Cómo ve y piensa un Tesla
Esta guía usa como referencia el esquema de ocho cámaras de HW3 para explicar cómo las imágenes alimentan una red neuronal. La configuración varía según el vehículo y la generación. Aquí puedes tocar cada cámara, ver lo que hace la IA en cada paso.
1 · Ocho ojos y ningún oído
Toca una cámara en el esquema. Cada una tiene un ángulo y un alcance distintos porque cada una resuelve un problema distinto: la gran angular ve peatones que cruzan a dos metros; la de teleobjetivo ve un coche frenando a 250 m en autopista.
Toca una cámara
O pulsa «Ver todas» para comparar los campos de visión. Los alcances son los que publica el fabricante para el hardware de 2019-2022 (HW3).
- Ángulo
- Alcance
- Para qué
Dato clave: las cámaras laterales traseras y delanteras se solapan con las frontales. Ese solape permite calcular profundidad por triangulación, igual que hacen tus dos ojos.
2 · Por qué quitaron el radar
En 2016 el coche salía de fábrica con cámaras, un radar frontal y doce sensores de ultrasonidos. Tesla fue retirando sensores en lugar de añadirlos. Su argumento: cuando dos sensores se contradicen (el radar «ve» un puente como obstáculo, la cámara no), la IA tiene que decidir a quién creer, y esa duda cuesta frenazos fantasma. Mejor una sola fuente muy buena que dos fuentes que discuten.
Autopilot HW2: 8 cámaras de 1,2 MP, radar frontal y 12 ultrasonidos para aparcar.
HW3: Tesla diseña su propio chip de inferencia (dos por coche, uno de respaldo). Mismas cámaras.
«Tesla Vision»: se elimina el radar en Model 3 e Y en Norteamérica. La distancia se estima solo con imagen.
Se retiran los ultrasonidos. Aparcar y detectar obstáculos a 30 cm pasa a hacerse con la red de ocupación (estación 3).
HW4 / AI4: cámaras de 5 MP con mejor rango dinámico, dos cámaras en el parabrisas en lugar de tres, y en modelos recientes una cámara extra en el parachoques delantero.
Esta apuesta es discutida en la industria: Waymo, Mercedes o los fabricantes chinos combinan cámaras con lidar y radar por redundancia. La pregunta abierta es si una red neuronal puede ser tan fiable como un sensor físico en niebla, lluvia fuerte o sol de frente.
3 · De píxeles a volante: la tubería
Cada 36 veces por segundo, el ordenador recibe las ocho imágenes y las convierte en una decisión. Pulsa «Reproducir» para seguir un fotograma de principio a fin.
Pulsa «Reproducir» o toca un paso.
¿Qué es exactamente una red neuronal aquí?
Es una función matemática gigante (miles de millones de parámetros) que recibe números de entrada (los píxeles) y devuelve números de salida (¿hay un coche? ¿a qué distancia? ¿qué carril es mío?). Nadie programa a mano la regla «un coche tiene cuatro ruedas»: la función se ajusta sola viendo millones de ejemplos hasta que sus salidas coinciden con la realidad. Eso es «entrenar».
¿Y «end-to-end» (de extremo a extremo)?
Hasta 2023 (FSD v11) la percepción era una red neuronal, pero el planificador era código escrito a mano: más de 300.000 líneas de C++ con reglas del tipo «si el coche de delante frena, frena tú». Desde FSD v12 una sola red neuronal va desde las imágenes hasta la orden al volante. Aprende imitando a conductores humanos buenos. Ventaja: maneja situaciones que nadie previó. Inconveniente: es más difícil explicar por qué hizo algo.
4 · Mira con los ojos de la red
Esta simulación muestra la misma escena en cuatro capas. Activa y desactiva cada una para ver qué añade al dibujo la IA. Los números son ilustrativos.
Detección dibuja cajas alrededor de lo que la red reconoce con su confianza. Ocupación 3D es la red que sustituyó a los ultrasonidos: divide el espacio en cubos de unos 30 cm y marca cuáles están llenos, sin necesidad de saber «qué» hay. Trayectoria es la propuesta del planificador para los próximos segundos.
5 · El ordenador: un cerebro detrás de la guantera
El chip de inferencia está diseñado por Tesla y vive en el salpicadero. Tiene dos copias que hacen el mismo cálculo y comparan resultados: si discrepan, el sistema sabe que algo falla. Toca una generación para comparar.
6 · Cómo aprende: el bucle de la flota
La red no se entrena en el coche. Millones de vehículos envían fragmentos de vídeo de situaciones raras (un ciclista tapado por un camión, una rotonda sin pintar). Un supercomputador entrena una red nueva con ellos y se la devuelve a la flota por actualización inalámbrica. Cada coche es a la vez alumno y recolector de datos.
«Modo sombra»: la red nueva puede correr en silencio dentro del coche, proponiendo decisiones sin ejecutarlas. Cuando discrepa del conductor humano, ese momento se marca como interesante y se sube para entrenar.
7 · Lo que aún no resuelve
Supervisado vs. sin supervisión
Lo que se vende hoy se llama FSD (Supervisado): el conductor debe mirar la carretera y la cámara interior lo comprueba. «Sin supervisión» significa que la responsabilidad legal pasa al sistema; Tesla lo prueba en robotaxis con la generación AI4.
Luz y clima
Una cámara satura con el sol bajo de frente y pierde contraste en niebla densa. La red avisa y reduce funciones. El radar y el lidar ven en esas condiciones; es el principal argumento de quienes defienden combinar sensores.
Hardware que se queda corto
Los coches con HW3 ya no reciben las versiones más recientes del software: la red actual no cabe en su memoria. Es la cara menos amable de resolver el problema con IA en lugar de con sensores: el software crece y el chip no.
Explicar una decisión
Con reglas escritas se podía leer por qué el coche frenó. Con una red end-to-end hay que inferirlo con pruebas. Esto importa para los reguladores y para los seguros.
¿Cómo pasa un Tesla de las imágenes a una decisión?
Las cámaras captan imágenes que el sistema procesa para representar el entorno, estimar posiciones y planificar movimientos. Esta guía permite explorar esas etapas con esquemas y una simulación didáctica.
Cómo se utiliza en este recurso
Siete estaciones combinan selección de cámaras, una cronología de sensores, un recorrido por las etapas de procesamiento, capas de una escena simulada, generaciones de hardware, entrenamiento y límites del sistema.
Alcance y límites
La simulación no reproduce el software de Tesla. Los ocho campos de visión corresponden al esquema HW3; el equipamiento y las funciones varían por modelo, año, región y versión. Las cifras comparativas de hardware son simplificaciones del documento original, no mediciones verificadas. FSD (Supervised) requiere supervisión activa del conductor y no convierte el vehículo en autónomo.
Preguntas frecuentes
¿El coche aprende mientras circula?
En el esquema didáctico, el entrenamiento se realiza fuera del vehículo; el coche ejecuta el modelo entrenado para realizar inferencias.
¿Cómo utiliza la IA las imágenes de las cámaras?
Una red neuronal transforma los píxeles en una representación del entorno: identifica patrones, estima dónde están los objetos y qué espacio está ocupado. Esa información ayuda al sistema a planificar una trayectoria. La red aprende esos patrones durante el entrenamiento con ejemplos.