Obsah[Skrýt][Ukázat]
Svět, jak ho známe, se může v důsledku umělé inteligence (AI) změnit. Pokud jde o vylepšení v semi-autonomních systémech, Tesla je intenzivně využívá.
Elon Musk navíc tvrdí, že se nakonec uplatní i v jiných oblastech. Díky technologii Full Self-Driving a systému Autopilot,
Tesla používá počítačové vidění, strojové učenía umělá inteligence (FSD).
V tomto díle probereme, co dělá z Tesly technologickou firmu a jak využívá AI, počítačové vidění, velká data a další technologie k vývoji samořídících aut. Pojďme začít.
Nejprve prozkoumáme, jak je Tesla technologickou firmou.
Proč byla Tesla považována za technologickou společnost?
Tesla vyrábí značné množství softwaru. charakteristický informační a zábavní systém Tesly, Uživatelské rozhranía funkce autonomního řízení jsou všechny založeny na softwaru.
Zatímco ostatní automobilky teprve nyní začínají experimentovat s bezdrátovou modernizací, Tesla to dělá už léta. Zaměstnanci Tesly vytvořili a neustále vylepšují operační systémy pro automobily Tesla.
Tesla také vyrábí řadu dalších technologických produktů, včetně solárních panelů, střešních solárních tašek, několika typů baterií, nabíjecích stanic, počítačů a klíčových počítačových komponent (pro vozy Tesla).
Ačkoli jak Nokia, tak Blackberry měly software, iPhone měl vyváženou kombinaci obou, a proto dobyl obchod s mobilními telefony a změnil způsob, jakým v současnosti telefony používáme.
To je to, co Tesla dělá pro automobilový byznys. Tesla jsou vozidla, ano (a SUV a brzy pickupy, návěsy a čtyřkolky). Tato vozidla však obsahují software pro každodenní použití, který byl vytvořen Teslou interně nebo začleněn do systému Tesly.
Zatímco jste zaparkovaní, Tesla představila možnosti zábavy včetně TRAX, Caraoke a mnoha her (a možná někdy během přepravy). Bezpečnostní systém Sentry Mode, který kombinuje hardware a software Tesla, pomohl orgánům činným v trestním řízení při řešení zločinů, jako je vandalismus. Váš smartphone slouží jako klíč vaší Tesly.
Pomocí telefonu můžete zavolat do Tesly, aby k vám přijela. Navíc auto upozorní váš telefon, pokud dojde k významné události díky jedinečné technologii Sentry Mode od Tesly.
Vzhledem k tomu, že Tesla bude využívat data, která shromáždila o skutečných jízdních zvycích řidičů Tesly (shromažďování dat je klíčovým prvkem technologie, zvláště když je takto přímé a neprovádí se prostřednictvím průzkumů trhu), pojištění Tesly bude také rozšířením. z technické stránky.
Jakou technologii používá Tesla pro Autopilota?
Vytvářejí a využívají autonomii ve velkém měřítku ve strojích, jako jsou roboti a auta. Tvrdí, že jediná metoda může poskytnout vyčerpávající odpověď autonomní řízení a mimo ni je takový, který se při plánování a vizi spoléhá na špičkovou umělou inteligenci, doplněnou účinným hardwarem pro vyvozování závěrů.
Čip Tesla FSD
Systémy Tesla jsou dodávány se dvěma procesory AI pro vyšší výkon a bezpečnost silničního provozu. Cílem systému Tesla je bezchybný provoz. Díky záložnímu napájení a zdrojům vstupu dat může vůz pokračovat v jízdě, i když jedna jednotka nefunguje.
Tesla přijímá tato dodatečná opatření, aby zajistila, že vozidla budou dobře připravena, aby zabránila srážce v případě neočekávané poruchy.
Jediným zařízením, které dokáže provést více operací za sekundu než nový mikroprocesor Tesla, je lidský mozek (1 kvadrilion operací za sekundu). To je přibližně 21krát výkonnější než dříve používané mikročipy Tesla Nvidia.
Vytvářejte inferenční procesory s umělou inteligencí, které budou pohánět jejich software Full Self-Driving, s ohledem na každé malé architektonické a mikroarchitektonické vylepšení při maximalizaci výkonu křemíku na watt.
Přestože Tesla nepochybně vede na trhu zcela autonomních lokomotiv, k vývoji špičkového vozidla s autopilotem má stále daleko.
