Podría suponer que Tesla es un nombre muy conocido en la industria del automóvil cuando piensa en ellos. Tesla, pionera en automóviles eléctricos, lo es sin duda. Sin embargo, son una firma tecnológica, que es el secreto de su éxito.
Una de las cosas que han hecho que su negocio sea exitoso es el uso de inteligencia artificial tecnologías La automatización completa de los vehículos de Tesla es una de las principales prioridades actuales de la empresa y, para lograr este objetivo, están utilizando IA y sus muchos componentes.
Al anunciar su llegada a principios de 2021, Tesla creó un gran revuelo en el subcontinente. Elon Musk está casi listo para establecer Bangalore, India, como el centro de fabricación de Tesla India.
Los expertos en IA en India vitorearon mientras continuaban los memes y tuits sobre cómo operarán los muy elogiados "Autos sin conductor" en India.
Toda una ola de inteligencia artificial que eventualmente gobernará el mundo recién está comenzando.
Esta publicación examinará en profundidad cómo Tesla está integrando AI en su sistema, incluidos detalles y otra información.
Entonces, ¿cómo enseña la IA la conducción autónoma en automóviles?
Vehículos autónomos analizan continuamente los datos de sus sensores y cámaras de visión artificial para poder conducir de forma independiente. Luego utilizan estos datos para decidir qué hacer a continuación.
Emplean IA para comprender y predecir los próximos movimientos de bicicletas, peatones y automóviles. Pueden usar esta información para planificar rápidamente sus acciones y tomar decisiones en una fracción de segundo.
¿Debe el automóvil continuar en su carril actual o debe cambiar de carril? ¿Debe continuar donde está o pasar el automóvil frente a ellos? ¿Cuándo debe desacelerar o acelerar el vehículo?
Tesla tiene que recopilar los datos apropiados para entrenar los algoritmos y alimentar sus IA para hacer que los automóviles sean completamente autónomos. Un mejor rendimiento siempre resultará de más datos de entrenamiento, y Tesla brilla en esta área.
El hecho de que Tesla obtenga todos sus datos de los cientos de miles de vehículos Tesla que ahora están en la carretera les da una ventaja competitiva. Tanto los sensores internos como los exteriores rastrean cómo se comportan los Tesla en una variedad de circunstancias.
También recopilan información sobre el comportamiento del conductor, incluida la forma en que responde a ciertas circunstancias y la frecuencia con la que toca el volante o el tablero.
“Aprendizaje por imitación” es el nombre de la estrategia de Tesla. Millones de conductores reales en todo el mundo emiten juicios, responden y se mueven, y sus algoritmos aprenden de esas acciones. Todos esos kilómetros dan como resultado vehículos autónomos increíblemente sofisticados.
Su sistema de seguimiento es realmente avanzado. Por ejemplo, Tesla almacena una instantánea de datos del momento, la agrega al conjunto de datos y luego recrea una representación abstracta del mundo utilizando formas codificadas por colores que el red neural puede aprender de. Esto sucede cuando un vehículo Tesla predice incorrectamente el comportamiento de un automóvil o una bicicleta.
Otras empresas que desarrollan vehículos autónomos confían en datos sintéticos, que es significativamente menos efectivo que los datos del mundo real utilizados por Tesla para entrenar sus IA (por ejemplo, el comportamiento de conducción de videojuegos como Grand Theft Auto).
Ahora examinaremos los componentes de Tesla que aprovechan la IA.
Componentes de Tesla que aprovechan la IA
Cámara y sensores
Las responsabilidades que debe cumplir Tesla son bastante conocidas. Todas estas operaciones, desde la identificación de carriles hasta el seguimiento de peatones, se realizan en tiempo real. Tesla operó con la ayuda de 8 cámaras por este motivo. Además, la presencia de tantas cámaras asegura que no haya una zona ciega y que se cubra toda el área alrededor del automóvil.
¡Es cierto lo que acabas de leer! no LIDAR No hay sistema de mapeo de alta definición. Tesla quiere usar solo visión por computadora, máquina de aprendizajey las transmisiones de video de la cámara para crear el modelo de piloto automático. Las redes neuronales convolucionales (CNN) se utilizan luego para analizar el video sin procesar con el fin de rastrear y detectar objetos.
Piloto automático Tesla también tiene sensores de radar y ultrasónicos además de cámaras. El radar se utiliza para detectar y medir la separación entre vehículos y otros objetos. Para optimizar la seguridad del conductor, los sensores ultrasónicos también funcionan de acuerdo con el monitoreo de la proximidad con objetos pasivos.
Para comprender el entorno del automóvil y hacer que las capacidades del piloto automático respondan lo más posible, las redes neuronales están integradas con el hardware de Tesla.
Chip Tesla FSD-3
Para mejorar el rendimiento y la seguridad en las carreteras, los sistemas Tesla incluyen dos procesadores de IA. El sistema Tesla se esfuerza por estar libre de errores. Incluso si falla una unidad, el automóvil aún puede funcionar utilizando las unidades adicionales debido a las fuentes de alimentación de respaldo y de entrada de datos.
Tesla utiliza estas medidas adicionales para asegurarse de que los automóviles estén bien equipados para evitar colisiones en caso de una falla imprevista. Solo el cerebro humano puede ejecutar más operaciones por segundo que el nuevo microprocesador Tesla (1 cuatrillón de operaciones por segundo). Eso es aproximadamente 21 veces más potente que los microchips Tesla Nvidia que estaban en uso anteriormente.
Tesla es sin duda un líder en el mercado de locomotoras totalmente autónomas, pero aún está lejos de producir un automóvil con piloto automático de última generación.
En el futuro, un automóvil con las cualidades que describimos en este ensayo sin duda se convertirá en un lugar común. Tesla ha creado sus propios procesadores de IA de vanguardia y arquitectura de red neuronal.
Entrenamiento de redes neuronales
El modelo también debe ser entrenado después de las redes neuronales. ha sido creado. Somos conscientes de que Tesla ha implementado una amplia gama de bibliotecas y herramientas para permitir capacidades de visión artificial de vanguardia.
Pytorch, que fue creado por el departamento de investigación de IA de Facebook, es uno de esos marcos (FAIR). PyTorch es utilizado por el Pila tecnológica de Tesla para entrenar el modelo de aprendizaje profundo.
Es de destacar que Tesla no se basa en mapas o LIDAR para lograr una autonomía completa. Las cámaras y la visión artificial pura se utilizan exclusivamente, y todo se hace en tiempo real.
Tesla emplea Pytorch para el entrenamiento, así como para diversas actividades auxiliares como flujo de trabajo automatizado programación, calibración de umbrales del modelo, evaluación exhaustiva, pruebas pasivas, pruebas de simulación, etc.
Tesla dedica aproximadamente 70,000 48 horas de GPU a entrenar 1,000 redes que hacen 1000 predicciones distintas. Esta capacitación es continua, no solo una vez. Somos conscientes de que la inteligencia artificial es un proceso iterativo que avanza con el tiempo. Como resultado, los XNUMX pronósticos separados siguen siendo precisos y nunca fallan.
HidraNet
Hay alrededor de 100 trabajos en progreso en un momento dado, incluso cuando un automóvil no se está moviendo y lo más probable es que se encuentre en una encrucijada. Usar una red neuronal para cada tarea es costoso e ineficaz. La IA en los vehículos Tesla procesa cantidades masivas de información en tiempo real.
Como resultado, la red troncal compartida ResNet-50, que puede procesar imágenes de 1000 x 1000 a la vez, sirve como unidad central de procesamiento para el flujo de trabajo de Computer Vision.
Cerca de la parte superior de la red, el diseño de la red neuronal HydraNet se divide en varias ramas (o cabezas). Al hacer que cada microlote de datos de entrenamiento se pondere de manera diferente para las muchas cabezas, estas cabezas se enseñan de forma independiente y aprenden cosas distintas.
Por supuesto, hay varias instancias de estas HydraNets trabajando juntas para procesar la IA para los vehículos. La información de cada HydraNet se utiliza para solucionar problemas recurrentes.
Por ejemplo, una tarea puede estar activa para gestionar las señales de alto, otra para gestionar los peatones y otra para examinar las señales de tráfico. Estos deberes distintos son todos operados por una columna vertebral común.
Según la arquitectura de HydraNet, solo se necesita una pequeña fracción de la enorme red neuronal para cada una de estas tareas.
Esto es bastante similar al aprendizaje por transferencia, donde se entrenan distintos bloques para un bloque común para ciertas tareas relacionadas. La columna vertebral de las HydraNets se entrena en una variedad de cosas, mientras que a los jefes se les enseña en trabajos particulares.
Esto reduce la cantidad de tiempo necesario para entrenar el modelo y acelera la inferencia.
Tesla Piloto automático
Los automóviles con capacidades de piloto automático pueden conducir, acelerar y detenerse de manera autónoma en un carril. Se construye utilizando conceptos de redes neuronales profundas. Observa el área que rodea al automóvil mediante cámaras, sensores ultrasónicos y radar.
Los sensores y las cámaras informan a los conductores de su entorno, y esta información se analiza en cuestión de milisegundos para ayudar a que la conducción sea más segura y menos estresante.
En circunstancias climáticas brillantes, oscuras y diversas, el radar se utiliza para observar y estimar el espacio que rodea a los automóviles. En cada situación, los métodos ultravioleta determinan la cercanía y el video pasivo identifica objetos cercanos y promueve una conducción segura.
Además, el piloto automático está diseñado para ayudar al conductor y no transforma un Tesla en un vehículo autónomo. Es una práctica común advertir a los conductores que mantengan las manos en el volante.
Si no lo hace, se activan una serie de alertas para tomar el volante. Si se ignora durante mucho más tiempo, el automóvil comienza a reducir la velocidad antes de detenerse. Al frenar, girar o desactivar la palanca del control de crucero, los conductores siempre pueden anular las funciones del piloto automático.
Vista panorámica
Las imágenes que interpreta el hardware de Tesla a menudo pueden necesitar dimensiones adicionales. La función Bird's Eye View facilita la medición de distancias más lejanas y ofrece una representación más precisa del mundo exterior.
Es un sistema de monitoreo visual que "representa" una imagen de la vista superior de un automóvil para simplificar el estacionamiento y la navegación en lugares pequeños. Sin tener que proporcionar una justificación poco convincente sobre sus habilidades de estacionamiento, ahora puede tomar el volante de manera segura.
Futuro de Tesla
Si está buscando un SUV de tamaño medio con una gran autonomía, el 2022 Tesla Modelo Y es un fantástico punto de partida para los vehículos eléctricos. Debido a las actualizaciones regulares de software, el Model Y cambia constantemente, al igual que muchos de los otros productos de Tesla.
Al mejorar la seguridad y la funcionalidad, estas actualizaciones ayudan a que su automóvil sea más útil. Para las personas que necesitan viajar largas distancias con la familia y varios equipajes, el cuerpo espacioso y el acceso a la red Supercharger de Tesla lo convierten en una opción maravillosa.
Desde sus inicios, Tesla se ha beneficiado de los datos de su actual base de clientes, y su trabajo en vehículos autónomos es parte de su ambición continua de colocar la IA en el centro de todas sus operaciones.
La inteligencia artificial y los grandes datos seguirán siendo Elon Musk y su equipo en los fieles aliados de Tesla a medida que avanzan hacia sus iniciativas más recientes, incluidas sus aspiraciones de transformar la red eléctrica con sus paneles de energía solar domésticos.
Conclusión
Tesla, una empresa reconocida como una de las innovadoras más agresivas del mercado, siempre ha hecho de la recopilación y el análisis de datos su herramienta más poderosa. Siguieron las mismas reglas a la hora de crear sus propios chips.
La empresa ha desarrollado vehículos autónomos que tienen el potencial de cambiar por completo la forma en que conducimos los automóviles gracias a la inteligencia artificial y el análisis de datos.
Veamos qué tan bien la plataforma cumple sus promesas y desarrolla su negocio. Queda por ver hacia dónde irá la empresa en el mercado de vehículos autónomos en el futuro después de aprovechar estas tecnologías.
Deje un comentario