Podríeu suposar que Tesla és un nom conegut a la indústria de l'automòbil quan penseu en ells. Tesla, pionera en automòbils elèctrics, és sens dubte. No obstant això, són una empresa tecnològica, que és el secret del seu èxit.
Una de les coses que han fet que el seu negoci tingui èxit és l'ús de intel·ligència artificial tecnologies. L'automatització total dels vehicles de Tesla és una de les principals prioritats actuals de la companyia i, per aconseguir aquest objectiu, estan utilitzant la IA i els seus nombrosos components.
En anunciar la seva arribada a principis de 2021, Tesla va crear un enrenou al subcontinent. Elon Musk està gairebé preparat per establir Bangalore, Índia, com el centre de fabricació de Tesla India.
Els experts en intel·ligència artificial a l'Índia van aplaudir mentre continuaven els memes i els tuits sobre com funcionaran els tan elogiats "cotxes de conducció autònoma" a l'Índia.
Tota una onada d'intel·ligència artificial que finalment governarà el món acaba de començar.
Aquesta publicació examinarà en profunditat com Tesla integra la IA al seu sistema, incloses les especificitats i altra informació.
Aleshores, com ensenya la IA a la conducció autònoma en cotxes?
Vehicles autònoms analitzar contínuament les dades dels seus sensors i càmeres de visió artificial per poder conduir de manera independent. A continuació, utilitzen aquestes dades per decidir què fer a continuació.
Utilitzen IA per comprendre i predir els propers moviments de bicicletes, vianants i automòbils. Poden utilitzar aquesta informació per planificar ràpidament les seves accions i prendre decisions en una fracció de segon.
L'automòbil hauria de continuar pel seu carril actual o hauria de canviar de carril? Hauria de continuar on és o passar l'automòbil per davant? Quan ha de desaccelerar o accelerar el vehicle?
Tesla ha de reunir les dades adequades per entrenar els algorismes i alimentar les seves IA per tal que els cotxes siguin completament autònoms. Un millor rendiment sempre serà el resultat de més dades d'entrenament, i Tesla brilla en aquesta àrea.
El fet que Tesla apropi totes les seves dades dels centenars de milers de vehicles Tesla que ara estan a la carretera els dóna un avantatge competitiu. Tant els sensors interns com els exteriors fan un seguiment del comportament dels Teslas en diverses circumstàncies.
També recullen informació sobre el comportament del conductor, inclosa com responen a determinades circumstàncies i amb quina freqüència toquen el volant o el tauler de comandament.
"Imitació d'aprenentatge" és el nom de l'estratègia de Tesla. Milions de conductors reals a tot el món fan judicis, responen i es mouen, i els seus algorismes aprenen d'aquestes accions. Tots aquests quilòmetres donen lloc a vehicles autònoms increïblement sofisticats.
El seu sistema de seguiment és realment avançat. Per exemple, Tesla emmagatzema una instantània de dades del moment, l'afegeix al conjunt de dades i després recrea una representació abstracta del món utilitzant formes codificades per colors que el xarxa neural pot aprendre de. Això passa quan un vehicle Tesla prediu incorrectament el comportament d'un cotxe o una bicicleta.
Altres empreses que desenvolupen vehicles autònoms depenen dades sintètiques, que és significativament menys eficaç que les dades del món real utilitzades per Tesla per entrenar les seves IA (per exemple, el comportament de conducció de videojocs com Grand Theft Auto).
Ara examinarem els components de Tesla que aprofiten la IA.
Components de Tesla que aprofiten la IA
Càmera i sensors
Les responsabilitats que ha d'assumir Tesla són força conegudes. Totes aquestes operacions, des de la identificació del carril fins al seguiment de vianants, es fan en temps real. Tesla va funcionar amb l'ajuda de 8 càmeres per aquest motiu. A més, la presència d'aquestes nombroses càmeres assegura que no hi ha zona cega i que es cobreix tota la zona al voltant del cotxe.
És cert el que acabes de llegir! no LIDAR No hi ha sistema de cartografia d'alta definició. Tesla vol utilitzar només la visió per ordinador, màquina d'aprenentatge, i fonts de vídeo de càmera per crear el model de pilot automàtic. A continuació, s'utilitzen xarxes neuronals convolucionals (CNN) per analitzar el vídeo en brut per fer un seguiment i detectar objectes.
