Vous pourriez présumer que Tesla est un nom bien connu dans l'industrie automobile quand vous pensez à eux. Tesla, pionnier de l'automobile électrique, l'est sans aucun doute. Cependant, ils sont une entreprise technologique, ce qui est le secret de leur succès.
L'une des choses qui ont fait le succès de leur entreprise est l'utilisation de intelligence artificielle les technologies. L'automatisation complète des véhicules de Tesla est l'une des principales priorités actuelles de l'entreprise, et pour atteindre cet objectif, ils utilisent l'IA et ses nombreux composants.
En annonçant son arrivée début 2021, Tesla fait sensation dans le sous-continent. Elon Musk est presque prêt à établir Bangalore, en Inde, en tant que centre de fabrication de Tesla India.
Les experts de l'IA en Inde ont applaudi alors que les mèmes et les tweets concernant la façon dont les «voitures autonomes» tant appréciées fonctionneront en Inde se poursuivaient.
Toute une vague d'intelligence artificielle qui finira par régner sur le monde ne fait que commencer.
Cet article examinera en profondeur comment Tesla intègre l'IA dans son système, y compris les détails et d'autres informations.
Alors, comment l'IA enseigne-t-elle la conduite autonome dans les voitures ?
Véhicules autonomes analysent en permanence les données de leurs capteurs et caméras de vision industrielle afin de pouvoir conduire de manière autonome. Ils utilisent ensuite ces données pour décider quoi faire ensuite.
Ils utilisent l'IA pour comprendre et prédire les prochains mouvements des vélos, des piétons et des voitures. Ils peuvent utiliser ces informations pour planifier rapidement leurs actions et prendre des décisions en une fraction de seconde.
L'automobile doit-elle continuer dans sa voie actuelle ou doit-elle changer de voie ? Doit-il continuer là où il est ou dépasser l'automobile devant eux ? Quand le véhicule doit-il ralentir ou accélérer ?
Tesla doit rassembler les données appropriées pour former les algorithmes et alimenter ses IA afin de rendre les voitures complètement autonomes. De meilleures performances résulteront toujours de plus de données d'entraînement, et Tesla brille dans ce domaine.
Le fait que Tesla collecte toutes ses données auprès des centaines de milliers de véhicules Tesla actuellement en circulation leur confère un avantage concurrentiel. Les capteurs internes et externes suivent le comportement de Tesla dans diverses circonstances.
Ils recueillent également des informations sur le comportement du conducteur, y compris la façon dont il réagit à certaines circonstances et la fréquence à laquelle il touche le volant ou le tableau de bord.
"L'apprentissage par imitation" est le nom de la stratégie de Tesla. Des millions de vrais conducteurs à travers le monde émettent des jugements, réagissent et se déplacent, et leurs algorithmes apprennent de ces actions. Tous ces kilomètres se traduisent par des véhicules autonomes incroyablement sophistiqués.
Leur système de suivi est vraiment avancé. Par exemple, Tesla stocke un instantané de données du moment, l'ajoute à l'ensemble de données, puis recrée une représentation abstraite du monde à l'aide de formes codées par couleur que le Réseau neuronal peut apprendre de. Cela se produit lorsqu'un véhicule Tesla prédit de manière incorrecte le comportement d'une voiture ou d'un vélo.
D'autres entreprises développant des véhicules autonomes comptent sur données synthétiques, ce qui est nettement moins efficace que les données du monde réel utilisées par Tesla pour former ses IA (par exemple, le comportement de conduite de jeux vidéo comme Grand Theft Auto).
Nous allons maintenant examiner les composants Tesla qui tirent parti de l'IA.
Composants Tesla qui tirent parti de l'IA
Caméra et capteurs
Les responsabilités que Tesla doit assumer sont assez bien connues. Toutes ces opérations, de l'identification des voies au suivi des piétons, sont réalisées en temps réel. Tesla a fonctionné à l'aide de 8 caméras pour cette raison. De plus, la présence de ces nombreuses caméras garantit qu'il n'y a pas de zone aveugle et que toute la zone autour de la voiture est couverte.
C'est vrai ce que vous venez de lire ! pas de LIDAR Pas de système de cartographie haute définition. Tesla veut utiliser uniquement la vision par ordinateur, machine learninget les flux vidéo de la caméra pour créer le modèle de pilote automatique. Les réseaux de neurones convolutifs (CNN) sont ensuite utilisés pour analyser la vidéo brute afin de suivre et détecter des objets.
