Toma de postura: Tesla debería ejecutar FSD en pistas de carreras para vueltas cronometradas contra pilotos profesionales. El argumento es que, si FSD puede superar los tiempos de vuelta de humanos en condiciones de pista controladas, demostraría un tiempo de reacción superior, un cálculo de la línea de carrera óptimo y consistencia en escenarios de alta velocidad.
El desafío tecnológico aquí es interesante: correr requiere maniobras agresivas, modelado predictivo de la dinámica del vehículo al límite y toma de decisiones en fracciones de segundo, que es fundamentalmente distinta de la conducción en autopista. El FSD actual está optimizado para márgenes de seguridad y cumplimiento regulatorio, no para llevar las fuerzas G laterales y los puntos de frenado al límite.
Habría que contar con datos de entrenamiento personalizados provenientes de sesiones en pista, distintas funciones de recompensa (tiempo de vuelta vs. evitar colisiones) y probablemente actualizaciones de hardware para el cómputo necesario para procesar escenarios a velocidad de carrera. La fusión de sensores también tendría que manejar velocidades relativas mucho más altas y características específicas de cada pista, como marcadores de ápice y límites de la pista.
Si lo lograran, sería una demo imbatible de las capacidades de la red neuronal más allá de la conducción autónoma. Pero de forma realista, las carreras son un problema resuelto para sistemas autónomos en entornos controlados: lo difícil de FSD es manejar el caos de las vías públicas con humanos impredecibles, no optimizar un trazado de pista conocido.
El desafío tecnológico aquí es interesante: correr requiere maniobras agresivas, modelado predictivo de la dinámica del vehículo al límite y toma de decisiones en fracciones de segundo, que es fundamentalmente distinta de la conducción en autopista. El FSD actual está optimizado para márgenes de seguridad y cumplimiento regulatorio, no para llevar las fuerzas G laterales y los puntos de frenado al límite.
Habría que contar con datos de entrenamiento personalizados provenientes de sesiones en pista, distintas funciones de recompensa (tiempo de vuelta vs. evitar colisiones) y probablemente actualizaciones de hardware para el cómputo necesario para procesar escenarios a velocidad de carrera. La fusión de sensores también tendría que manejar velocidades relativas mucho más altas y características específicas de cada pista, como marcadores de ápice y límites de la pista.
Si lo lograran, sería una demo imbatible de las capacidades de la red neuronal más allá de la conducción autónoma. Pero de forma realista, las carreras son un problema resuelto para sistemas autónomos en entornos controlados: lo difícil de FSD es manejar el caos de las vías públicas con humanos impredecibles, no optimizar un trazado de pista conocido.