אתה יכול להניח שטסלה היא שם ידוע בתעשיית הרכב כשחושבים עליהם. טסלה, חלוצה בכלי רכב חשמליים, היא ללא ספק. עם זאת, הם חברה טכנולוגית, וזה סוד הצלחתם.
אחד הדברים שהפכו את העסק שלהם למצליח הוא השימוש ב בינה מלאכותית טכנולוגיות. האוטומציה המלאה של כלי הרכב של טסלה היא אחד מהעדיפויות העליונות הנוכחיות של החברה, וכדי להשיג מטרה זו, הם משתמשים בבינה מלאכותית ומרכיביה הרבים.
בהכרזה על הגעתו בתחילת 2021, טסלה יצר סערה בתת היבשת. אילון מאסק כמעט מוכן להקים את בנגלור, הודו, כמרכז הייצור של טסלה הודו.
מומחי בינה מלאכותית בהודו הריעו כשהממים והציוצים בנוגע לאופן שבו יפעלו "מכוניות בנהיגה עצמית" שזוכה לשבחים בהודו.
גל שלם של בינה מלאכותית שישלוט בסופו של דבר על הגלובוס רק מתחיל.
פוסט זה יבחן לעומק כיצד טסלה משלבת AI במערכת שלה, כולל פרטים ומידע אחר.
אז איך AI מלמד נהיגה אוטונומית במכוניות?
רכבים אוטונומיים מנתחים ללא הרף נתונים מהחיישנים ומצלמות ראיית המכונה שלהם כדי להיות מסוגלים לנהוג באופן עצמאי. לאחר מכן הם מנצלים את הנתונים האלה כדי להחליט מה לעשות הלאה.
הם משתמשים בבינה מלאכותית כדי להבין ולחזות את המהלכים הבאים של אופניים, הולכי רגל ומכוניות. הם יכולים להשתמש במידע זה כדי לתכנן במהירות את פעולותיהם ולקבל החלטות בשבריר שניות.
האם על הרכב להמשיך בנתיב הנוכחי או שעליו להחליף נתיב? האם זה צריך להמשיך איפה שהוא או לעבור את המכונית שלפניהם? מתי הרכב צריך להאט או להאיץ?
טסלה צריכה לאסוף את הנתונים המתאימים כדי לאמן את האלגוריתמים ולהאכיל את ה-AI שלה כדי להפוך את המכוניות לאוטונומיות לחלוטין. ביצועים טובים יותר תמיד ייבעו מעוד נתוני אימון, וטסלה זורחת בתחום זה.
העובדה שטסלה משיגה את כל הנתונים שלה ממאות אלפי רכבי טסלה שנמצאים כעת על הכביש מעניקה להם יתרון תחרותי. חיישנים פנימיים וחיצוניים כאחד עוקבים אחר אופן ההתנהגות של טסלס במגוון נסיבות.
הם גם אוספים מידע על התנהגות הנהג, כולל איך הם מגיבים לנסיבות מסוימות ואיזו תדירות הם נוגעים בהגה או בלוח המחוונים.
"למידת חיקוי" הוא שמה של האסטרטגיה של טסלה. מיליוני נהגים אמיתיים בכל העולם עושים שיפוט, מגיבים וזזים, והאלגוריתמים שלהם לומדים מפעולות אלו. כל הקילומטרים האלה מביאים לכלי רכב אוטונומיים מתוחכמים להפליא.
מערכת המעקב שלהם ממש מתקדמת. לדוגמה, טסלה מאחסנת תמונת מצב של הרגע, מוסיפה אותה למערך הנתונים ולאחר מכן משחזרת ייצוג מופשט של העולם באמצעות צורות מקודדות צבע. רשת עצבית יכול ללמוד ממנו. זה קורה כאשר רכב טסלה חוזה התנהגות של מכונית או אופניים בצורה שגויה.
עסקים אחרים שמפתחים רכבים אוטונומיים מסתמכים על נתונים סינתטיים, שהוא פחות יעיל באופן משמעותי מהנתונים האמיתיים שבהם השתמש טסלה לאימון ה-AI שלה (לדוגמה, התנהגות נהיגה ממשחקי וידאו כמו Grand Theft Auto).
כעת נבחן את רכיבי טסלה המנצלים את ה-AI.
רכיבי טסלה המנצלים את ה-AI
מצלמה וחיישנים
האחריות שטסלה חייבת להשלים הן די ידועות. כל הפעולות הללו, מזיהוי נתיב ועד מעקב אחר הולכי רגל, מתבצעות בזמן אמת. טסלה פעלה בעזרת 8 מצלמות מסיבה זו. בנוסף, הנוכחות של כל כך הרבה מצלמות מבטיחה שאין אזור עיוור ושכל האזור סביב המכונית מכוסה.
