Robotteknologi og fysisk AI

Tesla udruller FSD V15 med Reality View og forbedringer af synssystemet

Elara Nix
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterTesla rapporterer en 25-fold forbedring i sin kritisk-interventionsrate med FSD v15.
Vis mere
  • Tesla rapporterer en 25-fold forbedring i sin kritisk-interventionsrate med FSD v15.
  • En delt vision-encoder trænet på internetvideoer spænder nu over FSD Robotaxi- og Optimus-programmerne.
  • Reality View erstatter eksplicitte modelsignaler med én end-to-end-visualisering, der bruger mindre compute.

Tesla meddelte den 21. november 2026, at udrulningen af Full Self-Driving (FSD) v15 var begyndt. Udgaven byder på et opgraderet kørselsnetværk, en livevisualisering med Tesla Reality View og en forbedring på 25 gange af frekvensen af kritiske indgreb, ifølge virksomheden. Navigation, parkering, førerovervågning og hastighedshåndtering ændres også i denne udgivelse.

Teslas AI-chef Ashok Elluswamy sagde, at udgivelsen var på vej ud til den første gruppe kunder. Tidligere den 21. november sagde Elon Musk, at v15 ville blive bredt tilgængelig i december 2026.

Reality View giver bedre kontrol over visualiseringen

Reality View giver passagererne en livevisualisering af kørslen og mulighed for at se og styre, hvad FSD planlægger at gøre. Teslas fulde versionsnoter beskriver funktionen som én samlet visualisering fra start til slut, der erstatter alle eksplicitte modelindikatorer og samtidig bruger mindre samlet regnekraft. Dermed knyttes den nye grænseflade til en ændring af, hvordan kørselsinformation repræsenteres.

Musks beskrivelse føjer tekniske detaljer og styringsmuligheder til: generering af AI-video i realtid uden en spilmotor ved hjælp af halvdelen af én AI4 TRIP-accelerator samt drejepile placeret på himlen og trykstyring, så bilen kan sendes til et valgt punkt. Pilene viser planlagte sving, mens et tryk på visualiseringen giver brugeren mulighed for at angive, hvor bilen skal køre hen.

Delt synsencoder rækker ud over FSD

Ud over visningen har v15 en opgraderet synsencoder, der deles mellem FSD, Robotaxi og Optimus. Tesla oplyser, at den er trænet på millioner af internetvideoer for at forbedre generaliseringsevnen og dataeffektiviteten, og versionsnoterne forbinder opgraderingen med den rapporterede forbedring af indgrebsfrekvensen. Den delte encoder gør opgraderingen relevant også uden for FSD og udvider dens betydning til Teslas robotaxi- og Optimus-programmer.

Navigation, parkering og kørselsadfærd

Ved turens start og afslutning bruger navigationen nu en end-to-end-lært model baseret på flådens data om foretrukne ruter. Tesla planlægger at udvide denne tilgang til hele ruter i senere v15-udgivelser. Valget af parkeringssted kan baseres på personlige parkeringshistorikker, og kortet kan vise flere parkeringsmuligheder ved destinationen.

Tesla nævner også forbedret registrering af vejskilte, små dyr, genstande på vejen og kæder samt huller og andre vejforhold, ligesom systemet undgår dybt, stillestående vand. Ændringerne i hastighedshåndteringen omfatter hver enkelt førerprofil, skolezoner, hastighedsgrænser og dårligt vejr, og FSD kan sænke farten ved fartkameraer.

For førerovervågning oplyser Tesla, at synsbaseret overvågning af opmærksomhed nu er tilgængelig i flere tilfælde, også når førere har hat eller solbriller på, og at kravene er mindre strenge i førerprofiler med højere hastigheder. Autoshift bruger nu gearforudsigelser baseret på FSD, og Cykelholdertilstand giver førere mulighed for at aktivere FSD med cykelholdere eller lignende tilbehør til anhængertrækket.

FSD v15 kombinerer en ny grænseflade til styring med ændringer i syns- og køresystemerne. Den planlagte bredere udrulning vil vise, om Teslas rapporterede forbedring af indgrebsfrekvensen holder, når ændringerne når ud til flere førere.

Elara Nix er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker kunstig intelligens i transport, mobilitetssystemer og autonome teknologier. Hendes arbejde fokuserer på, hvordan AI former selvkørende køretøjer, luftfartssystemer, jernbanenettet og offentlig transport - hvor pålidelighed, sikkerhed og praktisk implementering er lige så vigtige som innovation.
Med et teknisk og fremadrettet perspektiv undersøger Elara fremskridt i perceptions-systemer, autonomi-stacks, simulation og sikkerhedsvalidering på tværs af land, luft og bymæssig mobilitet. Hun lægger særlig vægt på, hvordan AI-drevet automatisering testes, reguleres og integreres i eksisterende infrastruktur, og hvordan disse systemer balancerer effektivitetsgevinster med offentlig tillid og risikostyring.
Artikler skrevet af Elara Nix er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, klarhed og ansvarlig dækning af AIs udviklende rolle i transport og autonome systemer.