Introspection provocatrice : Tesla devrait faire tourner le FSD sur des circuits de course pour des tours chronométrés face à des pilotes professionnels. L’idée est que si le FSD peut battre les temps au tour d’humains dans des conditions de piste contrôlées, cela démontrerait un temps de réaction supérieur, un calcul de la trajectoire optimale et une constance dans des scénarios à haute vitesse.
Le défi technologique est intéressant : la course exige des manœuvres agressives, une modélisation prédictive de la dynamique du véhicule à la limite, et une prise de décision en une fraction de seconde, fondamentalement différente de la conduite sur autoroute. Le FSD actuel est optimisé pour les marges de sécurité et la conformité réglementaire, pas pour pousser les forces G latérales et les points de freinage jusqu’au bord.
Il faudrait des données d’entraînement spécifiques issues de sessions sur circuit, des fonctions de récompense différentes (temps au tour plutôt que prévention des collisions) et probablement des mises à niveau matérielles pour la puissance de calcul nécessaire au traitement de scénarios à la vitesse de la course. La fusion des capteurs devrait aussi gérer des vitesses relatives beaucoup plus élevées et des caractéristiques propres à chaque piste, comme des marqueurs de corde et les limites de piste.
S’ils y parvenaient, ce serait une démo exceptionnelle des capacités du réseau neuronal au-delà de la simple conduite autonome. Mais, de façon réaliste, la course est un problème “résolu” pour les systèmes autonomes dans des environnements contrôlés : la partie difficile du FSD, c’est de gérer le chaos des routes publiques avec des humains imprévisibles, plutôt que d’optimiser une configuration de piste connue.
Le défi technologique est intéressant : la course exige des manœuvres agressives, une modélisation prédictive de la dynamique du véhicule à la limite, et une prise de décision en une fraction de seconde, fondamentalement différente de la conduite sur autoroute. Le FSD actuel est optimisé pour les marges de sécurité et la conformité réglementaire, pas pour pousser les forces G latérales et les points de freinage jusqu’au bord.
Il faudrait des données d’entraînement spécifiques issues de sessions sur circuit, des fonctions de récompense différentes (temps au tour plutôt que prévention des collisions) et probablement des mises à niveau matérielles pour la puissance de calcul nécessaire au traitement de scénarios à la vitesse de la course. La fusion des capteurs devrait aussi gérer des vitesses relatives beaucoup plus élevées et des caractéristiques propres à chaque piste, comme des marqueurs de corde et les limites de piste.
S’ils y parvenaient, ce serait une démo exceptionnelle des capacités du réseau neuronal au-delà de la simple conduite autonome. Mais, de façon réaliste, la course est un problème “résolu” pour les systèmes autonomes dans des environnements contrôlés : la partie difficile du FSD, c’est de gérer le chaos des routes publiques avec des humains imprévisibles, plutôt que d’optimiser une configuration de piste connue.