זה נכון מה שקראת עכשיו! ללא LIDAR אין מערכת למיפוי בחדות גבוהה. טסלה רוצה להשתמש רק בראייה ממוחשבת, למידת מכונה, והזנות וידאו של המצלמה ליצירת דגם הטייס האוטומטי. לאחר מכן נעשה שימוש ברשתות עצביות קונבולוציוניות (CNN) כדי לנתח את הסרטון הגולמי על מנת לעקוב אחר ו לזהות חפצים.
טייס טסלה אוטומטי בנוסף למצלמות יש גם חיישני רדאר וחיישני קולי. המכ"ם משמש לאיתור ומדידת ההפרדה בין כלי רכב וחפצים אחרים. על מנת לייעל את בטיחות הנהג, החיישנים האולטראסוניים פועלים גם בהתאם לניטור קרבה עם עצמים פסיביים.
על מנת להבין את סביבת המכונית ולהפוך את יכולות הטייס האוטומטי להיענות ככל האפשר, רשתות עצביות משולבות עם החומרה של טסלה.
שבב FSD של טסלה -3
לשיפור הביצועים והבטיחות בכבישים, מערכות טסלה כוללות שני מעבדי AI. מערכת טסלה שואפת להיות נקייה מטעויות. גם אם יחידה אחת נכשלת, הרכב עדיין יכול לתפקד באמצעות היחידות הנוספות בגלל כוח הגיבוי ומקורות קלט הנתונים.
טסלה משתמשת באמצעים הנוספים הללו כדי לוודא שהמכוניות מצוידות היטב כדי למנוע התנגשויות במקרה של תקלה בלתי צפויה. רק ה מוח אנושי יכול לבצע יותר פעולות בשנייה מאשר המיקרו-מעבד החדש של טסלה (קוודריליון פעולות בשנייה). זה עוצמתי פי 1 בערך משבבי המיקרו של Tesla Nvidia שהיו בשימוש בעבר.
Tesla היא ללא ספק מובילת שוק עבור קטרים אוטונומיים לחלוטין, אך היא עדיין רחוקה מלייצר מכונית טייס אוטומטי מתקדמת.
בעתיד, מכונית עם התכונות שהצגנו בחיבור זה ללא ספק תהפוך לנחלת הכלל. טסלה יצרה מעבדי AI חדשניים וארכיטקטורת רשת עצבית משלה.
הכשרה ברשת עצבית
יש להכשיר את המודל גם לאחר הרשתות העצביות נוצר. אנו מודעים לכך שטסלה הקימה מגוון רחב של ספריות וכלים על מנת לאפשר יכולות ראייה ממוחשבת מתקדמות.
פיטורץ ', אשר נוצרה על ידי מחלקת AI Research של פייסבוק, היא מסגרת כזו (FAIR). PyTorch משמש את ערימת טכנולוגיה של טסלה להכשיר את מודל הלמידה העמוקה.
ראוי לציין שטסלה לא מסתמכת על מפות או LIDAR כדי להשיג אוטונומיה מוחלטת. המצלמות והראייה הממוחשבת הטהורה משמשים אך ורק, והכל נעשה בזמן אמת.
טסלה מעסיקה את Pytorch להדרכה וכן לפעילויות עזר שונות כמו זרימת עבודה אוטומטית תזמון, כיול ספי מודל, הערכה יסודית, בדיקות פסיביות, בדיקות סימולציה וכו'.
טסלה משקיעה בערך 70,000 שעות GPU באימון 48 רשתות שמבצעות 1,000 תחזיות ברורות. הכשרה זו נמשכת, לא רק פעם אחת. אנו מודעים לכך שבינה מלאכותית היא תהליך איטרטיבי שמתקדם עם הזמן. כתוצאה מכך, כל 1000 התחזיות הנפרדות נשארות מדויקות ולעולם לא מדשדשות.
HydraNet
בכל זמן נתון יש כ-100 משרות בתהליך, גם כשמכונית לא זזה וככל הנראה נמצאת בצומת דרכים. השימוש ברשת עצבית עבור כל משימה הוא יקר ולא יעיל. כמויות אדירות של מידע מעובדות בזמן אמת על ידי הבינה המלאכותית ברכבי טסלה.
כתוצאה מכך, עמוד השדרה המשותף של ResNet-50, שיכול לעבד 1000 x 1000 תמונות בבת אחת, משמש כיחידת העיבוד המרכזית עבור זרימת העבודה של Computer Vision.
סמוך לראש הרשת, עיצוב הרשת העצבית HydraNet מתחלק למספר ענפים (או ראשים). על ידי שקלול שונה של כל אצווה של נתוני אימון עבור הראשים הרבים, ראשים אלו נלמדים באופן עצמאי ולומדים דברים שונים.
כמובן, ישנם מספר מקרים של HydraNets אלה עובדים יחד כדי לעבד את AI עבור כלי הרכב. המידע של כל HydraNet משמש לתיקון בעיות חוזרות ונשנות.
