Anda dapat menganggap Tesla sebagai nama terkenal di industri otomotif ketika Anda memikirkannya. Tesla, pelopor dalam mobil listrik, tidak diragukan lagi. Namun, mereka adalah perusahaan teknologi, yang merupakan rahasia kesuksesan mereka.
Salah satu hal yang membuat bisnis mereka sukses adalah penggunaan kecerdasan buatan teknologi. Otomatisasi penuh kendaraan Tesla adalah salah satu prioritas utama perusahaan saat ini, dan untuk mencapai tujuan ini, mereka menggunakan AI dan banyak komponennya.
Dengan mengumumkan kedatangannya pada awal tahun 2021, Tesla menciptakan kegemparan di anak benua. Elon Musk hampir siap untuk mendirikan Bangalore, India, sebagai pusat manufaktur Tesla India.
Pakar AI di India bersorak ketika meme dan tweet tentang bagaimana "Mobil Mengemudi Sendiri" yang banyak dipuji akan beroperasi di India terus berlanjut.
Seluruh gelombang kecerdasan buatan yang pada akhirnya akan menguasai dunia baru saja dimulai.
Posting ini akan memeriksa secara mendalam bagaimana Tesla mengintegrasikan AI ke dalam sistemnya, termasuk spesifikasi dan informasi lainnya.
Jadi, bagaimana AI Mengajarkan Mengemudi Otonom di Mobil?
Kendaraan otonom terus-menerus menganalisis data dari sensor dan kamera penglihatan mesin mereka agar dapat mengemudi secara mandiri. Mereka kemudian menggunakan data ini untuk memutuskan apa yang harus dilakukan selanjutnya.
Mereka menggunakan AI untuk memahami dan memprediksi langkah selanjutnya dari sepeda, pejalan kaki, dan mobil. Mereka dapat menggunakan informasi ini untuk dengan cepat merencanakan tindakan mereka dan membuat keputusan sepersekian detik.
Haruskah mobil melanjutkan di jalurnya yang sekarang atau haruskah ia berpindah jalur? Haruskah ia melanjutkan di tempat itu atau melewati mobil di depan mereka? Kapan kendaraan harus melambat atau dipercepat?
Tesla harus mengumpulkan data yang sesuai untuk melatih algoritme dan memberi makan AI-nya agar mobil benar-benar otonom. Performa yang lebih baik akan selalu dihasilkan dari lebih banyak data pelatihan, dan Tesla bersinar di area ini.
Fakta bahwa Tesla mengumpulkan semua datanya dari ratusan ribu kendaraan Tesla yang sekarang ada di jalan memberi mereka keunggulan kompetitif. Baik sensor internal maupun eksternal melacak bagaimana Tesla berperilaku dalam berbagai keadaan.
Mereka juga mengumpulkan informasi tentang perilaku pengemudi, termasuk bagaimana mereka merespons keadaan tertentu dan seberapa sering mereka menyentuh setir atau dasbor.
"Pembelajaran imitasi" adalah nama strategi Tesla. Jutaan pengemudi sejati di seluruh dunia membuat penilaian, merespons, dan bergerak, dan algoritme mereka belajar dari tindakan tersebut. Semua kilometer itu menghasilkan kendaraan otonom yang sangat canggih.
Sistem pelacakan mereka benar-benar canggih. Misalnya, Tesla menyimpan snapshot data saat itu, menambahkannya ke kumpulan data dan kemudian membuat ulang representasi abstrak dunia menggunakan bentuk kode warna yang saraf jaringan dapat belajar dari. Ini terjadi ketika kendaraan Tesla memprediksi perilaku mobil atau sepeda secara tidak benar.
Bisnis lain yang mengembangkan kendaraan otonom bergantung pada data sintetis, yang secara signifikan kurang efektif dibandingkan data dunia nyata yang digunakan oleh Tesla untuk melatih AI-nya (misalnya, perilaku mengemudi dari video game seperti Grand Theft Auto).
Kami sekarang akan memeriksa komponen Tesla yang memanfaatkan AI.
Komponen Tesla yang memanfaatkan AI
Kamera & Sensor
Tanggung jawab yang harus diselesaikan Tesla cukup terkenal. Semua operasi ini, mulai dari identifikasi jalur hingga pelacakan pejalan kaki, dilakukan secara real-time. Tesla dioperasikan dengan bantuan 8 kamera untuk alasan ini. Selain itu, kehadiran banyak kamera ini memastikan bahwa tidak ada zona buta dan seluruh area di sekitar mobil tertutup.
