Nope. Kameroita ja tutkaa. Josta tutka on ilmeisesti jäämässä huhujen mukaan pois.
2 tykkäystä
Kiitos korjauksesta 
Videoon palaten, elikkä yhdistelmä näitä kahta kuvamateriaalissa.
Troy ennustaa, että Berliinin tehdas tekee tänä vuonna 9000 Model-Y:tä ja että nämä olisivat esimmäiset Eurooppaan myytävät Model-Y:t. Mielenkiintoista.
1 tykkäys
Esisarja toukokuussa, tuotanto käyntiin heinäkuussa ja ekat autot tilaajille alkusyksystä. Tietolähde: hevosmiesten tietotoimisto, joten ei ihan virallinen tieto.
Kiitos kommentista ja tervetuloa tänne suurien tunteiden Tesla-ketjuun.
Niinkuin Jarnis totesi, Tesla ei käytä laseria lainkaan vaan koko homma perustuu tavallisiin videokameroihin, joita autossa on 8 kpl. Mielipiteet jakaantuvat vahvasti niihin, jotka kivenkovaa väittävät, että autonomiaa ei voida ratkaista ilman laseria, ja niihin jotka ymmärtävät datan määrän merkityksen koneoppimiseen pohjautuvassa ratkaisussa.
Tässä loistava artikkeli, joka selittää ymmärrettävästi miksi Tesla on valtavalla data-edullaan jo voittanut autonomiakisan:
Artikkeli tiivistettynä by Tesla_uskovainen:
Why is Computer Vision (using neural networks) superior to LiDAR?
A simple analogy can illustrate the conceptual difference between Computer Vision and LiDAR. Imagine two students, where one is just cramming and memorizing the content (LiDAR), while the other one is trying to really understand the material and truly learn it (Tesla FSD). The student that learned the material (Tesla FSD) will be able to answer the exam questions correctly, even if the questions on the exam are swapped, the questions are rephrased, or new components are added to the questions, while the student that memorized the content (LiDAR) will likely fail the exam.
Since LiDAR based approaches rely on pre-mapping every area, this makes them brittle. Only high-quality mapped roads can be driven on safely. Mapping out new areas is a costly and time-consuming per-requisite task that all companies utilizing LiDAR will have. Any changes to city infrastructure will need to be updated on high-definition maps used by autonomous vehicles to keep passengers safe.
__
Tesla has stated that solving autonomy with Computer Vision is much more difficult than utilizing LiDAR, but it is the only approach that can scale quickly.
__
Why has Mobileye changed their approach while Tesla maintains a 100% Computer Vision solution? In our opinion, it’s because Mobileye and other self-driving startups lack Tesla’s data snowball effect.
__
Simpler and shallow neural network models saturate their efficacy with lower amounts of data. Denser and deeper neural networks can approximate more but require exponentially more data. In practice, this means a data advantage creates a machine learning modelling advantage. Tesla is in a league of its own with data collection and data labeling, where the data labeling team at Tesla is an entire highly trained organization with a much larger head-count than their actual machine learning team of scientists and engineers. To illustrate the difference in scale, Waymo had roughly 20 million miles driven in 2019 compared to Tesla’s 3 billion. This 150,000% scale difference ensures that Tesla has an unsurpassed lead quantity and quality of data to train deep learning models.
In this hypothetical situation, Waymo may be able to develop computer vision models that perform at 90% or even 95% accuracy but achieving that several 9s-level performance (e.g. 99.99%) through vision is not practical with the size of their small fleet. This is why Mobileye is using LiDAR and building 3-D maps of cities one city at a time. Without a fleet of autonomous data collecting robots to feed into ever increasingly large models, LiDAR is the best solution. But ultimately, this is limiting. Assembling high-definition maps city by city is an arduous, slow process and creates an inflexible system that cannot handle change.
As a result, many OEMS (like VW) have decided to outsource autonomy to a LiDAR based system (like Mobileye, Luminar, etc.) and hope that advancements in neural networks don’t occur too quickly.
We believe they are wrong. This period before the wide Tesla FSD beta release is the last window of uncertainty. When the majority of Tesla’s run the new FSD software, Tesla’s data snowball will further compound, turbocharging the flywheel of model improvement. This will lead to L5 autonomy sooner than many predict. In the next year, Tesla will likely be cemented as the autonomy leader
Menestyvällä sijoittajalla on katse tulevaisuuteen eikä menneeseen. 
Oma mielipiteeni on se, että nyt on viimeiset mahdollisuudet ostaa osaketta ennen kuin kaikille on ilmeistä, että Tesla on voittaja. Seuraavaan FSD Betan päivitykseen on tulossa noin tuhanteen ominaisuuteen parannukset (lähde: Muskin twiitti). Tämä päivitys tulee jakoon jenkeissä kaikille Teslan asiakkaille, jotka ovat ostaneet täyden FSD paketin → Datan lumipalloefekti saa turbovaihteen.
