En el panorama de la tecnología de vehículos autónomos, en rápida evolución, pocas actualizaciones de software generan tanto escrutinio y anticipación como los lanzamientos de Full Self-Driving (FSD) de Tesla. La última versión, la 14.2.2.5, que comenzó a implementarse en la flota el día de San Valentín, el 14 de febrero, ha provocado un ferviente debate dentro de la comunidad de vehículos eléctricos. Si bien los propietarios de Tesla están acostumbrados a la naturaleza incremental del desarrollo de software, a menudo caracterizada por el adagio "dos pasos adelante, uno atrás", esta versión en particular ha sido etiquetada por los evaluadores experimentados como quizás la actualización más confusa en la historia del programa.
En Tesery, hemos analizado los informes de los probadores beta a largo plazo y de los observadores de la industria para desglosar el rendimiento de la v14.2.2.5. El consenso sugiere una construcción de software definida por extremos: demuestra comportamientos de seguridad sin precedentes en escenarios críticos, mientras que simultáneamente exhibe regresiones desconcertantes en tareas de navegación básicas. Esta dicotomía plantea preguntas importantes sobre la trayectoria actual del desarrollo de la red neuronal de Tesla y los desafíos de refinar un sistema de conducción de IA de extremo a extremo.
La paradoja del rendimiento: extremos en ambos lados
Durante años, los participantes en el programa FSD Beta han gestionado sus expectativas con una buena dosis de realismo. Las actualizaciones generalmente proporcionan una aceleración más suave, un mejor mantenimiento de carril o un mejor manejo de intersecciones, ocasionalmente acompañadas de regresiones menores en otras áreas. Sin embargo, la v14.2.2.5 parece haber ampliado la brecha entre sus éxitos y fracasos.
Según las extensas pruebas reportadas por Teslarati, que cubren casi cada milla recorrida durante un período de tres semanas, el software crea una experiencia de usuario discordante. Los parámetros de prueba incluyeron viajes localizados cortos, viajes de duración media y tramos largos de carretera que superaron las 100 millas. El veredicto es que, si bien la capacidad del vehículo para percibir y reaccionar ante los peligros ambientales se ha agudizado, su lógica de toma de decisiones en escenarios mundanos se ha vuelto cada vez más errática.
"Con cada lanzamiento de Full Self-Driving, soy realista... Sin embargo, estas instancias de mejoras son relativamente leves, al igual que las regresiones. Sin embargo, esta versión me ha demostrado que contiene extremos de ambos."
Esta oscilación entre brillantez y desconcierto es la característica definitoria de la v14.2.2.5, lo que sugiere que a medida que las redes neuronales se vuelven más complejas, las interacciones entre los diferentes comportamientos de conducción están produciendo resultados inesperados.
Perfiles de velocidad: encontrando la consistencia en el caos
Uno de los puntos focales de las recientes actualizaciones de FSD ha sido el refinamiento de los "Perfiles de velocidad", que permiten a los conductores alternar entre modos como Chill, Standard y Hurry (a menudo denominados coloquialmente o en iteraciones anteriores como Mad Max). Estos perfiles están diseñados para ajustar la asertividad del vehículo con respecto a los cambios de carril, las distancias de seguimiento y la aceleración.
En versiones anteriores, los evaluadores se quejaban con frecuencia de la falta de distinción entre estos modos. Específicamente, los perfiles más agresivos a menudo no mantenían el límite de velocidad, comportándose con demasiada timidez en el flujo del tráfico. Los informes sobre la v14.2.2.5 indican una estabilización en esta área. El modo "Hurry", que anteriormente sufría por viajar por debajo del límite de velocidad sin causa, ahora parece funcionar como se esperaba, manteniendo velocidades apropiadas sin la vacilación que plagó las versiones anteriores.
Si bien la sensación subjetiva de estos perfiles varía de un conductor a otro, la consistencia general en esta versión es una mejora notable. La capacidad del automóvil para adaptar su asertividad en función del perfil seleccionado es crucial para la confianza del usuario, particularmente en entornos urbanos congestionados donde la vacilación puede ser interpretada por otros conductores como imprevisibilidad.
