Tesla ruft knapp 12'000 Fahrzeuge zurück
4. November 2021 um 10:26
Das letzte Update des "Full Self Driving Car Computers" des Autobauers ist problematischer als bisher angenommen.
Ende Oktober hat Tesla in den USA ein Update seines "Full Self Driving Car Computers" zurückgezogen, da dieses zu falschen Kollisionswarnungen und plötzlichen Bremsungen geführt hatte.
Jetzt zeigt sich, dass das fehlerhafte Update schwerwiegender ist als bisher angenommen: Der Autobauer muss in den USA 11'704 Fahrzeuge wegen Fehlern in der Software zurückrufen. Betroffen sind Autos der Modelle S, X, 3 und Y, die seit 2017 verkauft worden sind. Dies teilte die National Highway Traffic Safety Administration (NHTSA) mit.
Tesla kommentierte, dass bislang keine Unfälle bekannt seien, die auf das fehlerhafte Update zurückzuführen seien.
Die Aufsichtsbehörde erklärte, Tesla habe die neuste Version seiner Autopilotensoftware (Version 10.3) deinstalliert, nachdem dieser Berichte über eine versehentliche Aktivierung des automatischen Notbremssystems erhalten hatte und anschliessend "die Software auf die Version 10.3.1 aktualisiert und für die betroffenen Fahrzeuge freigegeben".
Die NHTSA will nach eigenen Angaben ihre Gespräche mit Tesla fortsetzen, um sicherzustellen, dass Sicherheitsmängel unverzüglich erkannt und behoben werden.
Loading
Der Switzerland Innovation Park in Allschwil wird vergrössert
Bis 2028 sollen auf dem Areal 5 neue Gebäude entstehen. Das Projekt kostet rund 350 Millionen Franken und wird privat finanziert.
BFS: KI-Projekt stösst an die Grenzen der IT-Infrastruktur
Das Bundesamt für Statistik wollte Verläufe von Arbeitslosigkeit besser erfassen und prognostizieren. Im Machine-Learning-Projekt musste einiges korrigiert werden.
EPFL lanciert Open-Source-KI für medizinische Zwecke
Im Gegensatz zu proprietären medizinischen Large-Language-Modellen sei die Entwicklung und das Training von "Meditron" komplett transparent, betont die ETH Lausanne.
KI findet Wege zu neuen Medikamenten
Ein neues KI-Modell von Chemikern der ETH Zürich kann vorhersagen, an welchen Stellen und wie ein Molekül gezielt verändert werden kann. Dadurch lassen sich schneller neue pharmazeutische Wirkstoffe finden.