வட அமெரிக்க உற்பத்தியாளரின் உதவி ஓட்டுநர் தொழில்நுட்பமானது, தன்னாட்சி அமைப்புகளுக்கான மிகவும் சிக்கலான சவால்களில் ஒன்றை நிவர்த்தி செய்வதன் மூலம் ஒரு புதிய அளவிலான நுட்பத்தை எட்டியுள்ளது: ஒற்றை-வழிச் சாலைகளில் இடத்தைப் பேச்சுவார்த்தை நடத்துதல். முழு சுய-ஓட்டுநர் மென்பொருளின் சமீபத்திய மறு செய்கையானது குறுகிய சாலைகளில் எதிரே வரும் வாகனங்களை அடையாளம் காணும் திறனை நிரூபித்துள்ளது மற்றும் முன்பு மனித தலையீடு தேவைப்படும் சூழ்ச்சிகளைச் செய்கிறது. இந்த பரிணாமம் மனித ஓட்டுநர்கள் அன்றாடம் கடைப்பிடிக்கும் உள்ளுணர்வு நடத்தை மற்றும் சாலையின் எழுதப்படாத விதிகளை பிரதிபலிக்கும் முயற்சியில் ஒரு முக்கியமான படியைக் குறிக்கிறது.
சோதனைத் திட்டத்தில் பங்குபெறும் உரிமையாளர்களின் அறிக்கைகள், கணினியானது இப்போது சாலையின் வடிவவியலையும் மற்ற கார்களின் நிலையையும் அதிக துல்லியத்துடன் மதிப்பிட முடியும் என்பதைக் குறிக்கிறது. சாலையின் அகலம் ஒரே நேரத்தில் இரண்டு வாகனங்களுக்கு இடமளிக்காத சூழ்நிலைகளில், மென்பொருளானது அகலப்படுத்தும் இடத்திற்கு அல்லது பாதுகாப்பான தோள்பட்டைக்கு பின்வாங்குவதற்கான முடிவை எடுக்கிறது. இந்தச் செயல்பாடு, கிராமப்புறப் பகுதிகள் அல்லது நெரிசலான குடியிருப்புத் தெருக்களில் உள்ள போக்குவரத்து முட்டுக்கட்டைகளைத் தீர்ப்பதை நோக்கமாகக் கொண்டுள்ளது, அங்கு திரவத்தன்மை ஓட்டுநர்களுக்கிடையேயான பரஸ்பர ஒத்துழைப்பைப் பொறுத்தது, கடினமான வழிமுறைகள் முன்பு செயலாக்குவதில் சிரமம் இருந்தது.
மனித நடத்தை மற்றும் நரம்பியல் நெட்வொர்க்குகளின் உருவகப்படுத்துதல்
இந்த புதிய திறனுக்கான அடிப்படையானது டெஸ்லாவின் எண்ட்-டு-எண்ட் நியூரல் நெட்வொர்க்குகளின் விரிவான பயன்பாட்டிற்கு மாறுவதில் உள்ளது. ஒவ்வொரு காட்சிக்கும் நிலையான விதிகள் கொண்ட நிரலாக்கக் குறியீடுகளை நம்பியிருக்கும் பழைய பதிப்புகளைப் போலன்றி, தற்போதைய அமைப்பு கேமராக்களிலிருந்து படங்களைச் செயலாக்குகிறது மற்றும் உண்மையான இயக்கிகளிடமிருந்து மில்லியன் கணக்கான வீடியோ கிளிப்புகள் மூலம் பயிற்சியளிக்கப்பட்ட இயந்திர கற்றலின் அடிப்படையில் செயல்களைத் தீர்மானிக்கிறது. சில சூழ்நிலைகளில், போக்குவரத்தைத் தடுப்பதற்கான ஒரே தர்க்கரீதியான தீர்வு, பின்னோக்கி நகர்ந்தாலும், வழி கொடுப்பதுதான் என்பதை வாகனம் “புரிந்துகொள்ள” இது அனுமதிக்கிறது.
