Az önvezető rendszerek egyik legtöbbet emlegetett problémája nem az, hogyan kerüljék el a mozgó akadályokat, hanem az, hogyan értelmezzék az úthálózat láthatatlan, folyton változó logikáját. Amikor egy autonóm jármű ismeretlen, összetett, többsávos kereszteződés elé ér, el kell döntenie, hogy melyik sáv vezet melyik kihajtóra. A Waymo és a Zoox ehhez precízen előre feltérképezett HD-térképeket használ. A Tesla egy nemrég benyújtott szabadalma szerint egészen más utat járt be.
A US 2026/0170852 A1 számú, „Vision-Based Machine Learning Model for Lane Connectivity in Autonomous or Semi-Autonomous Driving” (Látáson alapuló gépi tanulási modell sávkapcsolathoz önvezető járművekben) című szabadalom lényege, hogy Tesla az FSD sávfelismerő rétegébe egy autoregresszív transzformer-architektúrát épített be — azt a megközelítést, amelyet egyébként nagy nyelvi modellek (LLM-ek) szöveggenerálásához használnak. A rendszer nem képként kezeli az útkereszteződést, hanem tokenizálja azt: a fizikai koordinátákat diszkrét egységekre bontja, majd ezeket — csakúgy, mint egy mondatban a szavakat — egymás után, kontextusra támaszkodva jósolja meg.
A folyamat a kameráktól indul: a nyers képkockák gerinchálózatokon (backbone networks) és egy keresztfigyelmi transzformeren (cross-attention transformer) szűrve madártávlati (bird’s-eye view, BEV) háromdimenziós tér-reprezentációvá alakulnak. Ezután az autoregresszív blokkok kijelölnek egy belépési koordinátát a kereszteződés szélén, majd lépésről lépésre előrejelzik a sáv következő pontjait — ciklusonként jellemzően 64–108 ismétléssel. Párhuzamos rétegek minden koordinátaponthoz osztályozási attribútumot is rendelnek: ez egyszerű haladósáv, összefutó csík, elágazás, vagy felfestés nélküli kereszteződési belső terület?
Valódi közúti körülmények között azonban a látórendszer kieshet: útburkolati jelzések koszos vagy feltört felületen eltűnhetnek, egy teherautó eltakarhatja a sávhatárt. A Tesla ezért egy videósor-modult (video queue) épített a rendszerbe, amely rövid távú térbeli és időbeli memóriaként működik. Ha a jármű előre halad, a korábbi időbélyegekből származó jellemzők az aktuális pozícióhoz képest matematikailag eltolódnak — így a sávvonal akkor sem tűnik el a rendszer számára, ha azt fizikailag egy szomszédos jármű takarja el.
A szabadalom azt is nyíltan kimondja, hogy a hagyományos térképadatok csupán kiegészítő „tipp” szerepét töltik be az architektúrában. Ha egy adott területen a betáplált térképinformáció elavultnak vagy megbízhatatlannak minősül, a hálózat egy „nem tudom” jelzést kap, és kizárólag a valós idejű látásra támaszkodik. Ez a megközelítés azért jelentős, mert évekig axiómának számított az iparágban, hogy centiméteres pontosságú HD-térkép nélkül biztonságos önvezetés nem lehetséges.
A hír jelentősége abban rejlik, hogy a Tesla FSD-motorháza alatt zajló fejlesztések — amelyek korábban szövegírásra szánt mesterséges intelligencia-architektúrákat adaptálnak útgeometria-értelmezésre — egyre inkább az emberi vizuális következtetéshez hasonló megközelítést tükröznek: a rendszer nem adatbázisból keres, hanem a látottakból következtet. Ez a képesség különösen fontos lehet a tervezett, felügyelet nélküli robotaxi-hálózat szempontjából, ahol előre le nem térképezett helyzetek várhatóan mindennaposak lesznek.
Magyar szemmel — Az európai városok útkereszteződései — kopott felfestések, ideiglenes terelők, nem szabványos csomópontok — épp azok a körülmények, amelyekre a HD-térkép-alapú rendszerek a legkevésbé készültek fel. Ha a Tesla látáson alapuló sávkapcsolat-felismerése valóban skálázható, az Európában is felgyorsíthatja az FSD bevezethetőségét olyan környezetekben, ahol a precíz előtérképezés nem kivitelezhető.
Forrás: Not a Tesla App