Teslan uskontemppelissä kiertää myös huhu Muskin pitämästä puheesta työntekijöille, että FSD:n kuukausimaksupalvelu starttaa toukokuussa. Suomeksi: FSD:n alpha-versio 1.0 on toukokuussa kaikkien saatavilla Yhdysvalloissa. Mikäli huhu pitää paikkaansa, niin en ole yhtään yllättynyt, että kesäkuussa osakkeen hinta on 1000 dollarin paremmalla puolella ja vuoden loppuun mennessä hamuillaan maailman arvokkaimman yhtiön pallia.
2 tykkäystä
Huh, nyt kyllä nyrjähti aivot. Ilmeisesti sensorityyppi määrää sen, mitä datalla tehdään, ainakin Teslaniassa. Ilmeisesti laserin tuottamaa dataa ei pysty ymmärtämään eikä koneoppimaan. 
16 tykkäystä
Luitko artikkelin? Luitko mitä kirjoitin?
Ehkä ymmärrät, jos väännän vielä vähäsen rautalangasta:
Kisan voittaa se jolla on eniten dataa. Teslalla dataa oli 2019 3 miljardia ajettua mailia, kun Waymolla oli 20 miljoonaa mailia.
Toki pistepilveä voidaan käyttää koulutusdatana koneoppimiseen, mutta koko homma on helvetin paljon kalliimpaa joka osa-alueella:
- Yhden lidarin hinnalla saa satoja low-res kamerayksiköitä, joita Tesla käyttää
- Lidarin tuottaman 3d-pistepilven käsitely vaatii huomattavasti enemmän laskentatehoa kuin pakattu videokuva
- Waymolla laskentayksikkö täyttää koko takakontin, kun se on Teslalla custom-built piirilevy hansikaslokeron takana → Waymon teho- ja virtasyöppö ratkaisu on huono sähköautoon
- Lidarissa on mekaanisia liikkuvia osia, jotka vaativat huoltoa
@Hereford_Picnic mutta kun tunnut olevan noin varma, niin voinet antaa esimerkkejä kilpailijoista, jotka käyttävät lidaria nimenomaisesti konenäön koulutukseen ja joilla on realistinen mahdollisuus ohittaa Tesla kisassa.
3 tykkäystä
Kyllä sanoisin että datan laatu on tärkeämpää kuin suoranainen määrä. Tarvitaan koulutettu käyttäjä, tässä tapauksessa kuljettaja jolla on riittävästi mahdollisuuksia antaa luotettavaa tarkkaa palautetta. Miten Tesla on hoitanut tämän? Ihan aito kysymys, en tiedä. Päälle päin näyttää siltä että autoilla vaan ajellaan ja tavikset painaa yhtä nappia silloin tällöin, tai ottavat ohjat tarvittaessa. Ei sellaisesta saa mitään hyödyllistä dataa irti.
2 tykkäystä
Liikenneympäristö kaikkine tosimaailman tekijöineen on niin monimutkainen kokonaisuus, että datan määrä on ainoa tapa ratkaista se. Konenäöllä täytyy olla videokuvaa niistä kaikkein harvinaisimmistakin erikoistilanteista, jotta se pystyy vastaavista selviytymään ilman ihmisen ohjausta.
Yksinkertaistettu vastaus: autopilot on Tesloissa päällä shadow moodissa. Eli autopilot havainnoi ympäristöä ja tekee ajopäätökset, mutta ei välitä niitä auton ohjaukseen. Kun shadow moodissa olevan autopilotin ratkaisu poikkeaa kuskin ratkaisusta, jää siitä tieto, jonka Tesla lataa autosta serverilleen.
Toinen tilanne, jossa dataa lähtee Teslalle, on kun kuski joutuu ottamaan ohjat autopilotin tehdessä virheen.
Se ilmoitusnappula on lähinnä kuskin mahdollisuus “kommentoida” tilanteita.
Jos haluat kattavamman vastauksen, niin katso Andrej Karpathyn osuus Teslan Autonomy Daysta:
4 tykkäystä
Joo, luin mitä kirjoitit, ja sen perusteella en ajatellut hukata aikaani enempää lukemalla artikkelia.
Kiitos silti kirjoittelupanoksestasi näissä asioissa. Kiva tietää, mitä näistä jutuista ajatellaan. Tesla voi olla hyvä sijoitus.