La anomalía de la señal de giro: ¿característica o error?
Quizás el aspecto más polémico de la v14.2.2.5 es su nueva y, de alguna manera, perpleja relación con las señales de giro. Los probadores han documentado un comportamiento recurrente en el que el vehículo activa las señales de giro durante curvas cerradas en la carretera donde no existe una intersección. Este comportamiento ha provocado un debate filosófico dentro de la comunidad de Tesla sobre lo que constituye una conducción "correcta".
En un caso documentado, el sistema FSD activó constantemente la señal de giro a la derecha mientras navegaba por una curva pronunciada que presentaba una entrada privada en el vértice. Si bien el vehículo navegó con éxito por la carretera, la señalización sugirió la intención de girar hacia la entrada, lo que podría confundir a los conductores que lo seguían. Cuando estos incidentes se compartieron en plataformas de redes sociales como X (anteriormente Twitter), surgió una división entre los conductores pragmáticos y los defensores acérrimos de Tesla.
- La visión pragmática: Señalizar en una carretera continua, independientemente de la curvatura, es innecesario y confuso. Viola la expectativa estándar de que una señal indica una desviación de la trayectoria actual de viaje.
- La defensa "según el manual": Algunos partidarios argumentaron que los estándares de conducción profesional podrían dictar la señalización en curvas extremas, o que los mapas de alta definición del automóvil clasificaban la curva como un evento de navegación distinto.
- La realidad: Para el automovilista promedio, ver una señal de automóvil en una curva cerrada sin girar es una señal de error del conductor. Para un sistema autónomo, sugiere una clasificación errónea de la geometría de la carretera o una sobreponderación de los datos del mapa sobre el contexto visual.
Más preocupantes que la señalización fantasma en las curvas son los informes de que el vehículo ignora por completo las instrucciones de navegación. Los probadores notaron casos en los que el automóvil activaba una señal opuesta a la guía de ruta, señalando a la izquierda cuando el mapa indicaba un giro a la derecha. Esta desconexión entre el planificador (navegación) y el actor (control del vehículo) apunta a un problema de integración más profundo en esta versión específica.
Lógica de estacionamiento: la lucha con la identificación de objetos
El estacionamiento automático ha sido durante mucho tiempo un saco mixto para Tesla, pero la v14.2.2.5 parece tener dificultades significativas con la lógica de selección de lugares. Si bien la ejecución mecánica del estacionamiento, girar hacia un lugar, sigue siendo competente, el proceso de toma de decisiones del sistema sobre dónde estacionar ha mostrado graves lapsos de juicio.
Dos incidentes específicos destacan esta regresión:
- El incidente del montón de nieve: El sistema intentó retroceder en un espacio de estacionamiento que estaba ocupado aproximadamente en un 60% por un montón de nieve apilada de seis pies de altura. Esto sugiere un fallo en la capacidad de segmentación semántica de la red de ocupación, donde el sistema no pudo identificar la masa de nieve como un obstáculo sólido e intransitable.
- El fallo del carrito de compras: En otro caso, el vehículo intentó estacionarse en un lugar ocupado por un carrito de compras extraviado. Si bien un conductor humano evita instintivamente tales peligros para evitar daños en la pintura, el sistema FSD consideró el lugar como válido.
Curiosamente, la función "Autopark", donde el conductor selecciona manualmente un lugar y el automóvil ejecuta la maniobra, sigue funcionando bien. El fallo radica en la lógica autónoma de "buscar y seleccionar", donde la IA debe interpretar la viabilidad de un espacio. Hasta que el sistema pueda distinguir de forma fiable entre un lugar vacío y uno lleno de nieve o escombros, la verdadera autonomía "de puerta a puerta" sigue estando fuera de alcance.
Ganancias de seguridad sin precedentes: zonas escolares y vida silvestre
A pesar de las peculiaridades operativas, la v14.2.2.5 ha introducido comportamientos de seguridad que son innegablemente impresionantes y marcan un paso significativo para la plataforma. Por primera vez, los probadores a largo plazo han informado que el vehículo identifica y se adapta correctamente a las zonas escolares activas y a los peligros de la vida silvestre sin intervención humana.
