وقتی به تسلا فکر می کنید، می توانید تصور کنید که تسلا نامی شناخته شده در صنعت خودرو است. تسلا، پیشگام در خودروهای الکتریکی، بدون شک است. با این حال، آنها یک شرکت فناوری هستند که راز موفقیت آنهاست.
یکی از مواردی که باعث موفقیت کسب و کار آنها شده استفاده از آن است هوش مصنوعی فن آوری ها اتوماسیون کامل وسایل نقلیه تسلا یکی از اولویت های اصلی فعلی این شرکت است و برای رسیدن به این هدف، آنها از هوش مصنوعی و بسیاری از اجزای آن استفاده می کنند.
با اعلام ورود آن در ابتدای سال 2021، تسلا غوغایی در شبه قاره ایجاد کرد. ایلان ماسک تقریباً آماده است تا بنگلور هند را به عنوان قطب تولید تسلا هند تأسیس کند.
کارشناسان هوش مصنوعی در هند در حالی که میمها و توییتها در مورد نحوه عملکرد «خودروهای خودران» بسیار تحسینشده در هند ادامه پیدا میکنند، تشویق میکنند.
موج کامل هوش مصنوعی که در نهایت بر جهان حکومت خواهد کرد، تازه شروع شده است.
این پست به طور عمیق به بررسی نحوه ادغام هوش مصنوعی تسلا در سیستم خود، از جمله مشخصات و سایر اطلاعات، می پردازد.
بنابراین، هوش مصنوعی چگونه رانندگی خودران در اتومبیل را آموزش می دهد؟
وسایل نقلیه خودمختار به طور مداوم داده های حسگرها و دوربین های بینایی ماشین خود را تجزیه و تحلیل می کنند تا بتوانند به طور مستقل رانندگی کنند. آنها سپس از این داده ها برای تصمیم گیری در مورد اقدامات بعدی استفاده می کنند.
آنها از هوش مصنوعی برای درک و پیش بینی حرکت های بعدی دوچرخه ها، عابران پیاده و خودروها استفاده می کنند. آنها می توانند از این اطلاعات برای برنامه ریزی سریع اقدامات خود و تصمیم گیری در چند ثانیه استفاده کنند.
آیا خودرو باید در خط فعلی خود ادامه دهد یا باید مسیر را تغییر دهد؟ آیا باید همان جایی که هست ادامه دهد یا از جلوی ماشین عبور کند؟ چه زمانی خودرو باید سرعت خود را کاهش دهد یا سرعت خود را افزایش دهد؟
تسلا باید داده های مناسب را برای آموزش الگوریتم ها و تغذیه هوش مصنوعی خود جمع آوری کند تا خودروها را کاملاً خودمختار کند. عملکرد بهتر همیشه از داده های آموزشی بیشتر حاصل می شود و تسلا در این زمینه می درخشد.
این واقعیت که تسلا تمام داده های خود را از صدها هزار وسیله نقلیه تسلا که اکنون در جاده ها هستند جمع آوری می کند، به آنها مزیت رقابتی می دهد. سنسورهای داخلی و خارجی هر دو نحوه رفتار تسلا را در شرایط مختلف ردیابی می کنند.
آنها همچنین اطلاعاتی را در مورد رفتار راننده جمع آوری می کنند، از جمله نحوه واکنش آنها به شرایط خاص و دفعات تماس آنها با فرمان یا داشبورد.
"یادگیری تقلید" نام استراتژی تسلا است. میلیونها راننده واقعی در سراسر جهان قضاوت میکنند، پاسخ میدهند و حرکت میکنند و الگوریتمهای آنها از این اقدامات درس میگیرند. تمام این کیلومترها منجر به خودروهای خودمختار فوق العاده پیچیده می شود.
سیستم ردیابی آنها واقعا پیشرفته است. به عنوان مثال، تسلا یک عکس لحظهای از لحظه را ذخیره میکند، آن را به مجموعه دادهها اضافه میکند و سپس یک نمایش انتزاعی از جهان را با استفاده از اشکال کد رنگی که شبکه های عصبی می تواند از. این زمانی اتفاق می افتد که یک وسیله نقلیه تسلا رفتار یک ماشین یا دوچرخه را به اشتباه پیش بینی کند.
