Tartalomjegyzék[Elrejt][Előadás]
Az általunk ismert világ megváltozhat a mesterséges intelligencia (AI) hatására. Ami a félautonóm rendszerek fejlesztését illeti, a Tesla erősen kihasználja azokat.
Ezenkívül Elon Musk azt állítja, hogy végül más területeken is alkalmazni fogják. Teljes önvezető technológiája és Autopilot rendszere miatt
A Tesla számítógépes látást használ, gépi tanulásés mesterséges intelligencia (FSD).
Ebben a cikkben megvitatjuk, mi teszi a Teslát technológiai céggé, és hogyan használja fel az AI-t, a számítógépes látást, a big data-t és más technológiákat az önvezető autók fejlesztésére. Kezdjük.
Először azt vizsgáljuk meg, hogy a Tesla milyen technológiai cég.
Miért tekintik technológiai cégnek a Teslát?
Tesla jelentős mennyiségű szoftvert gyárt. A Tesla jellegzetes infotainment rendszere, felhasználói felület, és az autonóm vezetési funkciók mind szoftveren alapulnak.
Míg más autógyártók csak most kezdenek kísérletezni az éteren keresztüli frissítésekkel, a Tesla már évek óta csinálja ezt. A Tesla alkalmazottai létrehozták és folyamatosan fejlesztik a Tesla autók operációs rendszereit.
A Tesla számos egyéb technológiai terméket is gyárt, beleértve a napelemeket, a tetőtéri napelemcserépeket, többféle akkumulátort, töltőállomást, számítógépet és kulcsfontosságú számítógép-alkatrészeket (Tesla autókhoz).
Bár a Nokia és a Blackberry is rendelkezett szoftverrel, az iPhone a kettő kiegyensúlyozott kombinációjával rendelkezett, ezért hódította meg a mobiltelefon-üzletet, és megváltoztatta telefonjaink jelenlegi használatát.
Ezt teszi a Tesla az autóiparért. A Teslák járművek, igen (és SUV-k, hamarosan pedig kisteherautók, teherautók és ATV-k). De ezek a járművek mindennapi használatra alkalmas szoftvert tartalmaznak, amelyet a Tesla hozott létre belsőleg, vagy beépített a Tesla rendszerébe.
Amíg Ön parkol, a Tesla olyan szórakozási lehetőségeket mutatott be, mint a TRAX, a Caraoke és számos játék (és talán egyszer szállítás közben). A Sentry Mode biztonsági rendszer, amely egyesíti a Tesla hardvert és szoftvert, segítette a bűnüldözést az olyan bűncselekmények megoldásában, mint a vandalizmus. Az okostelefon a Tesla kulcsaként szolgál.
Telefonja segítségével felhívhatja Teslát, hogy eljöjjön hozzád. Ezenkívül a Tesla egyedülálló Sentry Mode technológiájának köszönhetően az autó értesíti a telefonját, ha jelentős esemény történik.
Mivel a Tesla az általa összegyűjtött adatokat a Tesla-sofőrök tényleges vezetési szokásairól fogja használni (az adatgyűjtés a technológia kulcsfontosságú eleme, különösen, ha az ilyen közvetlen, és nem piackutatási felméréseken keresztül történik), a Tesla biztosítási szerződése is egy kiterjesztést jelent majd. a műszaki oldalról.
Milyen technológiát használ a Tesla az Autopilothoz?
Autonómiát hoznak létre és használnak nagy léptékben olyan gépekben, mint a robotok és az autók. Azt állítják, hogy ez az egyetlen módszer, amely teljes körű választ adhat önálló vezetés és azon túl is az élvonalbeli AI-ra támaszkodik a tervezés és a jövőkép terén, amelyet hatékony hardver egészít ki a következtetésekhez.
Tesla FSD chip
A Tesla rendszerek két mesterséges intelligencia processzorral rendelkeznek a nagyobb teljesítmény és a közúti biztonság érdekében. A Tesla rendszer a hibamentes működésre törekszik. A tartalék tápellátásnak és az adatbeviteli forrásoknak köszönhetően az autó akkor is tovább tud működni, ha valamelyik egység meghibásodik.
A Tesla megteszi ezeket a további óvintézkedéseket annak biztosítására, hogy a járművek jól felkészültek legyenek a balesetek megelőzésére váratlan meghibásodás esetén.
Az egyetlen eszköz, amely másodpercenként több műveletet tud végrehajtani, mint az új Tesla mikroprocesszor, az az emberi agy (1 kvadrillió művelet másodpercenként). Ez körülbelül 21-szer erősebb, mint a korábban használt Tesla Nvidia mikrochipek.
Építsen mesterséges intelligencia-következtető processzorokat a teljes önvezető szoftverük működtetéséhez, figyelembe véve minden apró építészeti és mikroarchitektúra fejlesztést, miközben maximalizálja a szilícium wattonkénti teljesítményét.
Bár a Tesla vitathatatlanul vezeti a teljesen autonóm mozdonyok piacát, még mindig nagyon messze van az élvonalbeli robotpilóta jármű kifejlesztésétől.
