Tesla FSD vermeidet jetzt Schlaglöcher

Teslas Full Self-Driving kann jetzt Schlaglöchern ausweichen

Ein aktuelles Video, das von DirtyTesla geteilt wurde, zeigt einen Tesla, der mit der Full Self-Driving (Supervised) Version 14.2.2.5 ein Manöver ausführt, das an menschliches Fahren erinnert. Dies unterstreicht, wie das System „ungeschriebene Regeln“ erlernen kann, für die es nicht explizit programmiert wurde.

„Seht nur, wie FSD zur Seite rückt, um das Schlagloch mittig unter das Auto zu bringen und die Reifen zu schonen“, sagte der Ersteller beim Posten der Dashcam-Aufnahme. Das Fahrzeug erkannte ein Schlagloch und passte seine Spur sanft an, sodass beide Reifen es umfuhren und das Loch unter dem Fahrgestell hindurchgelassen wurde.

Look how FSD scoots over to put the pothole under the car and avoid the tires 🤯🤯🤯 pic.twitter.com/J3w3dnzJUP

— Dirty Tesla (@DirtyTesLa) March 5, 2026

Die neue Fähigkeit von FSD, Schlaglöchern auszuweichen

Dieses Verhalten markiert einen weiteren Fortschritt für das End-to-End-neuronale Netzwerk von FSD. Anstatt sich auf hunderttausende Zeilen handgeschriebenen Codes für spezifische Fälle zu verlassen, lernen neuere Versionen aus Millionen von Videoclips menschlichen Fahrverhaltens.

Selbst ohne gezieltes Training zur „Vermeidung von Schlaglöchern“ hat das System genügend Beispiele von Fahrern gesehen, die Straßenschäden umfahren, um diese Aktion nachzuahmen. Das kann sanfte seitliche Bewegungen bedeuten und, sofern sicher, sogar das Überfahren einer gelben Linie, um Aufhängung und Reifen zu schützen. Diese Art der Reaktion wurde bereits beobachtet, einschließlich eines FSD-Fahrzeugs, das auf einer einspurigen Straße über eine gelbe Linie fuhr, um einem großen Schlagloch auszuweichen, als kein Gegenverkehr vorhanden war. Dies lässt das System weniger starr und natürlicher wirken.

Warum es nicht immer funktioniert

FSD ist wahrscheinlich nicht speziell für Nischenszenarien wie Schlaglöcher trainiert; es lernt viele davon aus umfangreichem Videomaterial darüber, wie Fahrer reagieren. Infolgedessen kann es vorkommen, dass das System einem Schlagloch an einer Stelle ausweicht, an einer anderen jedoch nicht, wenn die Trainingsgrundlage dafür nicht ausreicht.

Ein ähnliches Muster zeigte sich bei Mautstellen. Teslas VP für KI erklärte, warum dies funktioniert und dass das Verhalten nicht explizit in das neuronale Netzwerk einprogrammiert wurde. Nachdem das System genügend Beispiele gesehen hatte, lernte es, auch ohne Schranke anzuhalten, bei aus dem Fenster gestreckter Hand pausiert zu bleiben und erst weiterzufahren, wenn die Hand wieder zurückgezogen wurde – was das typische Fahrerverhalten widerspiegelt. Je mehr Beispiele das Modell sieht, desto breiter ist das Spektrum an Szenarien, die es bewältigen kann. Tesla priorisiert zunächst Kernaufgaben – wie das Erkennen von und Stoppen an Stoppschildern – und konzentriert sich möglicherweise später auf Details wie Schlaglöcher.

Jenseits von Schlaglöchern: intelligentere Interaktionen in der Praxis

Die Vermeidung von Schlaglöchern reiht sich in eine Serie nicht skriptgesteuerter Verbesserungen ein. FSD wurde dabei beobachtet, wie es kompetent mit Mautstellen umgeht, anhält und darauf wartet, dass die Insassen die Zahlung abschließen, bevor es weiterfährt. Es hat zudem gelernt, Handgesten zu erkennen, etwa von einem Straßenarbeiter oder einem Radfahrer, der dem Auto signalisiert, weiterzufahren.

Das System reagiert zudem immer besser auf die Absichten des Fahrers. In manchen Situationen kann das Betätigen des Blinkers das Auto dazu veranlassen, eine andere als die geplante Route zu nehmen. Dies geschieht parallel zu Berichten darüber, dass FSD Hochgeschwindigkeitsunfälle vorhersagt und vermeidet, bevor sie eintreten.

Der Weg zur unbeaufsichtigten Autonomie

Während Tesla auf eine Version von FSD zusteuert, die keine menschliche Überwachung mehr erfordert, übertrifft sein Ansatz des maschinellen Lernens mitunter die Erwartungen. Elon Musk sagte kürzlich, dass Nutzer FSD bald mit Grok, Teslas integriertem KI-Assistenten, steuern können, wobei sie in natürlicher Sprache angeben, wo oder wie sie nach der Ankunft parken möchten.

Mit jedem Update wird FSD selbstbewusster und fähiger bei der Bewältigung von Randfällen, die einst als unerreichbar galten. Indem das System aus Millionen von Meilen menschlichen Fahrens lernt, entwickelt es ein Verständnis für Straßennuancen, das über das hinausgeht, was herkömmliche programmierte Ansätze normalerweise liefern.