سایر مشاغلی که وسایل نقلیه خودران را توسعه می دهند به آنها متکی هستند داده های مصنوعی، که به طور قابل توجهی کمتر از داده های دنیای واقعی استفاده شده توسط تسلا برای آموزش هوش مصنوعی خود (به عنوان مثال، رفتار رانندگی از بازی های ویدیویی مانند Grand Theft Auto) موثر است.
اکنون به بررسی اجزای تسلا میپردازیم که از هوش مصنوعی بهره میبرند.
اجزای تسلا که از هوش مصنوعی بهره می برند
دوربین و سنسور
مسئولیت هایی که تسلا باید انجام دهد کاملاً شناخته شده است. همه این عملیات، از شناسایی خطوط تا ردیابی عابر پیاده، در زمان واقعی انجام می شود. تسلا به همین دلیل با کمک 8 دوربین کار می کرد. علاوه بر این، وجود این تعداد دوربین تضمین می کند که منطقه کور وجود ندارد و کل اطراف خودرو پوشیده شده است.
درست است آنچه را که خواندید! بدون LIDAR هیچ سیستمی برای نقشه برداری با کیفیت بالا وجود ندارد. تسلا می خواهد فقط از بینایی کامپیوتری استفاده کند، فراگیری ماشینو فیدهای ویدیویی دوربین برای ایجاد مدل خلبان خودکار. سپس از شبکه های عصبی کانولوشنال (CNN) برای تجزیه و تحلیل ویدیوی خام به منظور ردیابی و ردیابی استفاده می شود تشخیص اشیاء.
تلسوس اتوماتیک علاوه بر دوربین دارای حسگرهای رادار و اولتراسونیک نیز می باشد. رادار برای تشخیص و اندازه گیری جدایی بین وسایل نقلیه و سایر اشیاء استفاده می شود. به منظور بهینه سازی ایمنی راننده، سنسورهای اولتراسونیک نیز مطابق با نظارت بر نزدیکی با اجسام غیرفعال عمل می کنند.
به منظور درک محیط اطراف خودرو و پاسخگویی به قابلیتهای خلبان خودکار، شبکههای عصبی با سختافزار تسلا یکپارچه شدهاند.
تراشه FSD تسلا -3
برای بهبود عملکرد و ایمنی در جاده ها، سیستم های تسلا شامل دو پردازنده هوش مصنوعی است. سیستم تسلا تلاش می کند تا بدون خطا باشد. حتی اگر یک واحد از کار بیفتد، خودرو همچنان میتواند با استفاده از واحدهای اضافی به دلیل منبع برق پشتیبان و ورودی داده کار کند.
تسلا از این اقدامات اضافی استفاده می کند تا مطمئن شود خودروها به خوبی مجهز هستند تا در صورت خرابی پیش بینی نشده از برخورد جلوگیری کنند. فقط مغز انسان می تواند در هر ثانیه عملیات بیشتری نسبت به ریزپردازنده جدید تسلا (1 کوادریلیون عملیات در ثانیه) اجرا کند. این حدود 21 برابر قوی تر از ریزتراشه های تسلا انویدیا است که قبلاً استفاده می شد.
Tاسلا بدون شک یک پیشرو در بازار برای لوکوموتیوهای کاملاً خودمختار است، اما هنوز تا تولید یک ماشین خلبان خودکار پیشرفته فاصله زیادی دارد.
در آینده، خودرویی با ویژگی هایی که در این مقاله بیان کردیم، بدون شک رایج خواهد شد. تسلا پردازنده های پیشرفته هوش مصنوعی و معماری شبکه عصبی خود را ایجاد کرده است.
آموزش شبکه های عصبی
این مدل نیز باید پس از شبکه های عصبی آموزش داده شود ایجاد شده است. ما می دانیم که تسلا طیف گسترده ای از کتابخانه ها و ابزارها را به منظور ایجاد قابلیت های بینایی کامپیوتری پیشرفته در محل قرار داده است.