Tesla Dojo chip
A Tesla bemutatta a Tesla D1-et, egy új processzort 362 TFLOP teljesítményű BF16/CFP8-ban, amelyet kifejezetten a mesterséges intelligencia. Ezt a közelmúltban hozták nyilvánosságra Tesla AI Napi bemutató.
Hatalmas chip jön létre a funkcionális egységek hálózatának az úgynevezett funkcionális egységek hálózatának összekapcsolásával, amelyhez a Tesla D1 összesen 354 oktatócsomópontot ad hozzá. Mindegyik funkcionális egység négymagos, 64 bites ISA CPU-val rendelkezik, testre szabott, speciális kialakítással a hivatkozások bejárására, adásokra és transzponálásokra. Ez a CPU a szuperskaláris megvalósítást használja (4 széles skaláris és 2 széles vektoros csővezetékek).
Ez az új Tesla szilícium kisebb, mint az NVIDIA A100 gyorsítóban található GA100 GPU, amely 826 mm négyzetméteres. 7 nm-es eljárással gyártják, összesen 50,000 645 millió tranzisztorral rendelkezik, és XNUMX mm-es négyzetterületet foglal el.
A Tesla azt állítja, hogy Dojo chipje négyszer gyorsabban dolgozza fel a számítógépes látásadatokat, mint a jelenlegi rendszerek, így a vállalat teljesen automatizálhatja önvezető rendszerét.
A két legnagyobb kihívást jelentő technológiai bravúrt, nevezetesen a csempe-csempék összekapcsolását és a szoftvert azonban a Tesla még nem hajtotta végre.
A csúcsminőségű hálózati kapcsolók nem versenyezhetnek egyetlen csempe külső sávszélességével sem. Ennek érdekében a Tesla egyedi összeköttetéseket hozott létre.
Dojo rendszer
Hozza létre a Dojo rendszert a magas szintű szoftver API-któl a vezérléshez a szilícium firmware interfészekig. Használjon élvonalbeli nagy teljesítményű szállítási és hűtési technológiákat a kihívást jelentő helyzetek megoldásához, és hozzon létre méretezhető vezérlőhurkokat és felügyeleti szoftvereket.
Használja ki gépész-, hő- és villamosmérnöki csapataik teljes szakértelmét a gépi tanulási számítások következő generációjának kifejlesztésére a Tesla adatközpontjaiban. Az egyetlen korlát a képzeleted.
Dolgozzon minden összetevővel rendszertervezés. Fejlesszen ki egy nyilvános API-t, amely bárki számára elérhetővé teszi a Dojo-t, és működjön együtt a Tesla flottatanulási programjával, hogy a hatalmas adatkészletek felhasználásával képzési terhelést biztosítson.
Autonómia algoritmusok
Hozzon létre egy nagy pontosságú világmodellt, és rajzolja meg a pályát abban a térben, hogy kidolgozza az autót működtető kulcsfontosságú algoritmusokat.
Az autó érzékelőitől származó adatok helyen és időben történő összesítésével egy algoritmus pontos és kiterjedt alapigazság-adatokat szolgáltathat, amelyek felhasználhatók a képzéshez. neurális hálózatok hogy megelőlegezze ezeket a reprezentációkat.
Erős tervezési és döntéshozatali rendszert építenek ki a legkorszerűbb módszertanok felhasználásával, amelyek bizonytalansággal tudnak működni a valós forgatókönyvek kihívásaiban.
Hasznos az algoritmusok elemzése a teljes Tesla flotta szintjén.
Neurális hálózatok
A mély neurális hálózatok az észleléstől a vezérlésig terjedő kérdésekben taníthatók az élvonalbeli kutatások felhasználásával. A szemantikai szegmentálás, az objektumok azonosítása és a monokuláris mélységbecslés elvégzéséhez kameránkénti hálózataik nyers képeket vizsgálnak.
Madártávlati hálózataik az összes kamera felvételeit felhasználják az útelrendezés, a statikus infrastruktúra és a 3D objektumok felülről lefelé néző perspektívájának létrehozására.
Hálózataikat folyamatosan táplálják körülbelül 1 millió autóból álló flottájukból, amely a világ legbonyolultabb és legváltozatosabb körülményeit tartalmazza.
Az Autopilot neurális hálózatok teljes konstrukcióját alkotó 48 hálózatnak 70,000 1,000 GPU-órára van szüksége a betanításhoz. Minden egyes időlépésben XNUMX különböző tenzort (előrejelzést) állítanak elő együttesen.
Infrastruktúra értékelése
Emellett infrastruktúrát, valamint nyílt és zárt hurkú hardver-in-the-loop értékelési eszközöket is létrehoztak nagy léptékben, hogy felgyorsítsák az innovációt, figyelemmel kísérjék a teljesítménynövekedést és megállítsák a regressziókat.
Felhasználják flottájuk anonimizált jellegzetes klipjeit, és számos tesztforgatókönyvbe beépítik őket. Írjon olyan kódot, amely szimulálja a tényleges környezetet, hihetetlenül élethű látványelemeket és egyéb szenzoradatokat generálva az Autopilot programjuk számára, amelyeket automatizált teszteléshez vagy élő hibakereséshez használhat.