En mä noista kilpailijoista osaa sanoa, mitä ne datallaan tekee, sorry. Mulla on uudessa Tojotassakin aika hyvät full self drivingit, ja käytän tosi usein, mutta tulkintavirheiden takia pitää olla hereillä ajaessa. Henk:koht. tykkäisin monipuolisesta sensorikombosta, joita täällä onkin jo ansiokkaasti käsitelty. Siihen sitten vielä mahdollisimman taitava prosessointi päälle. Ehkä se kymmenen vuoden päästä jo toimii. Ilmassa olisi helpompaa, kun ei ole kiinteitä rakenteita monimutkaistamassa asioita, mutta sepä menee jo tämän ketjun aiheen ulkopuolelle.
Pahoittelut nollapostauksesta.
2 tykkäystä
Paljokoha näitä tapauksia tarvitaan ennen kuin NHTSA reagoi asiaan…
Tai muualla…
1 tykkäys
Kuljettajan vikahan tuo on täysin, kun on luottanut täysin avustavaan teknologiaan. Meillä on vielä junissakin kuljettajat ja ne kulkee sentään kiskoilla. Silti ihmiset kuvittelevat että voivat antaa autonsa ajella itsekseen ja vaikka torkkua itse kuskin paikalla. Vaarallista leikkiä, miksi edes haluamme pyrkiä moiseen?
1 tykkäys
Kun olet ostanut 10 000$ paketin minkä nimi on full self driving ja lukenut netistä että täysin ylivoimainen teknologia niin sattuuhan näitä että joku uskoo.
15 tykkäystä
No siis, kyllä. On se vika tietysti yrityksen ja yksittäisen onnettomuuteen joutuneen järjestelmänkin.
Niin kauan kuin vastuu on kuljettajalla pitäisi se markkinoinnissa pitää kirkkaana esillä. Jos halutaan vastuu (myös juridinen) siirtää yritykselle ja ajoneuvolle, niin markkinoikoot FSD:nä sen jälkeen.
Ihan mielenkiintoista kyllä jos Tesla antaa kaikille potentiaalin FSD:n testaamiseen, mutta sitten sen käyttö olisi kielletty tietyillä alueilla, niin kuka ottaa sen vastuun siitä käyttökiellon noudattamisesta? Tesla nyt vetää varmaan klassisella pöhinäkulttuurin “Tehdään ja sitten pyydetään anteeksi”- metodilla, mutta voi olla hyvin vaihtelevaa kaupungeittainkin.
Suomessa saa kyllä aika pitkään odottaa, että saisi laillisesti ajaa FSDllä muualla kuin korkeintaan sille varatulla kaistalla. Katsotaan, miten tuokkonen tippuu Kurikassa lattialle, kun lainsäädäntö tulee ihan jälkijunassa.
Jäin hieman odottamaan vastausta vaikka Tesla_uskovaiselta, Juha_Salmiselta ja Jarnikselta: Jos teidän pitäisi miettiä, että miten Teslan maailmanvalloitus voisi epäonnistua, niin mihin se kaatuisi ja mitkä olisivat ennusmerkkejä siitä?
Teslan Q1 toimitusluvut tulevat perjantaina. Odotetaan 170k, josta Eurooppa noin 30k.
eu-evs.com sivujen perusteella Euroopan luvut voivat olla tiukassa. Tähän mennessä 7.6k myyty.
- Luvuissa on Norja, Espanja, Alankomaat reaaliaikaisesti
- Suomi, Ruotsi, Tanska, Saksa, Ranska, Sveitsi, Irlanti: tammikuu + helmikuu
Perinteisesti nuo ovat ne suurimmat ev-maat Euroopassa pl Iso-Britannia. Mutta kai analyytikot seuraavat rekisteröintitietojen lisäksi laivaliikennettä ja tehtaiden tuotantotilannetta.
Lyhyellä tähtäimellä Teslalta odotetaan huhtikuussa FSD betaa ladattavaksi kaikille sen ostaneille. Cybertrukin julkaisu pitäisi myös tulla piakkoin. Giga Berlinin rakennuslupa olisi myös hyvä saada, jos tuotanto aiotaan aloittaa loppukesästä. Tesla voi myös yllättää esim. uutisilla $25k pikkuautosta tai uusista tehtaista. Isoja semi-toimitussopimuksia voi myös tulla.
Toukokuun alussa sitten OVK.
Todettakoon että “FSD” (beta) ei ole jakelussa vielä jenkkien ulkopuolella, eli tuo Taiwan-case on “tavallinen autopilot”. FSD ehkä olisi jopa tuon välttänyt. Eli jospa ei dissata FSD:tä sen perusteella mitä on tapahtunut ilman että se on edes osallisena?