Memang benar apa yang baru saja Anda baca! tidak ada LIDAR Tidak ada sistem untuk pemetaan definisi tinggi. Tesla hanya ingin menggunakan visi komputer, Mesin belajar, dan feed video kamera untuk membuat model auto-pilot. Convolutional Neural Networks (CNNs) kemudian digunakan untuk menganalisis video mentah untuk melacak dan mendeteksi objek.
Autopilot Tesla juga memiliki sensor radar dan ultrasonik selain kamera. Radar digunakan untuk mendeteksi dan mengukur jarak antara kendaraan dan objek lain. Untuk mengoptimalkan keselamatan pengemudi, sensor ultrasonik juga berfungsi sesuai dengan pemantauan kedekatan dengan objek pasif.
Untuk memahami keadaan sekitar mobil dan membuat kemampuan autopilot seresponsif mungkin, jaringan saraf terintegrasi dengan perangkat keras Tesla.
Chip Tesla FSD-3
Untuk meningkatkan kinerja dan keamanan di jalan, sistem Tesla menyertakan dua prosesor AI. Sistem Tesla berusaha untuk bebas dari kesalahan. Bahkan jika satu unit gagal, mobil masih dapat berfungsi menggunakan unit tambahan karena daya cadangan dan sumber input data.
Tesla menggunakan langkah-langkah ekstra ini untuk memastikan mobil dilengkapi dengan baik untuk menghindari tabrakan jika terjadi kegagalan yang tidak terduga. Hanya otak manusia dapat menjalankan lebih banyak operasi per detik daripada mikroprosesor Tesla baru (1 kuadriliun operasi per detik). Itu sekitar 21 kali lebih kuat daripada microchip Tesla Nvidia yang sebelumnya digunakan.
Tesla tidak diragukan lagi adalah pemimpin pasar untuk lokomotif yang sepenuhnya otonom, tetapi masih jauh dari memproduksi mobil autopilot mutakhir.
Di masa depan, mobil dengan kualitas yang kami uraikan dalam esai ini pasti akan menjadi barang biasa. Tesla telah menciptakan prosesor AI mutakhir dan arsitektur jaringan sarafnya sendiri.
Pelatihan Jaringan Saraf
Model juga harus dilatih setelah jaringan saraf telah dibuat. Kami menyadari bahwa Tesla telah menempatkan berbagai perpustakaan dan alat untuk memungkinkan kemampuan visi komputer mutakhir.
pytorch, yang dibuat oleh departemen Penelitian AI Facebook, adalah salah satu kerangka kerja tersebut (FAIR). PyTorch digunakan oleh Tumpukan teknologi Tesla untuk melatih model deep learning.
Patut dicatat bahwa Tesla tidak bergantung pada peta atau LIDAR untuk mencapai otonomi penuh. Kamera dan visi komputer murni digunakan secara eksklusif, dan semuanya dilakukan secara real-time.
Tesla mempekerjakan Pytorch untuk pelatihan serta berbagai kegiatan tambahan seperti alur kerja otomatis penjadwalan, kalibrasi ambang batas model, penilaian menyeluruh, pengujian pasif, pengujian simulasi, dll.
Tesla menghabiskan sekitar 70,000 jam GPU untuk melatih 48 jaringan yang membuat 1,000 prediksi berbeda. Pelatihan ini berlangsung terus menerus, tidak hanya sekali. Kami sadar bahwa kecerdasan buatan adalah proses berulang yang berkembang seiring waktu. Akibatnya, 1000 prakiraan terpisah tetap akurat dan tidak pernah goyah.
Jaringan Hidra
Ada sekitar 100 pekerjaan yang sedang berlangsung pada waktu tertentu, bahkan ketika mobil tidak bergerak dan kemungkinan besar berada di persimpangan jalan. Menggunakan jaringan saraf untuk setiap tugas mahal dan tidak efektif. Sejumlah besar informasi diproses secara real-time oleh AI di kendaraan Tesla.
Akibatnya, tulang punggung bersama ResNet-50, yang dapat memproses 1000 x 1000 gambar sekaligus, berfungsi sebagai unit pemrosesan pusat untuk alur kerja Computer Vision.
Di dekat bagian atas jaringan, desain jaringan saraf HydraNet terbagi menjadi beberapa cabang (atau kepala). Dengan membuat setiap mikro-batch data pelatihan dibobot secara berbeda untuk banyak kepala, kepala ini diajarkan secara mandiri dan mempelajari hal-hal yang berbeda.
Tentu saja, ada beberapa contoh HydraNet ini bekerja sama untuk memproses AI untuk kendaraan. Setiap informasi HydraNet digunakan untuk mengatasi masalah yang berulang.
Misalnya, tugas dapat aktif untuk menangani rambu berhenti, tugas lain untuk menangani pejalan kaki, dan tugas lainnya untuk memeriksa sinyal lalu lintas. Tugas-tugas yang berbeda ini semuanya dioperasikan oleh tulang punggung yang sama.