پایتورچیکی از این چارچوب ها (FAIR) است که توسط بخش تحقیقات هوش مصنوعی فیس بوک ایجاد شده است. PyTorch توسط پشته فناوری تسلا برای آموزش مدل یادگیری عمیق
قابل توجه است که تسلا برای دستیابی به استقلال کامل به نقشه ها یا LIDAR متکی نیست. دوربین ها و بینایی کامپیوتر خالص منحصراً استفاده می شوند و همه چیز در زمان واقعی انجام می شود.
تسلا از Pytorch برای آموزش و همچنین فعالیت های کمکی مختلف مانند گردش کار خودکار زمانبندی، کالیبراسیون آستانههای مدل، ارزیابی کامل، آزمایش غیرفعال، آزمایشهای شبیهسازی و غیره.
تسلا تقریباً 70,000 ساعت GPU را صرف آموزش 48 شبکه می کند که 1,000 پیش بینی متمایز را انجام می دهند. این آموزش مداوم است، نه فقط یک بار. ما می دانیم که هوش مصنوعی یک فرآیند تکراری است که در طول زمان پیشرفت می کند. در نتیجه، همه 1000 پیش بینی جداگانه دقیق باقی می مانند و هرگز تزلزل نمی کنند.
HydraNet
در هر زمان حدود 100 شغل در حال انجام است، حتی زمانی که یک خودرو حرکت نمی کند و به احتمال زیاد در یک چهارراه قرار دارد. استفاده از شبکه عصبی برای هر کاری پرهزینه و بی اثر است. حجم عظیمی از اطلاعات در زمان واقعی توسط هوش مصنوعی در خودروهای تسلا پردازش می شود.
در نتیجه، ستون فقرات مشترک ResNet-50، که می تواند 1000 در 1000 عکس را به طور همزمان پردازش کند، به عنوان واحد پردازش مرکزی برای گردش کار Computer Vision عمل می کند.
در نزدیکی بالای شبکه، طراحی شبکه عصبی HydraNet به چندین شاخه (یا سر) تقسیم می شود. با وزن دهی متفاوت هر میکرو دسته از داده های آموزشی برای تعداد زیادی از سرها، این هدها به طور مستقل آموزش داده می شوند و چیزهای متفاوتی را یاد می گیرند.
البته، چندین نمونه از این HydraNets وجود دارد که با هم کار می کنند تا هوش مصنوعی وسایل نقلیه را پردازش کنند. اطلاعات هر HydraNet برای رفع مشکلات تکرار شونده استفاده می شود.
به عنوان مثال، یک وظیفه می تواند برای کنترل علائم ایست، دیگری برای برخورد با عابران پیاده، و دیگری برای بررسی علائم راهنمایی و رانندگی فعال باشد. این وظایف متمایز همه توسط یک ستون فقرات مشترک انجام می شود.
با توجه به معماری HydraNet، تنها بخش کوچکی از شبکه عصبی عظیم برای هر یک از این وظایف مورد نیاز است.
این کاملاً شبیه به یادگیری انتقال است، که در آن بلوکهای مجزا برای یک بلوک مشترک برای کارهای مرتبط خاص آموزش داده میشوند. ستون فقرات HydraNets در مورد چیزهای مختلف آموزش داده می شود، در حالی که سران در مشاغل خاص آموزش داده می شوند.
این مقدار زمان مورد نیاز برای آموزش مدل را کاهش می دهد و سرعت استنتاج را افزایش می دهد.
خلبان اتوماتیک تسلا
خودروهای با قابلیت خلبان خودکار میتوانند بهطور مستقل در یک خط هدایت کنند، شتاب بگیرند و متوقف شوند. با استفاده از مفاهیم شبکه عصبی عمیق ساخته شده است. با استفاده از دوربینها، حسگرهای اولتراسونیک و رادار، اطراف خودرو را رصد میکند.
رانندگان با حسگرها و دوربین ها از محیط اطراف خود آگاه می شوند و این اطلاعات در چند میلی ثانیه تجزیه و تحلیل می شود تا به رانندگی ایمن تر و کم استرس تر کمک کند.
