Une nouvelle présentation de 30 minutes de @aelluswamy, VP de l'IA chez Tesla, a été publiée, où il parle de FSD, de l'IA et des derniers progrès de l'équipe. Points forts de la présentation : • La flotte de véhicules de Tesla peut fournir 500 ans de données de conduite chaque jour. Malédiction de la dimensionnalité : • 8 caméras à haute fréquence d'images = des milliards de tokens par 30 secondes de contexte de conduite. • Tesla doit compresser et extraire les bonnes corrélations entre les entrées sensorielles et les actions de contrôle. Avantage des données : • Tesla a accès à une "chute de Niagara de données" — des centaines d'années de conduite collective de la flotte. • Utilise des déclencheurs de données intelligents pour capturer des cas rares (par exemple, des intersections complexes, des comportements imprévisibles). Qualité et efficacité : • N'extrait que les données essentielles nécessaires pour former les modèles de manière efficace. Débogage et interprétabilité : • Même si le système est de bout en bout, Tesla peut toujours inciter le modèle à produire des données interprétables : occupation 3D, limites de route, objets, panneaux, feux de circulation, etc. • Interrogation en langage naturel : demandez au modèle pourquoi il a pris une certaine décision. • Ces prédictions auxiliaires ne conduisent pas la voiture mais aident les ingénieurs à déboguer et à garantir la sécurité. Système de splatting gaussien avancé de Tesla (modélisation de scène 3D) : • Tesla a développé un système de splatting gaussien personnalisé et ultra-rapide pour reconstruire des scènes 3D à partir de vues de caméra limitées. • Produit des rendus 3D nets et précis même à partir de quelques angles de caméra — bien meilleur que les approches standard NeRF/splatting. • Permet un débogage visuel rapide de l'environnement de conduite en 3D. Évaluation et modèles du monde : • L'évaluation est le défi le plus difficile : les modèles peuvent bien fonctionner hors ligne mais échouer dans des conditions réelles. • Tesla construit des ensembles de données d'évaluation équilibrés et diversifiés en se concentrant sur les cas limites — pas seulement la conduite facile sur autoroute. Introduction d'un simulateur de monde appris (moteur vidéo généré par réseau de neurones) : • Peut simuler 8 flux de caméra Tesla simultanément — entièrement synthétique. • Utilisé pour les tests, la formation et l'apprentissage par renforcement. • Permet l'injection d'événements adverses (par exemple, ajout d'un piéton ou d'un véhicule coupant la route). • Permet de rejouer des échecs passés pour vérifier les améliorations du nouveau modèle. • Peut fonctionner en temps quasi réel, permettant aux testeurs de "conduire" dans un monde simulé. Quelles sont les prochaines étapes : • Élargir le service de robotaxi à l'échelle mondiale. • Débloquer l'autonomie totale de l'ensemble de la flotte Tesla. • Cybercab : véhicule à 2 places de nouvelle génération conçu spécifiquement pour l'utilisation de robotaxi, visant le coût de transport le plus bas (moins cher que les transports publics). • Les mêmes réseaux de neurones alimenteront le robot humanoïde Optimus. • Le même système de génération vidéo est maintenant appliqué à Optimus. • Le système peut simuler et planifier le mouvement des robots, s'adaptant facilement à de nouvelles formes. via la Conférence internationale sur la vision par ordinateur (ICCV). Présentation complète :

Données de sécurité supervisées par Autopilot et FSD Au troisième trimestre 2025, nous avons enregistré 1 accident pour chaque 6,36 millions de miles parcourus où les conducteurs utilisaient la technologie Autopilot. En comparaison, les données les plus récentes disponibles de la NHTSA et de la FHWA (de 2023) montrent qu'aux États-Unis, il y avait un accident automobile environ tous les 702 000 miles.