Menurut arsitektur HydraNet, hanya sebagian kecil dari jaringan saraf besar yang diperlukan untuk setiap tugas ini.
Ini sangat mirip dengan transfer learning, di mana blok yang berbeda dilatih untuk blok umum untuk tugas terkait tertentu. Tulang punggung HydraNets dilatih pada berbagai hal, sedangkan kepala diajarkan pada pekerjaan tertentu.
Ini mengurangi jumlah waktu yang dibutuhkan untuk melatih model dan mempercepat inferensi.
Tesla Autopilot
Mobil dengan kemampuan autopilot dapat secara mandiri menyetir, berakselerasi, dan berhenti di jalur tertentu. Itu dibangun menggunakan konsep jaringan saraf yang dalam. Ia mengamati area di sekitar mobil menggunakan kamera, sensor ultrasonik, dan radar.
Pengemudi disadarkan akan lingkungan sekitar mereka oleh sensor dan kamera, dan informasi ini dianalisis dalam hitungan milidetik untuk membantu mengemudi lebih aman dan mengurangi stres.
Dalam keadaan cerah, gelap, dan berbagai cuaca, radar digunakan untuk mengamati dan memperkirakan ruang di sekitar mobil. Dalam setiap situasi, metode ultraviolet menentukan kedekatan, dan video pasif mengidentifikasi objek di dekatnya dan mempromosikan mengemudi yang aman.
Selain itu, autopilot dirancang untuk membantu pengemudi dan tidak mengubah Tesla menjadi kendaraan self-driving. Sudah menjadi praktik umum untuk memperingatkan pengemudi agar tangan mereka tetap di atas kemudi.
Serangkaian peringatan untuk mengambil kemudi dipicu jika Anda tidak melakukannya. Jika diabaikan lebih lama, mobil mulai melambat sebelum berhenti. Dengan mengerem, memutar, atau menonaktifkan tangkai cruise control, pengemudi selalu dapat mengesampingkan fungsi autopilot.
Pandangan Mata Burung
Gambar-gambar yang sering ditafsirkan oleh perangkat keras Tesla dapat membutuhkan dimensi ekstra. Fitur Bird's Eye View memudahkan untuk mengukur jarak yang lebih jauh dan menawarkan representasi dunia luar yang lebih akurat.
Ini adalah sistem pemantauan visual yang "membuat" gambar tampilan atas mobil untuk mempermudah parkir dan menavigasi tempat-tempat kecil lebih mudah. Tanpa harus memberikan pembenaran yang lemah tentang kemampuan parkir Anda, sekarang Anda dapat dengan aman mengambil kemudi.
Masa Depan Tesla
Jika Anda mencari SUV ukuran sedang dengan jangkauan yang kuat, Tesla Model Y 2022 adalah titik awal yang fantastis untuk EV. Karena peningkatan perangkat lunak reguler, Model Y terus berubah, seperti banyak produk Tesla lainnya.
Dengan meningkatkan keamanan dan fungsionalitas, peningkatan ini membantu mobil Anda menjadi lebih berguna. Bagi orang-orang yang perlu melakukan perjalanan jarak jauh dengan keluarga dan berbagai barang bawaan, tubuh yang lapang dan akses ke jaringan Supercharger Tesla menjadikannya pilihan yang tepat.
Sejak awal, Tesla telah mendapat manfaat dari data dari basis pelanggannya saat ini, dan pekerjaannya pada kendaraan otonom adalah bagian dari ambisinya yang berkelanjutan untuk menempatkan AI sebagai inti dari semua operasinya.
AI dan data besar akan terus menjadi Elon Musk dan timnya di sekutu setia Tesla saat mereka bergerak ke inisiatif terbaru mereka termasuk aspirasi mereka untuk mengubah jaringan listrik dengan panel tenaga surya rumah mereka.
Kesimpulan
Tesla, perusahaan yang diakui sebagai salah satu inovator paling agresif di pasar, selalu menjadikan pengumpulan dan analisis data sebagai alat yang paling ampuh. Mereka mengikuti aturan yang sama ketika membuat chip mereka sendiri.
Bisnis ini telah mengembangkan kendaraan otonom yang memiliki potensi untuk sepenuhnya mengubah cara kami mengemudikan mobil berkat kecerdasan buatan dan analisis data.
Mari kita lihat seberapa baik platform ini menepati janjinya dan mengembangkan bisnisnya. Ke mana perusahaan akan pergi ke pasar untuk kendaraan otonom di masa depan masih harus dilihat setelah memanfaatkan teknologi ini.
Tinggalkan Balasan