Adaptación de la zona escolar
Por primera vez para muchos usuarios, la actualización demostró la capacidad de reducir la velocidad en una zona escolar marcada. Fundamentalmente, el sistema no solo se adhirió ciegamente a una base de datos de mapas de velocidad; se adaptó al flujo del tráfico, viajando a 20 MPH en lugar de los 15 MPH indicados para igualar a los autos circundantes. Este comportamiento matizado, que equilibra la estricta adherencia legal con la realidad del flujo del tráfico, es un distintivo de la conducción similar a la humana y un desarrollo sofisticado para la IA.
Preservación de la vida silvestre
Quizás la victoria más crítica de esta versión fue un caso documentado que involucró a un venado. Durante un viaje en una tarde lluviosa y con niebla, condiciones que notoriamente afectan a los sistemas de visión por computadora, el sistema FSD identificó con éxito a un venado en un campo al borde de la carretera. El vehículo redujo la velocidad de forma preventiva, anticipando la posibilidad de que el animal cruzara la carretera.
Esta capacidad destaca el avance de las redes de ocupación de Tesla y su capacidad para funcionar en entornos de baja visibilidad. Detectar un objeto biológico con patrones de movimiento impredecibles bajo la lluvia y la niebla es un enorme obstáculo técnico. El hecho de que el automóvil reaccionara al venado antes de que se convirtiera en una obstrucción inmediata sugiere una capacidad predictiva que podría reducir significativamente los accidentes rurales.
Navegación: el persistente talón de Aquiles
Si bien la pila de percepción (lo que ve el automóvil) está mejorando, la pila de planificación (a dónde decide ir el automóvil) sigue siendo una fuente de frustración. La revisión de la v14.2.2.5 describe una lógica de navegación que "sigue siendo una porquería", particularmente en entornos vecinales complejos.
El sistema sigue teniendo dificultades con la entrada y salida de los vecindarios. Un problema recurrente citado implica que el vehículo intenta usar una salida de "Solo girar a la derecha" cuando la ruta de navegación requiere un giro a la izquierda. A pesar de los repetidos intentos y los comentarios de voz enviados a Tesla, el sistema no logra "aprender" la geometría de salida correcta. Esto implica que las actualizaciones de los datos del mapa no se propagan lo suficientemente rápido, o que el planificador de rutas local está anulando las restricciones del mapa basándose en datos visuales incorrectos.
Además, el motor de rutas a menudo selecciona trayectos desconcertantes para viajes simples, tomando rutas tortuosas en lugar de líneas directas. Esta ineficiencia es un gran problema para los usuarios que esperan que el automóvil no solo conduzca de forma segura, sino también de forma inteligente.
Conclusión: un peldaño con bordes ásperos
La versión 14.2.2.5 de FSD de Tesla es un testimonio de la complejidad de resolver la conducción autónoma. Es una versión que valida el enfoque basado en la visión de la compañía a través de su impresionante manejo de la vida silvestre y las zonas escolares, demostrando que las cámaras pueden ver y comprender el mundo mejor que nunca. Sin embargo, las regresiones en la señalización básica, la lógica de estacionamiento y la navegación sirven como un crudo recordatorio de que la "marcha de los nueves", el viaje hacia una confiabilidad del 99,9999%, no es un camino lineal.
Para el consumidor, esta versión es realmente confusa. Requiere que el conductor confíe en que el automóvil detectará un ciervo en la niebla mientras duda simultáneamente de su capacidad para usar una señal de giro correctamente. A medida que Tesla continúa entrenando sus redes neuronales con la afluencia masiva de datos de video de la flota, los usuarios esperarán que la próxima iteración armonice estos extremos, poniendo la lógica operativa básica a la par con las nuevas capacidades de seguridad del vehículo. Hasta entonces, la vigilancia sigue siendo el componente más crítico de la experiencia FSD.