Pilote automatique Tesla dispose également de capteurs radar et à ultrasons en plus des caméras. Le radar est utilisé pour détecter et mesurer la distance entre les véhicules et les autres objets. Afin d'optimiser la sécurité du conducteur, les capteurs à ultrasons fonctionnent également en fonction de la surveillance de la proximité avec des objets passifs.
Afin de comprendre l'environnement de la voiture et de rendre les capacités du pilote automatique aussi réactives que possible, des réseaux de neurones sont intégrés au matériel Tesla.
Puce Tesla FSD-3
Pour améliorer les performances et la sécurité sur les routes, les systèmes Tesla incluent deux processeurs d'IA. Le système Tesla s'efforce d'être sans erreur. Même si une unité tombe en panne, l'automobile peut toujours fonctionner en utilisant les unités supplémentaires en raison de l'alimentation de secours et des sources d'entrée de données.
Tesla utilise ces mesures supplémentaires pour s'assurer que les voitures sont bien équipées pour éviter les collisions en cas de panne imprévue. Seulement le cerveau humain peut exécuter plus d'opérations par seconde que le nouveau microprocesseur Tesla (1 quadrillion d'opérations par seconde). C'est environ 21 fois plus puissant que les micropuces Tesla Nvidia qui étaient auparavant utilisées.
Tesla est sans aucun doute un leader du marché des locomotives entièrement autonomes, mais elle est encore loin de produire une voiture à pilote automatique de pointe.
À l'avenir, une automobile avec les qualités que nous avons décrites dans cet essai deviendra sans aucun doute monnaie courante. Tesla a créé ses propres processeurs d'intelligence artificielle et architecture de réseau neuronal de pointe.
Formation sur les réseaux neuronaux
Le modèle doit également être formé après les réseaux de neurones a été créé. Nous sommes conscients que Tesla a mis en place une large gamme de bibliothèques et d'outils afin de permettre des capacités de vision par ordinateur de pointe.
Pytorche, qui a été créé par le département AI Research de Facebook, est l'un de ces frameworks (FAIR). PyTorch est utilisé par le Pile technologique Tesla pour former le modèle d'apprentissage en profondeur.
Il est à noter que Tesla ne s'appuie pas sur des cartes ou LIDAR pour atteindre une autonomie complète. Les caméras et la vision par ordinateur pure sont utilisées exclusivement, et tout se fait en temps réel.
Tesla emploie Pytorch pour la formation ainsi que diverses activités auxiliaires comme flux de production automatisé ordonnancement, calibrage des seuils du modèle, évaluation approfondie, tests passifs, tests de simulation, etc.
Tesla passe environ 70,000 48 heures GPU à former 1,000 réseaux qui font 1000 XNUMX prédictions distinctes. Cette formation est continue, pas une seule fois. Nous sommes conscients que l'intelligence artificielle est un processus itératif qui évolue dans le temps. En conséquence, les XNUMX prévisions distinctes restent exactes et ne faiblit jamais.
HydraNet
Il y a environ 100 travaux en cours à tout moment, même lorsqu'une voiture ne bouge pas et se trouve très probablement à un carrefour. L'utilisation d'un réseau de neurones pour chaque tâche est coûteuse et inefficace. Des quantités massives d'informations sont traitées en temps réel par l'IA des véhicules Tesla.
En conséquence, la dorsale partagée ResNet-50, qui peut traiter 1000 1000 x XNUMX XNUMX images à la fois, sert d'unité centrale de traitement pour le flux de travail Computer Vision.
Près du sommet du réseau, la conception du réseau neuronal HydraNet se divise en plusieurs branches (ou têtes). En faisant en sorte que chaque micro-lot de données d'apprentissage soit pondéré différemment pour les nombreuses têtes, ces têtes sont enseignées indépendamment et apprennent des choses distinctes.
Bien sûr, il existe plusieurs instances de ces HydraNets travaillant ensemble pour traiter l'IA des véhicules. Les informations de chaque HydraNet sont utilisées pour remédier aux problèmes récurrents.
