dn241 skrev: 21 apr 2026 16:18
Autonom skrev: 21 apr 2026 14:42
Men nu är Teslas mål är generell självkörning, vilket inte Waymos nuvarande systemering är avsedd att klara. Om man vill tolka det som att Teslas systemering är bättre än Waymos, så är det i betraktarens ögon, jag säger bara att den är väldigt annorlunda.
Och det är därför Tesla på sikt avser att erbjuda oövervakad självkörning på sikt till konsumenter, något som Waymo system med dagens systemering aldrig kommer att kunna göra.
Teslas lösning för att hantera edge cases en annan sak än Waymos, och Telsa är noga med att se till att mjukvaran är designad för verkliga edge case och funktionen inte störs av att undvika i verkligheten icke förekommande scenarion, därav behovet av den enorma mängden kördata, eftersom det gäller att maximera säkerheten i verklig trafik.
Du får gärna förklara lite mer vad du menar med systemering. Menar du typ systemdesign? Jag såg nyligen en video där Waymo sa att de faktiskt planerar att sälja sitt system till vanliga kunder i framtiden. Hur får du det till att Waymo aldrig kommer kunna göra det?
När det gäller såna här edge cases (ovanliga situationer?), så fattar jag inte riktigt varför Teslas system skulle vara bättre än Waymos. Finns det nån konkret anledning till det? Det syns i alla fall inte vad jag kan se.
Både Tesla och Waymo har sjukt cool teknik, men det känns som att du är lite väl partisk i din analys här.
Vad jag huvudsakligen syftar på med systemering i det här fallet är att bestämma hur man ska angripa ett problem, något som ofta startar med att projektskaparen bollar idéer i sitt huvud. För de flesta problem kan man vända och vrida på och angripa på många olika sätt, och att välja rätt betraktelser/modelleringar av problemet kan förenkla problemlösningen avsevärt, vilket inte syftar på hur man kodar en lösning utan snarare vilka indata lösningen ska utnyttja. (Ja, detta är i självkörningsfallet till viss del relaterat till sensorval.)
Och i detta fallet så är den underliggande metodiken för att angripa problemet fundamentalt annorlunda,
grovt förenklat för båda har element från båda världarna, så har Waymo manuellt byggt sin systemering, medan Tesla till stor del har låtit de neurala nätverken vända och vrida på alla delproblemen och skapa vad som effektivt är en systemering som passar de just för tillfället inmatade datat.
När man man gör systemeringen på detta sätt betyder det också att det inte går att manuellt bygga underliggande designelement, eftersom övergripande systemering är levande. Vad man får göra istället är att bygga ett system för att kunna styra systemet till önskat beteende.
Det som end-to-end betyder är att detta möjliggör något som är nästan omöjligt att implementera i en konventionell hierarkisk design, att beteendemässigt kan alla block kan modifiera beteendet på alla andra block, och detta är det centrala. Och de är centralt för FSD V12 och senare hantering av edge cases.
Det kan jämföras med en människa som tolkar en situation och när man grävt ner sig i botten av analysen, efter att ha tittat på datat inser att man tolkat saker fel i ett tidigare steg, och att man ska analysera situationen på ett helt annat sätt i ett mycket tidigare skede och måste backa tillbaka hela vägen upp till startpunkten. FSD kan göra samma sak bättre genom att den kan parallellisera processen och modifiera delresultat utan att backa tillbaka hela vägen.
Ett enkelt exempel på sådana saker som inträffat för de flesta människor är att man lyssnat på en talare och hört första ordet fel, och några ord in så inser man sitt fel och behöver gå tillbaka i sitt minne och tolka om det man just hört. Som i de många varianterna av O Fortuna misheard lyrics.