در شرایط آب و هوایی روشن، تاریک و مختلف، از رادار برای مشاهده و تخمین فضای اطراف خودروها استفاده می شود. در هر شرایطی، روشهای فرابنفش نزدیکی را تعیین میکنند و ویدیوی غیرفعال اشیاء نزدیک را شناسایی میکند و رانندگی ایمن را ترویج میکند.
علاوه بر این، خلبان خودکار برای کمک به راننده طراحی شده است و تسلا را به یک وسیله نقلیه خودران تبدیل نمی کند. اخطار دادن به رانندگان برای نگه داشتن دست روی فرمان معمول است.
اگر این کار را نکنید، یک سری هشدار برای گرفتن چرخ فعال می شود. اگر مدت طولانی تری نادیده گرفته شود، خودرو قبل از توقف شروع به کاهش سرعت می کند. با ترمز کردن، چرخاندن یا غیرفعال کردن دسته کروز کنترل، رانندگان همیشه می توانند عملکرد خلبان خودکار را نادیده بگیرند.
نمای چشم پرنده
تصاویری که سخت افزار تسلا اغلب تفسیر می کند ممکن است به ابعاد اضافی نیاز داشته باشد. ویژگی Bird's Eye View اندازه گیری فواصل دورتر را آسان تر می کند و نمایش دقیق تری از دنیای بیرون ارائه می دهد.
این یک سیستم مانیتورینگ بصری است که یک تصویر نمای بالا از یک خودرو را ارائه میکند تا پارکینگ را ساده کند و در مکانهای کوچک راحتتر حرکت کند. بدون نیاز به ارائه یک توجیه ساده در مورد توانایی های پارکینگ خود، اکنون می توانید با خیال راحت فرمان را در دست بگیرید.
آینده تسلا
اگر به دنبال یک SUV سایز متوسط با برد قوی هستید، تسلا مدل Y 2022 نقطه شروع فوق العاده ای برای خودروهای برقی است. به دلیل ارتقای نرم افزاری منظم، مدل Y مانند بسیاری از محصولات دیگر تسلا، دائما در حال تغییر است.
با افزایش ایمنی و عملکرد، این ارتقاء به خودروی شما کمک می کند تا مفیدتر باشد. برای افرادی که نیاز به سفرهای طولانی با خانواده و چمدان های مختلف دارند، بدنه جادار و دسترسی به شبکه سوپرشارژر تسلا آن را به یک انتخاب فوق العاده تبدیل کرده است.
از زمان شروع، تسلا از دادههای پایگاه مشتریان فعلیاش بهره برده است و کارش بر روی وسایل نقلیه خودران بخشی از جاهطلبی همیشگی آن برای قرار دادن هوش مصنوعی در هسته تمام عملیاتهایش است.
هوش مصنوعی و کلان داده همچنان ایلان ماسک و تیمش در متحدان وفادار تسلا خواهند بود زیرا آنها به سمت جدیدترین ابتکارات خود از جمله آرزوهایشان برای تغییر شبکه برق با پانل های انرژی خورشیدی خانگی خود حرکت می کنند.
نتیجه
تسلا، شرکتی که به عنوان یکی از تهاجمیترین مبتکران بازار شناخته میشود، همواره جمعآوری و تجزیه و تحلیل دادهها را قدرتمندترین ابزار خود قرار داده است. زمانی که نوبت به ایجاد تراشه های خود می شد، آنها از قوانین مشابهی پیروی می کردند.
این کسب و کار وسایل نقلیه خودرانی را توسعه داده است که به لطف هوش مصنوعی و تجزیه و تحلیل داده ها، این پتانسیل را دارند که نحوه رانندگی ما را به طور کامل تغییر دهند.
بیایید ببینیم این پلتفرم چقدر به وعده های خود عمل می کند و تجارت خود را توسعه می دهد. اینکه این شرکت در آینده در بازار خودروهای خودران به کجا خواهد رفت، باید بعد از استفاده از این فناوری ها مشخص شود.
پاسخ دهید