Hogyan hasznosítja a Tesla a Big Data-t, a mesterséges intelligenciát és a gépi tanulást?
Big adatok
A nagy adatokat nemcsak a Tesla használja fel problémák megoldására; a fogyasztói boldogság növelésére is használják. Ügyfeleik online közösségeiből szerzik be az információkat, amelyeket későbbi gyártásuk fejlesztésére használják fel. Ez a fajta ügyfél-interakció hallatlan az üzleti életben.
A Big Data támogatja a Tesla erőfeszítéseit, hogy költséget takarítson meg, új piacokat találjon, a fogyasztók kedvére tegyen, új termékeket hozzon létre és javítsa járműveit.
Az információkat rendkívül adatsűrűségű térképek készítésére használják fel, amelyek mindent megmutatnak, a vezetőket cselekvésre kényszerítő kockázatok helyétől egészen a forgalom átlagos növekedéséig egy bizonyos útszakaszon.
Szélszámítás meghatározza, hogy az egyes autóknak most milyen lépéseket kell tenniük, míg a felhőben a gépi tanulás kezeli a teljes flotta képzését.
Emellett létezik egy harmadik döntéshozatali szint is, ahol az autók csatlakozhatnak a szomszédos Tesla járművekhez, hogy hálózatokat építsenek ki és megosszák tudásukat a területről.
Ezek a hálózatok valószínűleg más gyártók járműveivel, valamint más rendszerekkel is kommunikálnak majd, mint például a közlekedési kamerákkal, földi érzékelőkkel vagy telefonokkal egy olyan közeljövő világában, ahol az autonóm autók mindennaposak.
Mesterséges Intelligencia
Annak érdekében, hogy önállóan tudjanak vezetni, az autonóm autók folyamatosan értékelik érzékelőik és gépi látókameráik adatait. Ezután ezen információk alapján döntenek.
A mesterséges intelligencia segítségével megértik és előre látják a kerékpárok, gyalogosok és autók mozgását. A másodperc törtrésze alatt tudnak ítéletet hozni, és gyorsan megtervezhetik tevékenységeiket ezen ismeretek felhasználásával.
Maradjon az autó abban a sávban, amiben most van, vagy váltson? Folytassa úgy, ahogy van, vagy megelőzi az előttük haladó autót? Mikor kell az autónak lassítani vagy gyorsítani?
Ahhoz, hogy az autókat teljesen autonóm legyen, a Teslának össze kell gyűjtenie a szükséges adatokat az algoritmusok betanításához és az AI-k táplálásához. A több edzési adat mindig jobb teljesítményhez vezet, és a Tesla ebben a tekintetben kiemelkedő.
A Tesla versenyelőnyben van, mivel minden adatát a jelenleg úton lévő több százezer Tesla járműről gyűjti össze. A belső és külső érzékelők nyomon követik a Teslák működését különböző körülmények között.
Ezenkívül megfigyelik, hogyan viselkednek a sofőrök, beleértve a különböző helyzetekre adott reakcióikat, és azt, hogy milyen gyakran érintik meg a kormányt vagy a műszerfalat. Nagyon kifinomult nyomkövető rendszerük van.
Például a Tesla rögzít egy pillanatnyi időt, hozzáadja az adatgyűjtéshez, majd színes formák segítségével absztrakt képet állít elő a környezetről, amelyből a neurális hálózat tanulhat.
Ez akkor fordul elő, amikor egy Tesla jármű pontatlan feltételezést tesz arról, hogyan viselkedne egy autó vagy kerékpár.
Gépi tanulás
A belső és külső szenzorok használatával, amelyek akár információkat is képesek felvenni a vezető kezének helyzetéről a kezelőszerveken, és hogyan működnek tovább, a Tesla gépi tanulás sikeresen összegyűjti néhány kulcsfontosságú adatát az összes járművéből, valamint azok járműveiből. járművezetők.
Az információkat arra is felhasználják, hogy nagyon adatsűrűségű térképeket készítsenek, amelyek mindent megjelenítenek, az átlagos forgalomnövekedéstől egy adott útszakasz során a veszélyek jelenlétéig, és még a járművezetőket is cselekvésre késztetik.
Míg része a szélsőséges számítástechnika Minden egyes autónál meghatározza, hogy az autónak most mit kell tennie, a Tesla felhőalapú gépi tanulása a teljes flotta képzéséért felel.
A helyi meglátások és információk cseréje érdekében az autók képesek hálózatba kapcsolódni bizonyos más közeli Tesla-járművekkel.
Következtetés
A Tesla mindig is adatgyűjtést és -elemzést előállító vállalkozás volt, ami a leghatékonyabb eszköz bármihez is. CPU-ik tervezése során nem tettek kivételt.
A fejlődése autonóm járművek és a statisztikai adatok vállalat általi elemzése lehetővé tette a vezetési mód teljes megváltoztatását a mesterséges intelligencia, az adatelemzés, a big data, a gépi tanulás, a számítógépes látás, a neurális hálózatok, az FSD chip és sok más algoritmus révén.
Hagy egy Válaszol