Comment Tesla Vision voit à travers les intempéries

L'approche du tout-caméra de Tesla en matière d'autonomie est fréquemment critiquée pour son comportement par mauvais temps. Les sceptiques soutiennent que le radar, le LiDAR et les capteurs à ultrasons (USS) sont mieux adaptés aux conditions difficiles, tandis que Tesla soutient que Tesla Vision est plus performant que les capteurs multiples.

Ce mois-ci, l'entreprise a publié un brevet intitulé "Fail-Safe Corrective Actions Based on Vision Information for Autonomous Vehicles" (Actions correctives de sécurité basées sur les informations de vision pour les véhicules autonomes), décrivant comment le FSD réagit face aux intempéries. Au lieu de s'arrêter lorsque la visibilité diminue, le système identifie le type d'obstruction et applique des contre-mesures pour continuer à fonctionner en toute sécurité.

Grille de visibilité et étiquettes de scène

Pour gérer les données dégradées des caméras, les réseaux neuronaux de Tesla traitent en continu les images des caméras du véhicule à des fréquences élevées (environ 30 Hz pour le HW3 ou 60 Hz pour l'AI4). Lorsqu'une vue de caméra est obstruée, le FSD ne se contente pas de signaler une erreur. Il divise l'image en une grille de régions de pixels rectangulaires et attribue à chaque région une valeur de visibilité.

L'échelle va de 0 à 3, où 0 indique une vue claire et 3 signifie que l'image est totalement obstruée. Après avoir cartographié la gravité, le système va plus loin en identifiant la cause. Le réseau neuronal attribue des "étiquettes de scène" spécifiques aux régions affectées.

Il peut étiqueter des conditions telles que la brume, la condensation, la glace, l'eau, la pluie, l'éblouissement solaire, le brouillard, la fumée et les projections d'eau des pneus. Le système peut également détecter un pare-brise sale ou des problèmes matériels tels que des pixels morts.

Contre-mesures matérielles actives

L'élément notable du brevet est la façon dont le véhicule réagit à ces étiquettes. Tesla a intégré le réseau neuronal de visibilité au matériel du véhicule, de sorte qu'une valeur de visibilité élevée associée à une étiquette spécifique déclenche des actions automatisées et sécurisées. Si la scène est étiquetée comme pluvieuse, le système peut activer automatiquement les essuie-glaces, tandis que d'autres étiquettes de faible visibilité peuvent allumer les phares ou les feux de détresse.

S'il détecte de la "neige" ou de la "condensation", le véhicule peut activer les dégivreurs de pare-brise ou la climatisation pour nettoyer le verre. Les réseaux neuronaux peuvent également changer de voie pour éviter les dangers, par exemple en s'éloignant des fortes projections d'eau provenant d'un camion devant. Parmi les fonctionnalités décrites, celle-ci semble être la seule à ne pas être implémentée dans le FSD actuel.

During rain FSD 14.3 locks you into chill or sloth. Standard, hurry, and mad Max are not available. pic.twitter.com/hm1G4ibgla

— Dirty Tesla (@DirtyTesLa) 10 avril 2026

Réduction du freinage fantôme

Au-delà du nettoyage des vues des caméras, le brevet traite du freinage fantôme. Les systèmes de vision ont historiquement produit des faux positifs lorsque la visibilité est faible ; par exemple, un banc de brouillard dense ou un panache d'échappement peut être confondu avec un objet.

Le brevet décrit une méthode pour réduire les fausses détections. Comme le réseau neuronal étiquette les scènes avec des valeurs de visibilité, il peut reconnaître quand il fonctionne dans un environnement dégradé.

Si la voiture détecte ce qui ressemble à un obstacle alors que la grille de visibilité indique une obstruction sévère due à de la fumée ou du brouillard, le FSD peut en déduire que l'objet est probablement un artefact visuel. En utilisant ce contexte de visibilité, le modèle basé sur la vision supprime les freinages inutiles, ce qui permet une conduite plus fluide et plus assurée.