Čip Tesla Dojo
Tesla představila Tesla D1, nový procesor s výkonem 362 TFLOP v BF16/CFP8, který byl vytvořen speciálně pro umělá inteligence. To bylo zveřejněno během nedávného Tesla AI Denní prezentace.
Obrovský čip vzniká propojením sítě funkčních celků nazývaných síť funkčních celků, ke kterým Tesla D1 přidává celkem 354 tréninkových uzlů. Každá funkční jednotka má čtyřjádrový 64bitový ISA CPU se speciálním designem na míru pro procházení spojů, vysílání a transpozice. Tento CPU používá superskalární implementaci (4-široké skalární a 2-široké vektorové potrubí).
Tento nový křemík Tesla je menší než GPU GA100 nacházející se v akcelerátoru NVIDIA A100, který má čtvercovou velikost 826 mm. Vyrábí se 7nm procesem, má celkem 50,000 645 milionů tranzistorů a zabírá plochu XNUMX mm čtverečních.
Tesla tvrdí, že její čip Dojo bude zpracovávat data počítačového vidění čtyřikrát rychleji než současné systémy, což společnosti umožní plně automatizovat svůj samořídící systém.
Dva nejnáročnější technologické počiny, totiž propojení mezi dlaždicemi a software, však Tesla ještě nedosáhla.
Špičkové síťové přepínače nemohou konkurovat externí šířce pásma žádné dlaždice. Aby toho dosáhla, Tesla vytvořila unikátní propojení.
Systém Dojo
Vytvořte systém Dojo, od rozhraní API na vysoké úrovni k jeho ovládání až po rozhraní křemíkového firmwaru. Využijte špičkové technologie dodávky vysokého výkonu a chlazení k řešení náročných situací a vytvořte škálovatelné řídicí smyčky a monitorovací software.
Využijte veškeré odborné znalosti jejich mechanických, tepelných a elektrotechnických týmů k vývoji nové generace výpočtů strojového učení pro použití v datových centrech Tesla. Jediným omezením je vaše představivost.
Pracujte s každou komponentou návrh systému. Vyviňte veřejně přístupné API, které zpřístupní Dojo komukoli, a spolupracujte s učením vozového parku Tesla na poskytování tréninkových úloh s využitím jejich obrovských datových sad.
Autonomní algoritmy
Vytvořte vysoce věrný model světa a vykreslete trajektorii v tomto prostoru, abyste vyvinuli klíčové algoritmy, které řídí automobil.
Agregací dat ze senzorů automobilu napříč místem a časem může algoritmus poskytnout přesná a rozsáhlá pozemní pravdivá data, která lze použít k trénování neuronové sítě předvídat tyto reprezentace.
Vytvářejí silný systém plánování a rozhodování pomocí nejmodernějších metodologií, které mohou fungovat v náročných scénářích reálného světa s nejistotou.
Prospěšná je analýza algoritmů na úrovni celého vozového parku Tesla.
Neuronové sítě
Hluboké neuronové sítě lze trénovat v otázkách od vnímání po ovládání pomocí nejmodernějšího výzkumu. Aby bylo dosaženo sémantické segmentace, identifikace objektů a odhadu monokulární hloubky, jejich sítě pro jednotlivé kamery zkoumají nezpracované snímky.
Jejich sítě z ptačí perspektivy využívají záběry ze všech kamer ke generování pohledu shora dolů na rozvržení silnice, statickou infrastrukturu a 3D objekty.
Jejich sítě jsou neustále zásobovány daty z jejich vozového parku čítajícího přibližně 1 milion vozů, který zahrnuje nejsložitější a nejrozmanitější okolnosti na světě.
48 sítí, které tvoří celou konstrukci neuronových sítí Autopilot, potřebuje na trénování 70,000 1,000 GPU hodin. V každém časovém kroku vytvářejí společně XNUMX různých tenzorů (předpovědí).
Hodnocení infrastruktury
Vytvořili také infrastrukturu a nástroje pro hodnocení hardwaru ve smyčce s otevřenou a uzavřenou smyčkou ve velkém, aby urychlili rychlost inovací, monitorovali vylepšení výkonu a zastavili regrese.
Využívají anonymizované charakteristické klipy své flotily a začleňují je do mnoha testovacích scénářů. Napište kód, který simuluje jejich skutečné prostředí, generuje neuvěřitelně realistické vizuály a další data senzorů pro jejich program Autopilot, který lze použít pro automatizované testování nebo živé ladění.