இந்த கட்டிடக்கலை மாற்றம் முழு சுயாட்சியை அடைவதற்கு அடிப்படையானது என்று செயற்கை நுண்ணறிவு நிபுணர்கள் சுட்டிக்காட்டுகின்றனர். மற்ற ஓட்டுநரின் நோக்கங்கள் மற்றும் ஒரு மேம்பட்ட இடஞ்சார்ந்த புரிதல் பற்றிய சிக்கலான கணிப்பு ஆகியவை அடங்கும். உயர்-வரையறை வரைபடங்களின் மீதான நம்பிக்கையை நீக்கி, நிகழ்நேர காட்சி விளக்கத்தில் கவனம் செலுத்துவதன் மூலம், இந்த அமைப்பு அறிமுகமில்லாத அல்லது மாற்றியமைக்கப்பட்ட சாலைகளுக்கு மிகவும் பொருந்தக்கூடியதாக மாறும், இது ஒரு நபர் முதல் முறையாக செல்லும் இடத்தில் வாகனம் ஓட்டுவதைப் போன்றது.
பாதுகாப்பு தரவு மற்றும் திரட்டப்பட்ட மைலேஜ்
நிறுவனம் அதன் வாடிக்கையாளர் தளத்தின் விரிவான பயன்பாட்டின் போது அமைப்பின் நம்பகத்தன்மையை வலுப்படுத்தும் புள்ளிவிவரங்களை வெளியிட்டுள்ளது. மென்பொருள் செயல்படுத்தப்பட்டதன் மூலம் மில்லியன் கணக்கான கிலோமீட்டர்கள் இயக்கப்படுவதால், பாரம்பரிய கைமுறை ஓட்டுதலுடன் ஒப்பிடும் போது விபத்துகளின் நிகழ்வுகளில் குறிப்பிடத்தக்க குறைப்பு இருப்பதாக தரவு தெரிவிக்கிறது. கணினி பொறுப்பில் இருக்கும் போது மோதல்கள் அல்லது முக்கியமான தலையீடுகளின் அதிர்வெண் புள்ளிவிவர ரீதியாக குறைவாக இருப்பதை மெட்ரிக் பகுப்பாய்வு சுட்டிக்காட்டுகிறது, இது கவனத்தை சிதறடிக்கும் மற்றும் சோர்வுக்கு உட்பட்ட சராசரி மனித திறனை விட அதிகமான கவனத்தை குறிக்கிறது.
வழங்கப்பட்ட எண்கள், ஒவ்வொரு புதுப்பித்தலிலும், தேவையான தலையீடுகளுக்கு இடையில் பயணிக்கும் சராசரி தூரம் அதிகரிக்கிறது என்பதைக் காட்டுகிறது. நரம்பியல் நெட்வொர்க்குகளில் செயல்படுத்தப்பட்ட மேம்பாடுகளின் செயல்திறனை சரிபார்க்க, ஓட்டுநர்கள் ஸ்டீயரிங் வீலை குறைவாக அடிக்கடி கட்டுப்படுத்த வேண்டும் என்பதே இதன் பொருள். குறைந்த வேக சூழ்ச்சிகளின் போது சிறிய சம்பவங்களைத் தவிர்க்கும் திறன், குறுகிய சாலைகளில் ஸ்கிராப்கள் போன்றவை, பாதுகாப்பு மற்றும் வசதியைப் பற்றிய குடியிருப்பாளர்களின் கருத்துக்கு பங்களிக்கிறது, தொழில்நுட்பத்தை பொதுமக்கள் ஏற்றுக்கொள்வதற்கு அவசியமான காரணிகள்.