Par exemple, une tâche peut être active pour gérer les panneaux d'arrêt, une autre pour gérer les piétons et encore une autre pour examiner les feux de circulation. Ces tâches distinctes sont toutes gérées par une colonne vertébrale commune.
Selon l'architecture HydraNet, seule une petite fraction de l'énorme réseau de neurones est nécessaire pour chacune de ces tâches.
Ceci est assez similaire à l'apprentissage par transfert, où des blocs distincts sont formés pour un bloc commun pour certaines tâches connexes. Les épines dorsales des HydraNets sont formées sur une variété de choses, tandis que les chefs sont formés sur des tâches particulières.
Cela réduit le temps nécessaire pour former le modèle et accélère l'inférence.
Pilote automatique Tesla
Les voitures dotées de capacités de pilote automatique peuvent diriger, accélérer et s'arrêter de manière autonome dans une voie. Il est construit en utilisant des concepts de réseaux de neurones profonds. Il observe la zone entourant la voiture à l'aide de caméras, de capteurs à ultrasons et de radars.
Les conducteurs sont informés de leur environnement par les capteurs et les caméras, et ces informations sont analysées en quelques millisecondes pour aider à rendre la conduite plus sûre et moins stressante.
Dans des conditions météorologiques claires, sombres et diverses, le radar est utilisé pour observer et estimer l'espace autour des automobiles. Dans chaque situation, les méthodes ultraviolettes déterminent la proximité, et la vidéo passive identifie les objets à proximité et favorise une conduite sûre.
De plus, le pilote automatique est conçu pour aider le conducteur et ne transforme pas une Tesla en véhicule autonome. Il est courant d'avertir les conducteurs de garder les mains sur le volant.
Une série d'alertes pour prendre le volant se déclenche si vous ne le faites pas. Si on l'ignore plus longtemps, l'automobile commence à ralentir avant de s'arrêter. En freinant, en tournant ou en désactivant la manette du régulateur de vitesse, les conducteurs peuvent toujours annuler les fonctions du pilote automatique.
Bird's Eye Voir
Les images interprétées par le matériel Tesla peuvent souvent nécessiter des dimensions supplémentaires. La fonction Bird's Eye View facilite l'évaluation des distances plus éloignées et offre une représentation plus précise du monde extérieur.
Il s'agit d'un système de surveillance visuelle qui "rend" une image vue de dessus d'une voiture pour faciliter le stationnement et la navigation dans les petits endroits. Sans avoir à fournir une justification boiteuse de vos capacités de stationnement, vous pouvez désormais prendre le volant en toute sécurité.
L'avenir de Tesla
Si vous êtes à la recherche d'un SUV de taille moyenne avec une grande autonomie, le 2022 Tesla modèle Y est un point de départ fantastique pour les véhicules électriques. En raison des mises à jour logicielles régulières, le modèle Y change constamment, tout comme de nombreux autres produits de Tesla.
En améliorant la sécurité et la fonctionnalité, ces améliorations aident votre automobile à être plus utile. Pour les personnes qui doivent parcourir de longues distances avec leur famille et divers bagages, le corps spacieux et l'accès au réseau Supercharger de Tesla en font un excellent choix.
Depuis ses débuts, Tesla a bénéficié des données de sa clientèle actuelle, et ses travaux sur les véhicules autonomes s'inscrivent dans son ambition permanente de placer l'IA au cœur de toutes ses opérations.
L'IA et les mégadonnées continueront d'être Elon Musk et son équipe chez les fidèles alliés de Tesla alors qu'ils entrent dans leurs nouvelles initiatives, y compris leurs aspirations à transformer le réseau électrique avec leurs panneaux solaires domestiques.
Conclusion
Tesla, une entreprise reconnue comme l'un des innovateurs les plus agressifs du marché, a toujours fait de la collecte et de l'analyse des données son outil le plus puissant. Ils ont suivi les mêmes règles lorsqu'il s'agissait de créer leurs propres puces.
L'entreprise a développé des véhicules autonomes qui ont le potentiel de changer complètement la façon dont nous conduisons les automobiles grâce à l'intelligence artificielle et à l'analyse des données.
Voyons dans quelle mesure la plateforme tient ses promesses et développe son activité. Reste à savoir où l'entreprise ira sur le marché des véhicules autonomes à l'avenir après avoir exploité ces technologies.
Soyez sympa! Laissez un commentaire