Tesla se pone «las pilas»: 20% más de batería gracias a LG y actualización importante de su FSD

Tesla presenta dos nuevas novedades en esta semana y las dos muy importantes, puesto que una de ellas acaba, en teoría, con los problemas presentados con FSD en multitud de escenarios, como el accidente que vimos ayer, o los problemas que fijaba la NHTSA y que tenían que ser resueltos con el sistema de conducción autónoma de la marca. Pero la principal de ellas, aunque el tema del FSD es importante, es la nueva incorporación de baterías de parte de LG con tecnología LFP. Con esto, Tesla se pone al día gracias a estas actualizaciones del FSD y sus nuevas baterías, que prometen y mucho.

Dos upgrades para acallar las críticas de un plumazo, dos actualizaciones que llegan para solventar problemas, añadir autonomía, rebajar los precios una vez más de dos de sus modelos clave y con ello, hacer la compañía más atractiva, y de paso, cerrar de una vez por todas apartados que están dañando a la marca.

Tesla FSD Beta 11.3, un upgrade de momento solo para empleados

Lo que no debía de filtrarse se ha filtrado y ya nada lo detiene. Este nuevo firmware 11.3 de FSD para todos sus modelos de coches llegará cuando haya pasado la última fase de prueba real, ahora con los empleados de la marca y los coches que ostentan. El listado de cambios es impresionante, así que no nos "enrollamos" más y ahí va:

• Habilitado FSD Beta en carretera. Esto unifica el stack de visión y planificación dentro y fuera de la carretera y reemplaza el mismo de carretera heredado, que tiene más de cuatro años. La stack de carreteras anterior todavía se basa en varias redes de una sola cámara y de un solo frame, y se configuró para realizar maniobras simples específicas de carril. Las redes de video multicámara y el planificador de próxima generación de FSD Beta, que permiten interacciones de agentes más complejas con menos dependencia de los carriles, abren el camino para agregar comportamientos más inteligentes, un control más fluido y una mejor toma de decisiones.
• Se agregaron notas de manejo de voz. Después de una intervención, ahora puede enviar a Tesla un mensaje de voz anónimo que describa su experiencia para ayudar a mejorar Autopilot.
• Frenado automático de emergencia ampliado (AEB) para manejar vehículos que se cruzan en el camino de ego. Esto incluye casos en los que otros vehículos pasan su luz roja o cruzan el camino de ego, robándole el derecho de paso. La reproducción de colisiones anteriores de este tipo sugiere que el nuevo comportamiento mitigaría el 49% de los eventos. Esta mejora ahora está activa tanto en la conducción manual como en la operación del piloto automático.
• Se mejoró el tiempo de reacción del piloto automático a los "red lights runners" y de señales de Stop en 500 ms, mediante una mayor dependencia de la cinemática instantánea del objeto junto con las estimaciones de trayectoria.
• Se agregó una red de carriles de autopista de largo alcance para permitir una respuesta más temprana a carriles bloqueados y curvatura alta (cambios de rasante).
• Se redujo el error de predicción de la posición del objetivo para la red neuronal de trayectoria candidata en un 40% y se redujo el tiempo de ejecución en 3 veces. Esto se logró mejorando el conjunto de datos mediante una optimización fuera de línea más pesada y sólida, aumentando el tamaño de este conjunto de datos mejorado en 4 veces e implementando una mejor arquitectura y espacio de funciones.
• Detecciones de red de ocupación mejoradas mediante oversampling en videos cambiantes (imágenes que van cambiando) de 180K que incluyen reflejos de lluvia, escombros en la carretera y alta curvatura.
• Se mejoró la recuperación de casos de "close-by cut-in" en un 20% mediante la adición de 40.000 clips etiquetados automáticamente de este escenario al conjunto de datos. También se mejoró el manejo de los casos de corte mediante el modelado mejorado de su movimiento en el carril, aprovechando lo mismo para un control lateral y longitudinal más suave para los objetos de "cut-in".
• Se agregó “módulo de guía de carril y pérdida perceptiva a la red Road Edges and Lines, mejorando la detección de líneas en un 6% y de carretera en un 7%.
• Se mejoró la geometría general y la estabilidad de las predicciones de carril al actualizar la representación del módulo de "guía de carril" con información relevante para predecir cruces y carriles que se aproximan.
• Manejo mejorado a través de escenarios de alta velocidad y alta curvatura al desplazarse hacia las líneas de los carriles interiores.
• Cambios de carril mejorados, que incluyen: detección y manejo más rápidos para cambios de carril simultáneos, mejor selección de espacios cuando se acercan los plazos, mejor integración entre las decisiones de cambio de carril basadas en la velocidad y en la navegación y más diferenciación entre los perfiles de conducción FSD con respecto a los cambios de carril de velocidad.
• Suavidad de respuesta de control longitudinal mejorada cuando se sigue a los vehículos líderes al modelar mejor el posible efecto de las luces de freno de los vehículos líderes en sus futuros perfiles de velocidad.
• Se mejoró la detección de objetos "raros" en un 18% y se redujo el error de profundidad en camiones grandes en un 9%, principalmente debido a la migración a conjuntos de datos auto etiquetados más densamente supervisados.
• Detecciones semánticas mejoradas para autobuses escolares en un 12% y vehículos que pasan de estar parados a conducir en un 15%. Esto se logró mejorando la precisión de la etiqueta del conjunto de datos y aumentando el tamaño del conjunto de datos en un 5%. Mejora de la toma de decisiones en los cruces peatonales al aprovechar la estimación de la trayectoria del ego basada en redes neuronales en lugar de modelos cinemáticos aproximados.
• Se mejoró la confiabilidad y la fluidez del control de fusión, al desaprobar las tareas de región de fusión heredadas en favor de las topologías de fusión derivadas de carriles vectoriales.
• Se desbloquearon los clips de telemetría más largos (hasta en un 26%) equilibrando los búferes de IPC comprimidos y la programación de escritura optimizada en SOC gemelos.

Como vemos, la actualización aparte de técnica es muy extensa, así que esperamos que todo mejore a partir de ahora con FSD.

El Model Y y el Model 3 son los primeros en tener las nuevas baterías de LG

LG va a jugar con ventaja en lo referente a Tesla, ya que planea expandir su FAB de baterías en suelo americano e incluso construir otra más. Esto permitirá que los americanos puedan beneficiarse de los subsidios gubernamentales del gobierno al comprar un Tesla, puesto que todo el conjunto se haría en suelo estatal.

Esta nueva FAB llegaría para crear baterías de tipo LFP, es decir, de ferrofosfato de litio, pero entre tanto, la planta de Nevada que puede crear 4.680 celdas se actualizará a estas baterías en este verano, consiguiendo que los Tesla Model Y y Model 3 logren un aumento de la autonomía del 20% frente a las que fabrica CATL.

El problema de este tipo de baterías es que cuestan algo más que las tradicionales, pero al poder solicitar las ayudas esto se compensa y mucho en suelo americano para aquellos que quieren comprar un coche de esta marca.

Por lo tanto, es de esperar que para finales de año los nuevos modelos que salgan de las GIGAFAB lleven este nuevo tipo de baterías de LG, logrando que el modelo de Tesla Model 3 casi igual al de rango extendido, así que este también debería ver aumentada su autonomía.