VP van AI, is uitgebracht, waarin hij praat over FSD, AI en de laatste vooruitgang van het team. Hoogtepunten uit de presentatie: • Tesla's voertuigenpark kan elke dag 500 jaar aan rijgegevens leveren. Vloek van dimensionaliteit: • 8 camera's met hoge framerate = miljarden tokens per 30 seconden rijcontext. • Tesla moet de juiste correlaties tussen sensorische input en controle-acties comprimeren en extraheren. Data-voordeel: • Tesla heeft toegang tot een "Niagara Falls aan data" — honderden jaren aan collectieve rijervaring van het voertuigenpark. • Maakt gebruik van slimme datatriggers om zeldzame randgevallen vast te leggen (bijv. complexe kruispunten, onvoorspelbaar gedrag). Kwaliteit en efficiëntie: • Extraheert alleen de essentiële gegevens die nodig zijn om modellen efficiënt te trainen. Debugging en interpreteerbaarheid: • Hoewel het systeem end-to-end is, kan Tesla het model nog steeds aansteken om interpreteerbare gegevens uit te geven: 3D-bezetting, weggrenzen, objecten, borden, verkeerslichten, enz. • Natuurlijke taalquery's: vraag het model waarom het een bepaalde beslissing heeft genomen. • Deze aanvullende voorspellingen sturen de auto niet, maar helpen ingenieurs bij het debuggen en waarborgen van de veiligheid. Tesla’s geavanceerde Gaussian Splatting (3D-scène modellering): • Tesla heeft een op maat gemaakt, ultra-snel Gaussian splatting-systeem ontwikkeld om 3D-scènes te reconstrueren vanuit beperkte camerazichten. • Produceert scherpe, nauwkeurige 3D-renderingen, zelfs vanuit enkele camerahoeken — veel beter dan standaard NeRF/splatting benaderingen. • Stelt snelle visuele debugging van de rijomgeving in 3D mogelijk. Evaluatie & wereldmodellen: • Evaluatie is de moeilijkste uitdaging: modellen kunnen offline goed presteren, maar falen in de echte wereld. • Tesla bouwt gebalanceerde, diverse evaluatiedatasets met focus op randgevallen — niet alleen gemakkelijk snelweg rijden. Geïntroduceerd een geleerde wereldsimulator (neuraal netwerk-gegeneerde video-engine): • Kan 8 Tesla-camera feeds gelijktijdig simuleren — volledig synthetisch. • Gebruikt voor testen, training en versterkend leren. • Stelt tegenstrijdige gebeurtenisinjectie mogelijk (bijv. het toevoegen van een voetganger of voertuig dat inrijdt). • Stelt in staat om eerdere mislukkingen opnieuw af te spelen om nieuwe modelverbeteringen te verifiëren. • Kan bijna in real-time draaien, waardoor testers "binnen" een gesimuleerde wereld kunnen "rijden". Wat is de volgende stap: • Schaal robotaxi-diensten wereldwijd. • Ontgrendel volledige autonomie voor het hele Tesla-voertuigenpark. • Cybercab: next-gen 2-zits voertuig speciaal ontworpen voor robotaxi-gebruik, gericht op de laagste transportkosten (goedkoper dan openbaar vervoer). • Dezelfde neurale netwerken zullen de Optimus-humanoïde robot aandrijven. • Hetzelfde videosysteem wordt nu toegepast op Optimus. • Het systeem kan beweging voor robots simuleren en plannen, zich gemakkelijk aanpassen aan nieuwe vormen. via de Internationale Conferentie over Computer Vision (ICCV). Volledige presentatie: