Nendele mõeldes võite eeldada, et Tesla on autotööstuses tuntud nimi. Tesla, elektriautode pioneer, on kahtlemata. Kuid nad on tehnoloogiaettevõte, mis on nende edu saladus.
Üks asi, mis on nende äri edukaks teinud, on selle kasutamine tehisintellekti tehnoloogiaid. Tesla sõidukite täielik automatiseerimine on üks ettevõtte praegustest peamistest prioriteetidest ning selle eesmärgi saavutamiseks kasutavad nad tehisintellekti ja selle paljusid komponente.
Teatades selle saabumisest 2021. aasta alguses, Teslal tekitas subkontinendil segadust. Elon Musk on peaaegu valmis rajama Indias Bangalore'i Tesla India tootmiskeskuseks.
India tehisintellektieksperdid rõõmustasid, kui jätkusid meemid ja säutsud selle kohta, kuidas palju kiidetud "isejuhtivad autod" Indias toimivad.
Terve tehisintellekti laine, mis lõpuks maakera valitsema hakkab, on alles algamas.
See postitus uurib põhjalikult, kuidas Tesla integreerib tehisintellekti oma süsteemi, sealhulgas üksikasju ja muud teavet.
Niisiis, kuidas AI õpetab autodes autonoomset sõitmist?
Autonoomsed sõidukid analüüsivad pidevalt oma andurite ja masinnägemiskaamerate andmeid, et saaksid iseseisvalt sõita. Seejärel kasutavad nad neid andmeid, et otsustada, mida edasi teha.
Nad kasutavad tehisintellekti, et mõista ja ennustada jalgrataste, jalakäijate ja autode järgmisi liikumisi. Nad saavad seda teavet kasutada oma tegevuste kiireks planeerimiseks ja otsuste tegemiseks sekundi murdosa jooksul.
Kas auto peaks jätkama oma praegusel sõidurajal või vahetama rada? Kas see peaks jätkama samas kohas või mööduma nende ees olevast autost? Millal peaks sõiduk aeglustama või kiirendama?
Tesla peab koguma sobivad andmed, et treenida algoritme ja toita oma tehisintellekti, et muuta autod täiesti autonoomseks. Parem jõudlus tuleneb alati rohkematest treeningandmetest ja Tesla särab selles valdkonnas.
Asjaolu, et Tesla hangib kõik oma andmed sadadelt tuhandetelt Tesla sõidukitelt, mis praegu teel on, annab neile konkurentsieelise. Nii sise- kui ka välisandurid jälgivad Tesla käitumist erinevates olukordades.
Samuti koguvad nad teavet juhi käitumise kohta, sealhulgas selle kohta, kuidas nad teatud asjaoludele reageerivad ja kui sageli nad puudutavad rooli või armatuurlauda.
“Imitatsiooniõpe” on Tesla strateegia nimi. Miljonid tõelised autojuhid üle kogu maailma teevad otsuseid, reageerivad ja liiguvad ning nende algoritmid õpivad nendest tegevustest. Kõigi nende kilomeetrite tulemuseks on uskumatult keerukad autonoomsed sõidukid.
Nende jälgimissüsteem on tõesti arenenud. Näiteks salvestab Tesla hetkeandmete hetketõmmise, lisab selle andmekogumisse ja loob seejärel maailma abstraktse esituse, kasutades värvikoodiga kujundeid, mida Närvivõrgus saab õppida. See juhtub siis, kui Tesla sõiduk ennustab auto või jalgratta käitumist valesti.
Teised autonoomseid sõidukeid arendavad ettevõtted toetuvad sünteetilised andmed, mis on oluliselt vähem tõhus kui tegelikud andmed, mida Tesla kasutab oma tehisintellekti treenimiseks (nt videomängude nagu Grand Theft Auto sõidukäitumine).
Nüüd uurime Tesla komponente, mis kasutavad AI-d ära.
Tesla komponendid, mis kasutavad tehisintellekti ära
Kaamera ja andurid
Kohustused, mida Tesla peab täitma, on üsna hästi teada. Kõik need toimingud, alates sõiduraja tuvastamisest kuni jalakäijate jälgimiseni, tehakse reaalajas. Tesla töötas sel põhjusel 8 kaamera abil. Lisaks tagab selle arvukate kaamerate olemasolu pimeda tsooni puudumise ja kogu auto ümbritseva ala kaetud.
See on tõsi, mida te just lugesite! no LIDAR Puudub süsteem kõrglahutusega kaardistamiseks. Tesla soovib kasutada ainult arvutinägemist, masinõpeja kaamera videokanalid automaatse piloodi mudeli loomiseks. Seejärel kasutatakse toorvideo analüüsimiseks konvolutsioonilisi närvivõrke (CNN), et jälgida ja tuvastada objekte.
Tesla autopiloot on lisaks kaameratele ka radar- ja ultraheliandurid. Radarit kasutatakse sõidukite ja muude objektide vahelise kauguse tuvastamiseks ja mõõtmiseks. Juhi ohutuse optimeerimiseks toimivad ultraheliandurid ka vastavalt passiivsete objektide läheduse jälgimisele.
Selleks, et mõista auto ümbrust ja muuta autopiloodi võimalused võimalikult tundlikuks, on Tesla riistvaraga integreeritud närvivõrgud.
Tesla FSD kiip -3
Parema jõudluse ja ohutuse tagamiseks teedel on Tesla süsteemidel kaks AI-protsessorit. Tesla süsteem püüab olla vigadeta. Isegi kui üks seade ebaõnnestub, saab auto varutoite- ja andmesisestusallikate tõttu siiski täiendavaid seadmeid kasutades töötada.
Tesla kasutab neid lisameetmeid tagamaks, et autod on hästi varustatud, et vältida kokkupõrkeid ettenägematu rikke korral. Ainult inimese aju suudab sooritada rohkem toiminguid sekundis kui uus Tesla mikroprotsessor (1 kvadriljon toimingut sekundis). See on umbes 21 korda võimsam kui varem kasutusel olnud Tesla Nvidia mikrokiibid.
Tesla on kahtlemata täielikult autonoomsete vedurite turuliider, kuid tipptasemel autopilootauto tootmisest on ta veel kaugel.
Tulevikus muutub auto, millel on selles essees kirjeldatud omadused, kahtlemata tavaliseks. Tesla on loonud oma tipptasemel AI protsessorid ja närvivõrgu arhitektuuri.
Närvivõrgu koolitus
Mudelit tuleb ka pärast närvivõrke koolitada on loodud. Oleme teadlikud, et Tesla on kasutusele võtnud laia valiku teeke ja tööriistu, et võimaldada tipptasemel arvutinägemisvõimalusi.
pütorch, mille lõi Facebooki AI-uuringute osakond, on üks selline raamistik (FAIR). PyTorchi kasutab Tesla tehnikapakk süvaõppe mudeli treenimiseks.
On tähelepanuväärne, et Tesla ei tugine täieliku autonoomia saavutamiseks kaartidele ega LIDAR-ile. Kasutatakse ainult kaameraid ja puhast arvutinägemist ning kõik toimub reaalajas.
Tesla kasutab Pytorchi nii treeninguteks kui ka erinevateks abitegevusteks nagu automatiseeritud töövoog ajakava koostamine, mudelilävede kalibreerimine, põhjalik hindamine, passiivne testimine, simulatsioonitestid jne.
Tesla kulutab ligikaudu 70,000 48 GPU tundi, et treenida 1,000 võrku, mis teevad 1000 erinevat ennustust. See koolitus on pidev, mitte ainult üks kord. Oleme teadlikud, et tehisintellekt on iteratiivne protsess, mis aja jooksul areneb. Selle tulemusena jäävad kõik XNUMX eraldi prognoosi täpseks ega kõiguta kunagi.
HydraNet
Igal ajahetkel on pooleli umbes 100 tööd, isegi kui auto ei liigu ja on suure tõenäosusega ristteel. Närvivõrgu kasutamine iga ülesande jaoks on kulukas ja ebaefektiivne. Tesla sõidukite tehisintellekt töötleb reaalajas tohutul hulgal teavet.
Selle tulemusena toimib ResNet-50 jagatud magistraal, mis suudab korraga töödelda 1000 x 1000 pilti, Computer Visioni töövoo keskseadmena.
Võrgu ülaosa lähedal jaguneb HydraNeti närvivõrgu disain mitmeks haruks (või peaks). Kuna iga treeningandmete mikropartii on paljude peade jaoks erinevalt kaalutud, õpetatakse neid päid iseseisvalt ja nad õpivad erinevaid asju.
Muidugi on mitu juhtumit, kus need HydraNetid töötavad koos, et töödelda sõidukite tehisintellekti. Iga HydraNeti teavet kasutatakse korduvate probleemide lahendamiseks.
Näiteks võib üks ülesanne olla aktiivne stoppmärkide käsitsemiseks, teine jalakäijatega tegelemiseks ja teine liiklusfooride uurimine. Neid erinevaid ülesandeid täidab ühine selgroog.
Vastavalt HydraNeti arhitektuurile on iga ülesande jaoks vaja vaid väikest osa tohutust närvivõrgust.
See on üsna sarnane ülekandmisõppega, kus teatud seotud ülesannete jaoks koolitatakse ühiseid plokke. HydraNetside selgroog on koolitatud mitmesuguste asjade jaoks, samas kui peadele õpetatakse teatud töökohti.
See vähendab mudeli treenimiseks kuluvat aega ja kiirendab järelduste tegemist.
Tesla autopiloot
Autopiloodiga autod saavad sõidurajal iseseisvalt juhtida, kiirendada ja peatuda. See on konstrueeritud sügava närvivõrgu kontseptsioonide abil. See jälgib kaamerate, ultraheliandurite ja radari abil autot ümbritsevat ala.
Andurid ja kaamerad teadvustavad juhte ümbritsevat ning seda teavet analüüsitakse mõne millisekundi jooksul, et muuta sõitmine turvalisemaks ja stressivabamaks.
Heledates, pimedates ja erinevates ilmastikuoludes kasutatakse radarit autode ümbritseva ruumi vaatlemiseks ja hindamiseks. Igas olukorras määravad ultraviolettkiirguse meetodid läheduse ning passiivne video tuvastab läheduses olevad objektid ja soodustab ohutut liiklemist.
Lisaks on autopiloot mõeldud juhi abistamiseks ega muuda Teslat isejuhtivaks sõidukiks. Tavapärane on hoiatada juhte, et nad hoiaksid käsi roolil.
Kui te seda ei tee, käivitub rida hoiatusi rooli asumiseks. Kui seda kauem ignoreeritakse, hakkab auto enne peatumist aeglustuma. Pidurdamise, pööramise või püsikiiruse regulaatori hoova väljalülitamisega saavad juhid alati autopiloodi funktsioone tühistada.
Linnulennult
Pildid, mida Tesla riistvara sageli tõlgendab, võivad vajada lisamõõtmeid. Linnulennuvaade muudab kaugemate vahemaade mõõtmise lihtsamaks ja pakub välismaailma täpsemat esitust.
See on visuaalne jälgimissüsteem, mis "renderdab" auto pealtvaates, et muuta parkimine lihtsaks ja väikestes kohtades navigeerimine lihtsamaks. Ilma, et peaksite oma parkimisvõime kohta labaseid põhjendusi esitama, võite nüüd turvaliselt rooli istuda.
Tesla tulevik
Kui otsite suure ulatusega keskmise suurusega linnamaasturit, 2022 Tesla Model Y on elektrisõidukite jaoks suurepärane lähtepunkt. Regulaarsete tarkvarauuenduste tõttu muutub Model Y pidevalt, sarnaselt paljudele teistele Tesla toodetele.
Suurendades ohutust ja funktsionaalsust, aitavad need uuendused teie autol olla kasulikum. Inimestele, kes peavad pere ja erineva pagasiga pikki vahemaid reisima, teeb ruumikas korpus ja juurdepääs Tesla Superchargeri võrgule suurepärase valiku.
Tesla on algusest peale saanud kasu oma praeguse kliendibaasi andmetest ja tema töö autonoomsete sõidukite kallal on osa tema jätkuvast ambitsioonist asetada AI kõigi oma tegevuste keskmesse.
Tehisintellekt ja suurandmed on jätkuvalt Elon Musk ja tema meeskond Tesla ustavate liitlaste juures, kui nad liiguvad oma uusimate algatuste juurde, sealhulgas nende püüdlustesse muuta elektrivõrk oma koduste päikesepaneelide abil.
Järeldus
Turu üheks agressiivsemaks uuendajaks tunnistatud ettevõte Tesla on alati teinud andmete kogumise ja analüüsi oma võimsaima tööriista. Nad järgisid samu reegleid oma kiipide loomisel.
Ettevõte on välja töötanud autonoomseid sõidukeid, millel on tänu tehisintellektile ja andmeanalüüsile potentsiaal täielikult muuta seda, kuidas me autodega sõidame.
Vaatame, kui hästi platvorm oma lubadusi peab ja oma äri arendab. Kuhu ettevõte autonoomsete sõidukite turul tulevikus suundub, jääb pärast nende tehnoloogiate rakendamist näha.
Jäta vastus