வன்பொருள் மற்றும் சென்சார்களின் பரிணாமம்
இந்த புதிய சூழ்ச்சிகளுக்குத் தேவைப்படும் காட்சித் தரவுகளின் பாரிய செயலாக்கத்தை ஆதரிக்க, சமீபத்திய வாகனங்களின் வாகனங்கள் புதுப்பிக்கப்பட்ட வன்பொருளுடன் பொருத்தப்பட்டுள்ளன. அதிக தெளிவுத்திறன் கொண்ட கேமராக்கள் மற்றும் வேகமான செயலிகளின் ஒருங்கிணைப்பு, அதிக சுறுசுறுப்பான தடைகளைக் கண்டறிவதற்கும், சுற்றியுள்ள சூழலை மிகவும் விசுவாசமாக வழங்குவதற்கும் அனுமதிக்கிறது. இந்த கூடுதல் கணக்கீட்டு திறன் மில்லிமீட்டர் துல்லியத்துடன் தலைகீழ் பாதைகளை கணக்கிடுவதற்கு முக்கியமானது, கார் சாலையை விட்டு வெளியேறாமல் அல்லது வழி கொடுக்கும் போது தாவரங்கள் மற்றும் சுவர்களில் மோதாமல் இருப்பதை உறுதி செய்கிறது.
ரேடார் போன்ற சென்சார்களை அகற்றி, டெஸ்லா விஷன் எனப்படும் கணினி பார்வையில் பிரத்தியேகமாக கவனம் செலுத்தும் உத்தி, நிறுவனத்தின் மையப் பந்தயமாக உள்ளது. தர்க்கம் என்னவென்றால், மனிதர்கள் தங்கள் கண்களையும் மூளையையும் பயன்படுத்தி ஓட்டினால், கார்கள் கேமராக்கள் மற்றும் நரம்பியல் நெட்வொர்க்குகள் மூலம் அதையே செய்ய முடியும். குறைந்த தெரிவுநிலை நிலைகளில் செயல்திறனில் சமீபத்திய மேம்பாடுகள் அல்லது குறுகிய சாலைகள் போன்ற சிக்கலான காட்சிகள் இந்த குறைந்தபட்ச சென்சார் அணுகுமுறைக்கான கருத்தாக்கத்தின் சான்றாக செயல்படுகின்றன.
போட்டியாளர்களுடன் ஒப்பீடு மற்றும் எதிர்கால சூழ்நிலை
Waymo மற்றும் Cruise போன்ற போட்டியாளர்கள் ரோபோ டாக்சிகளை புவியியல் ரீதியாக வரையறுக்கப்பட்ட பகுதிகளில் இயக்கும் போது மற்றும் விரிவாக வரைபடமாக்கப்பட்டாலும், டெஸ்லாவின் அணுகுமுறை எங்கும் செயல்படும் ஒரு பொதுவான தீர்வை நாடுகிறது. மேப் செய்யப்படாத கிராமப்புற சாலைகள் மற்றும் எதிர்பாராத போக்குவரத்து சூழ்நிலைகளை சமாளிக்கும் திறன் அமைப்புகளை தொழில்நுட்ப சவாலின் வேறுபட்ட பிரிவில் வைக்கிறது. இந்த தொழில்நுட்பத்தின் அளவிடுதல் அடர்த்தியான நகர்ப்புற மையங்களுக்கு அப்பால் தன்னாட்சி வாகனம் ஓட்டுவதற்கு உறுதியளிக்கிறது, பல்வேறு பகுதிகளில் உள்ள உரிமையாளர்களுக்கு சேவை செய்கிறது.
FSD இன் தொடர்ச்சியான வளர்ச்சி எதிர்காலத்தில் மனித தலையீடு பெருகிய முறையில் அரிதாக இருக்கும், ஓட்டுநரின் பங்கை வெறும் மேற்பார்வையாளராக மாற்றுகிறது. சமூகப் போக்குவரத்து விதிகளை வெற்றிகரமாகச் செயல்படுத்துவது, மரியாதை செலுத்துதல் போன்றவை, செயற்கை நுண்ணறிவு சாலைகளில் சமூக தொடர்புகளின் நுணுக்கங்களை புரிந்து கொள்ளத் தொடங்கியுள்ளது என்பதற்கான அறிகுறியாகும், இது முழுமையான மற்றும் தடையற்ற சுயாட்சிக்கான கடைசி முக்கிய தடைகளில் ஒன்றாகும்.