Jak Tesla využívá velká data, umělou inteligenci a strojové učení?
Big dat
Velká data nepoužívá Tesla jen k řešení problémů; používá se také ke zvýšení spokojenosti spotřebitelů. Získávají informace z online komunit svých klientů a využívají je k vylepšení své následné výroby. Tento typ interakce s klientem je v podnikání neslýchaný.
Velká data podporují snahu společnosti Tesla ušetřit náklady, najít nové trhy, potěšit spotřebitele, vytvořit nové produkty a vylepšit její vozidla.
Tyto informace se používají k vytváření map s extrémně vysokou hustotou dat, které zobrazují cokoli od umístění rizik, která nutí řidiče jednat, až po průměrné zvýšení rychlosti dopravy na určitém úseku silnice.
edge computing určuje, jakou akci musí každé jednotlivé auto právě teď provést, zatímco strojové učení v cloudu se stará o školení celého vozového parku.
Kromě toho existuje třetí úroveň rozhodování, kdy se automobily mohou spojit se sousedními vozidly Tesla za účelem budování sítí a sdílení znalostí o této oblasti.
Tyto sítě budou pravděpodobně také komunikovat s vozidly vyrobenými jinými výrobci a také s dalšími systémy, jako jsou dopravní kamery, pozemní senzory nebo telefony ve světě blízké budoucnosti, kde jsou autonomní auta samozřejmostí.
Umělá inteligence
Aby mohla autonomní auta jet sama, neustále vyhodnocují data ze svých senzorů a kamer pro strojové vidění. Na základě těchto informací se pak rozhodují.
Používají AI k pochopení a předvídání pohybů kol, chodců a aut. Dokážou udělat úsudek ve zlomku vteřiny a rychle plánovat své aktivity s využitím těchto znalostí.
Má auto zůstat v jízdním pruhu, ve kterém je nyní, nebo by se mělo změnit? Má pokračovat tak, jak je, nebo předjet auto před nimi? Kdy má auto zpomalit nebo zrychlit?
Aby byla auta plně autonomní, musí Tesla shromáždit potřebná data k trénování algoritmů a krmení svých AI. Více tréninkových dat vždy povede k lepšímu výkonu a Tesla v tomto ohledu exceluje.
Tesla má konkurenční výhodu, protože shromažďuje všechna svá data ze stovek tisíc vozidel Tesla, která jsou nyní na cestách. Interní a externí senzory sledují, jak Tesla funguje za různých podmínek.
Kromě toho sledují, jak se řidiči chovají, včetně jejich reakcí na různé situace a jak často se dotýkají volantu nebo palubní desky. Mají velmi propracovaný systém sledování.
Tesla například zaznamená okamžik v čase, přidá jej do sbírky dat a poté pomocí barevných forem vytvoří abstraktní obraz prostředí, ze kterého se neuronová síť může učit.
K tomu dochází, když vozidlo Tesla udělá nepřesný předpoklad o tom, jak by se chovalo auto nebo kolo.
Strojové učení
S využitím vnitřních a vnějších senzorů, které dokážou dokonce zachytit informace o poloze řidičovy ruky na ovladačích a o tom, jak jsou nadále ovládány, strojové učení Tesla úspěšně crowdsourcuje některá ze svých klíčových dat ze všech svých vozidel a také z jejich vozidel. Řidiči.
Tyto informace jsou také využívány k vytváření map s velmi hustotou dat, které zobrazují vše od průměrného nárůstu rychlosti dopravy v průběhu konkrétní délky silnice až po přítomnost nebezpečí a dokonce vybízejí řidiče k akci.
Zatímco část okrajové výpočty na každém jednotlivém voze určuje, jakou akci musí auto právě teď provést, cloudové strojové učení Tesla má na starosti školení celého vozového parku.
Aby si mohli vyměňovat některé z místních poznatků a informací, mohou se automobily propojit s některými dalšími vozidly Tesla v okolí.
Proč investovat do čističky vzduchu?
Tesla byla vždy firmou, která produkovala sběr a analýzu dat, což je ten nejmocnější nástroj pro cokoli, co dělá. Při navrhování svých CPU neudělali žádné výjimky.
Vývoj autonomní vozidla a analýza statistických dat společnosti umožnila zcela změnit způsob, jakým řídíme, díky umělé inteligenci, analýze dat, velkým datům, strojovému učení, počítačovému vidění, neuronovým sítím, čipu FSD a mnoha dalším algoritmům.
Napsat komentář