2 tykkäystä
Oli järjestelmä mikä tahansa, pitää kuljettajan olla niin hereillä, että ehtii pysäyttämään auton tuollaisessa tilanteessa jossa järjestelmä ajaa päin punaisia. Lentää ne lentokoneetkin autopilotilla, mutta silti joku istuu ohjaamossa puuttumassa tilanteeseen, jossa järjestelmä tekee virheen tai siihen tulee toimintahäiriö. Minä en usko että täysin autonomista ajamista tullaan näkemään vielä aikoihin. Tai ainakin toivon niin.
2 tykkäystä
Tämä onnettomuus ei tosiaan kyllä ole Teslan vika. Autopilot vähän välittää liikennevaloista täällä (beta ei ole jaossa täällä FSD:stä puhumattakaan) joten vaikea sitä on syyttää. Kyseessä oli siis vuokra-auto ja kuljettajalla ei tunnu olevan hajuakaan siitä miten se toimii. Tosin tässä kyllä totuuden nimessä on pieni ongelma, jos on aina ajanut ns normaalilla autolla niin käyttöliittymä Teslassa kyllä oikeasti vaatii opettelua. Mutta kyllä vastuu tässä on ihan tasan naisella joka autoa ajoi.
Itse Tesla omistajana en kyllä ole yhtään vakuuttunut, että autoni tulee ajamaan kotoa töihin itse lähivuosina Taiwanissa. Ehkä sellaisilla alueilla jossa tiet ja säännöt ovat selkeät ja sää on suotuisa niinkuin Kaliforniassa, mutta suuressa osaa maailmaa en näe mahdolliseksi.
@Tesla_uskovainen kommenteissa oli epähuomiossa virheitä, joten kommentoin vain päällisin puolin.
Teslan ns. Data Engine, joka oli @Tesla_uskovainen linkkaamassa Andrej Karpathy videossa on yleinen malli, jota mm. Waymo käyttää. Yleinen Data Engine toteutus
Käytännössä Teslassa on kymmeniä neuroverkkoja (Objektien tunnistus, reitti…) ja mm. linkattu Karpathy video on lähinnä yleiskuvaus.
Teslan oppiminen (kuten Waymon, AutoX:n jne.) tapahtuu simulaattorilla tai Teslojen yhteiseen pilveen lähettämillä poikkeustapausten tiedoilla. Poikkeustapauksista Teslan insinöörit poimivat saman kaltaisia tilanteita ja opettavat neuroverkon. Opetetun neuroverkon tiedot viedään Tesloihin ja sitä ensin testataan Shadow modessa eli neuroverkon muutokset ajetaan Teslassa, ne eivät ohjaa Teslaa mutta ilmoittavat Teslan insinööreille toimivatko uudet muutokset
Omasta mielestäni neuroverkkoja voitaisiin käyttää paljon enemmän hyödyksi, mutta niissä on rajoitteita.
Rajoitteita voi havainnollistaa vaikka esimerkillä, jossa auton takana on pyöräteline, jossa on pyörä kiinni. Kun takana ajavassa autossa kuski näkee tämän auton, kuski tietää välittömästi että keskeistä on seurata autoa, koska pyörä on vain autossa kiinni.
Neuroverkko ei tätä ymmärrä, vaan sille on opetettava useilla kuvilla tilanteita, joissa autossa on pyörä kiinni. Siltikään kukaan ei koskaan voi tietää, missä vaiheessa neuroverkko on oppinut asian täysin “ymmärtämään”
Neuroverkkohan ei ajattele vaan on “mekaaninen” ohjelma. Eri tapauksia varten rakennetaan eri neuroverkkoarkkitehtuurit ja jokainen neuroverkko saa opetuksesta parhaiten toimivat kertoimet joiden perusteella se antaa keskimäärin parhaan arvauksen.
Itse epäilen, että sekä Kamera että Lidar korvautuvat 10 vuoden sisällä.
Kamera on vanha keksintö jossa otetaan yksittäisiä kuvia. Sensorina voisi olla hyödyllisempi kamera, joka ei ota kuvia vaan lähettää jatkuvaa tietovirtaa kameran näkemistä pikseleistä. Muuttuvataajuiset laserit sekä tutkat lähettävät jokaisesta pixselistä täydentävää tietoa.
Useat RoboTaxit ajavat täysin autonomisesti jo nyt, kuten tämä AutoX https://youtu.be/O69YEWpSacU?t=147
Todennäköinen eteneminen tasolle 4/5 lieneekin se, että tiestö digitalisoituu pilveen, autojen ADAS-toiminnallisuudet sekä tieliikenneinfra kehittyvät tukemaan tasoa 4/5 vuosi vuodelta. Tähän on käytönnön projekteja menossa mm. EU:ssa
6 tykkäystä