למשל, משימה יכולה להיות פעילה לטיפול בתמרורי עצור, משימה אחרת להתמודדות עם הולכי רגל ועוד אחת לבחינת אותות תנועה. חובות נפרדות אלה מופעלות כולן על ידי עמוד שדרה משותף.
על פי ארכיטקטורת HydraNet, רק חלק קטן מהרשת העצבית העצומה דרוש עבור כל אחת מהמשימות הללו.
זה די דומה ללמידת העברה, שבה בלוקים נפרדים מאומנים לבלוק משותף למשימות קשורות מסוימות. עמודי השדרה של HydraNets מאומנים במגוון דברים, בעוד שהראשים נלמדים בעבודות מסוימות.
זה מקטין את משך הזמן הדרוש לאימון המודל ומאיץ את ההסקה.
טיסלה טייס אוטומטי
מכוניות עם יכולות טייס אוטומטי יכולות לנווט, להאיץ ולעצור באופן אוטונומי בנתיב. הוא נבנה באמצעות מושגי רשת עצבית עמוקה. הוא צופה באזור המקיף את המכונית באמצעות מצלמות, חיישנים קוליים ומכ"ם.
הנהגים הופכים מודעים לסביבתם על ידי החיישנים והמצלמות, ומידע זה מנותח תוך אלפיות שניות כדי לסייע להפוך את הנהיגה לבטוחה יותר ולפחות מלחיצה.
בתנאי מזג אוויר בהירים, חשוכים ומגוון, מכ"ם משמש כדי לצפות ולהעריך את החלל המקיף מכוניות. בכל מצב, שיטות אולטרה סגול קובעות את הקרבה, ווידאו פסיבי מזהה עצמים בקרבת מקום ומקדם נהיגה בטוחה.
בנוסף, הטייס האוטומטי נועד לסייע לנהג ואינו הופך את הטסלה לרכב בנהיגה עצמית. מקובל להזהיר נהגים לשמור את ידיהם על ההגה.
סדרה של התראות לעלות על ההגה מופעלות אם לא. אם מתעלמים הרבה יותר זמן, המכונית מתחילה להאט לפני שהיא נעצרת. על ידי בלימה, סיבוב או ביטול הפעלה של ידית בקרת השיוט, נהגים יכולים תמיד לעקוף את פונקציות הטייס האוטומטי.
נוף הציפור
התמונות שחומרת טסלה מפרשת לעתים קרובות עשויות להזדקק לממדים נוספים. תכונת תצוגת עין הציפור מקלה על מדידת מרחקים ומציעה ייצוג מדויק יותר של העולם החיצון.
זוהי מערכת ניטור ויזואלית ש"מציגה" תמונה של מכונית במבט עליון כדי להקל על החניה והניווט במקומות קטנים. מבלי שתצטרכו לספק הצדקה צולעת לגבי יכולות החניה שלכם, אתם יכולים כעת לקחת את ההגה בבטחה.
העתיד של טסלה
אם אתם מחפשים רכב שטח בינוני עם טווח חזק, ה 2022 טסלה דגם Y מהווה נקודת התחלה פנטסטית עבור EVs. עקב שדרוגי תוכנה קבועים, הדגם Y משתנה כל הזמן, בדומה לרבים מהמוצרים האחרים של טסלה.
על ידי שיפור הבטיחות והפונקציונליות, שדרוגים אלה עוזרים לרכב שלך להיות שימושי יותר. עבור אנשים שצריכים לנסוע מרחקים ארוכים עם המשפחה ומזוודות שונות, הגוף המרווח והגישה לרשת Supercharger של טסלה הופכים אותה לבחירה נפלאה.
מאז תחילתה, טסלה נהנתה מנתונים מבסיס הלקוחות הנוכחי שלה, והעבודה שלה על כלי רכב אוטונומיים היא חלק מהשאיפה המתמשכת שלה להציב את הבינה המלאכותית בליבת כל הפעילות שלה.
בינה מלאכותית וביג דאטה ימשיכו להיות אילון מאסק והצוות שלו בבעלי בריתה הנאמנים של טסלה, כאשר הם עוברים ליוזמות החדשות ביותר שלהם, כולל שאיפותיהם לשנות את רשת החשמל עם פאנלים הסולאריים הביתיים שלהם.
סיכום
טסלה, חברה המוכרת כאחת מהחדשניות האגרסיביות ביותר בשוק, תמיד הפכה את איסוף וניתוח הנתונים לכלי החזק ביותר שלה. הם עקבו אחר אותם כללים כשזה הגיע ליצירת צ'יפס משלהם.
העסק פיתח רכבים אוטונומיים שיש להם פוטנציאל לשנות לחלוטין את האופן בו אנו נוהגים ברכב הודות לבינה מלאכותית וניתוח נתונים.
בואו נראה עד כמה הפלטפורמה מקיימת את ההבטחות שלה ומפתחת את העסק שלה. לאן החברה תלך בשוק הרכבים האוטונומיים בעתיד נותר לראות לאחר רתימת הטכנולוגיות הללו.
השאירו תגובה