Pilot automàtic Tesla també té radars i sensors d'ultrasons a més de càmeres. El radar s'utilitza per detectar i mesurar la separació entre vehicles i altres objectes. Per tal d'optimitzar la seguretat del conductor, els sensors d'ultrasons també funcionen d'acord amb el control de la proximitat amb objectes passius.
Per entendre l'entorn del cotxe i fer que les capacitats del pilot automàtic responguin com sigui possible, les xarxes neuronals s'integren amb el maquinari de Tesla.
Xip Tesla FSD -3
Per millorar el rendiment i la seguretat a les carreteres, els sistemes de Tesla inclouen dos processadors d'IA. El sistema Tesla s'esforça per estar lliure d'errors. Fins i tot si una unitat falla, l'automòbil encara pot funcionar utilitzant les unitats addicionals a causa de l'energia de seguretat i les fonts d'entrada de dades.
Tesla utilitza aquestes mesures addicionals per assegurar-se que els cotxes estiguin ben equipats per evitar col·lisions en cas de fallada imprevista. Només el cervell humà pot executar més operacions per segon que el nou microprocessador de Tesla (1 quadrilions d'operacions per segon). Això és aproximadament 21 vegades més potent que els microxips Tesla Nvidia que s'utilitzaven anteriorment.
TEsla és, sens dubte, un líder del mercat de locomotores totalment autònomes, però encara està molt lluny de produir un cotxe de pilot automàtic d'avantguarda.
En el futur, un automòbil amb les qualitats que hem descrit en aquest assaig, sens dubte, esdevindrà habitual. Tesla ha creat els seus propis processadors d'IA d'avantguarda i una arquitectura de xarxa neuronal.
Entrenament de xarxes neuronals
El model també s'ha d'entrenar després de les xarxes neuronals s'han creat. Som conscients que Tesla ha posat en marxa una àmplia gamma de biblioteques i eines per tal de permetre capacitats de visió per ordinador d'avantguarda.
Pytorch, que va ser creat pel departament d'investigació d'IA de Facebook, és un d'aquests marcs (FAIR). PyTorch és utilitzat per Pila de tecnologia de Tesla entrenar el model d'aprenentatge profund.
Cal destacar que Tesla no es basa en mapes o LIDAR per aconseguir una autonomia completa. Les càmeres i la visió per ordinador pura s'utilitzen exclusivament, i tot es fa en temps real.
Tesla utilitza Pytorch per a la formació, així com per a diverses activitats auxiliars com ara flux de treball automatitzat programació, calibratge dels llindars del model, avaluació exhaustiva, proves passives, proves de simulació, etc.
Tesla dedica aproximadament 70,000 hores de GPU entrenant 48 xarxes que fan 1,000 prediccions diferents. Aquesta formació és continuada, no només una vegada. Som conscients que la intel·ligència artificial és un procés iteratiu que avança amb el temps. Com a resultat, les 1000 previsions separades continuen sent precises i mai defalleixen.
HydraNet
Hi ha al voltant de 100 llocs de treball en curs en un moment donat, fins i tot quan un cotxe no es mou i el més probable és que es trobi en una cruïlla de camins. Utilitzar una xarxa neuronal per a cada tasca és costós i ineficaç. La IA processa quantitats massives d'informació en temps real als vehicles Tesla.
Com a resultat, la columna vertebral compartida ResNet-50, que pot processar 1000 x 1000 imatges alhora, serveix com a unitat central de processament per al flux de treball de Computer Vision.
A prop de la part superior de la xarxa, el disseny de la xarxa neuronal HydraNet es divideix en diverses branques (o caps). Si cada micro-lot de dades d'entrenament es pondera de manera diferent per als molts caps, aquests caps s'ensenyen de manera independent i aprenen coses diferents.
Per descomptat, hi ha diversos casos d'aquestes HydraNets treballant junts per processar la IA dels vehicles. La informació de cada HydraNet s'utilitza per solucionar problemes recurrents.
Per exemple, una tasca pot estar activa per gestionar els senyals de stop, una altra per tractar els vianants i una altra per examinar els senyals de trànsit. Tots aquests deures diferents estan operats per una columna vertebral comuna.
