Tesla ha publicado una patente detallada que describe la mecánica interna de su red de ocupación basada en visión. El documento, titulado Técnicas de modelado de inteligencia artificial para la determinación de ocupación basada en visión, se publicó el 12 de marzo de 2026.
Redactado por un grupo de ingenieros que incluye a Ashok Elluswamy, el documento explica cómo Tesla aplica la inteligencia artificial para percibir y modelar el entorno físico sin utilizar radar ni LiDAR.
Entendiendo la cuadrícula de vóxeles
La red de ocupación se organiza en torno a vóxeles, que son píxeles tridimensionales que representan puntos dentro de una cuadrícula volumétrica que rodea al vehículo. Para construir esta cuadrícula, el modelo procesa imágenes de las ocho cámaras exteriores del vehículo y predice si cada vóxel está ocupado por un objeto con masa.
Etiquetar millones de puntos 3D a mano llevaría un tiempo prohibitivo, por lo que la patente señala que Tesla depende en gran medida de métodos de entrenamiento no supervisados para escalar el entrenamiento del modelo.
Resolución variable y subvóxeles
La patente describe una estrategia para gestionar el cómputo redimensionando dinámicamente los vóxeles. El tamaño predeterminado de un vóxel es de 33 centímetros por cada vértice, lo cual es suficiente para regiones distantes o áreas alejadas de la superficie de conducción inmediata.
Para las regiones que están ocupadas y dentro de una distancia umbral del vehículo, el FSD puede reducir el tamaño del vóxel a 10 centímetros para capturar detalles más precisos. Las redes neuronales también pueden representar una ocupación parcial dividiendo las regiones ocupadas en subvóxeles más pequeños.
Esta granularidad adicional ayuda al sistema a recuperar la forma precisa de los objetos curvos. Además, un servidor de análisis puede aplicar interpolación trilineal para estimar el estado de ocupación de cualquier punto específico dentro de un vóxel.
Fusión temporal y semántica 3D
La IA no trata los fotogramas como instantáneas aisladas. Un transformador agrega datos de imágenes 2D en una representación 3D unificada y luego los fusiona con representaciones de marcas de tiempo anteriores. La combinación del contexto espacial y temporal permite a la red calcular el flujo de ocupación, que indica la velocidad exacta de los vóxeles en movimiento.
El sistema aplica entonces una comprensión semántica 3D para inferir el tipo de objeto, distinguiendo, por ejemplo, un coche en movimiento, un edificio estático o un bordillo de la calle. Prioriza ciertas formas semánticas; un vehículo en movimiento cerca del ego se examina más minuciosamente que una estructura estática distante.
Impulsando vehículos y Optimus
La información resultante se recopila continuamente en un conjunto de datos consultable. El FSD puede consultar este conjunto de datos para obtener estados de ocupación y tomar decisiones de conducción en tiempo real. El mismo conjunto de datos también se utiliza para renderizar el mapa ambiental 3D presentado en la interfaz de usuario del vehículo.
Aunque la patente se centra en vehículos autónomos, destaca que el enfoque subyacente es altamente adaptable. El documento especifica que la misma red de ocupación basada en visión puede implementarse en un robot humanoide bípedo de propósito general para atravesar terrenos variados.
Para lecturas relacionadas sobre patentes de Tesla sobre FSD:
- Cómo funciona el FSD Parte 1
- Cómo funciona el FSD Parte 2
- Cómo funciona el FSD Parte 3
- Cómo funciona el FSD Parte 4
- Cómo funciona el FSD Parte 5 (este artículo)
- Red de ocupación de Tesla
- Traductor de IA universal de Tesla
- Cómo optimiza Tesla el FSD
- Cómo etiquetará Tesla los datos con IA
Compartir:
Tesla y SpaceX se asocian con Intel para el proyecto de chips de IA Terafab
Primeras impresiones de la FSD v14.3 de Tesla: reacciones más rápidas y una suavidad impresionante [VÍDEO]