Segons l'arquitectura HydraNet, només es necessita una petita fracció de l'enorme xarxa neuronal per a cadascuna d'aquestes tasques.
Això és força semblant a l'aprenentatge de transferència, on s'entrenen diferents blocs per a un bloc comú per a determinades tasques relacionades. Els eixos vertebradors d'HydraNets s'entrenen en una varietat de coses, mentre que els caps s'ensenyen en feines concretes.
Això disminueix la quantitat de temps necessari per entrenar el model i accelera la inferència.
Pilot automàtic Tesla
Els cotxes amb capacitat de pilot automàtic poden dirigir, accelerar i aturar-se de manera autònoma en un carril. Es construeix utilitzant conceptes de xarxes neuronals profundes. Observa l'àrea que envolta el cotxe mitjançant càmeres, sensors ultrasònics i radar.
Els sensors i les càmeres fan que els conductors coneguin el seu entorn, i aquesta informació s'analitza en qüestió de mil·lisegons per ajudar a que la conducció sigui més segura i menys estressant.
En circumstàncies climàtiques lluminoses, fosques i diverses, el radar s'utilitza per observar i estimar l'espai que envolta els automòbils. En totes les situacions, els mètodes ultraviolats determinen la proximitat i el vídeo passiu identifica objectes propers i promou una conducció segura.
A més, el pilot automàtic està dissenyat per ajudar el conductor i no transforma un Tesla en un vehicle autònom. És una pràctica habitual advertir als conductors que mantinguin les mans al volant.
Si no ho fas, s'activen una sèrie d'alertes per agafar el volant. Si s'ignora durant molt més temps, l'automòbil comença a frenar abans d'aturar-se. En frenar, girar o desactivar la maneta del control de creuer, els conductors sempre poden anul·lar les funcions del pilot automàtic.
Vista d'ocell
Les imatges que interpreta el maquinari de Tesla sovint poden necessitar dimensions addicionals. La funció de vista d'ocell fa que sigui més fàcil mesurar distàncies més llunyanes i ofereix una representació més precisa del món exterior.
Es tracta d'un sistema de monitoratge visual que "representa" una imatge de vista superior d'un cotxe per facilitar l'aparcament i la navegació per llocs petits. Sense haver de proporcionar una justificació coixa sobre les vostres capacitats d'aparcament, ara podeu agafar el volant amb seguretat.
El futur de Tesla
Si esteu buscant un SUV de mida mitjana amb una gran autonomia, el Tesla Model Y 2022 és un punt de partida fantàstic per als vehicles elèctrics. A causa de les actualitzacions regulars de programari, el Model Y canvia constantment, igual que molts dels altres productes de Tesla.
En millorar la seguretat i la funcionalitat, aquestes actualitzacions ajuden el vostre automòbil a ser més útil. Per a les persones que necessiten viatjar llargues distàncies amb la família i diversos equipatges, el cos espaiós i l'accés a la xarxa Supercharger de Tesla la converteixen en una opció meravellosa.
Des dels seus inicis, Tesla s'ha beneficiat de les dades de la seva base de clients actual, i el seu treball en vehicles autònoms forma part de la seva ambició contínua de situar la IA al nucli de totes les seves operacions.
La intel·ligència artificial i el big data continuaran sent Elon Musk i el seu equip dels aliats fidels de Tesla a mesura que avançaran en les seves iniciatives més noves, incloses les seves aspiracions de transformar la xarxa elèctrica amb els seus panells solars domèstics.
Conclusió
Tesla, una empresa reconeguda com una de les innovadores més agressives del mercat, sempre ha fet de la recollida i anàlisi de dades la seva eina més potent. Van seguir les mateixes regles a l'hora de crear les seves pròpies fitxes.
El negoci ha desenvolupat vehicles autònoms que tenen el potencial de canviar completament la manera com conduïm els automòbils gràcies a la intel·ligència artificial i l'anàlisi de dades.
Vegem com de bé la plataforma compleix les seves promeses i desenvolupa el seu negoci. Fins a quin punt anirà la companyia al mercat dels vehicles autònoms en el futur està per veure després d'aprofitar aquestes tecnologies.
Deixa un comentari