Sampeyan bisa nganggep Tesla dadi jeneng sing kondhang ing industri mobil yen sampeyan mikir babagan iki. Tesla, pionir ing mobil listrik, tanpa mangu-mangu. Nanging, dheweke minangka perusahaan teknologi, sing dadi rahasia suksese.
Salah sawijining perkara sing nggawe bisnis sukses yaiku nggunakake Kacerdhasan gawéyan teknologi. Automasi lengkap kendaraan Tesla minangka salah sawijining prioritas utama perusahaan saiki, lan kanggo nggayuh tujuan kasebut, dheweke nggunakake AI lan akeh komponen.
Kanthi ngumumake tekane ing wiwitan taun 2021, Tesla nggawe geger ing anak bawana. Elon Musk meh siyap netepake Bangalore, India, minangka pusat manufaktur Tesla India.
Pakar AI ing India surak-surak nalika meme lan tweets babagan carane "Mobil Nyopir Sendiri" sing dipuji ing India terus.
Gelombang intelijen buatan sing pungkasane bakal nguwasani jagad iki lagi diwiwiti.
Kiriman iki bakal nliti kanthi jero kepiye Tesla nggabungake AI menyang sistem, kalebu spesifik lan informasi liyane.
Dadi, kepiye AI Ngajari Nyopir Otonom ing Mobil?
Kendaraan otonom terus-terusan nganalisa data saka sensor lan kamera visi mesin supaya bisa nyopir kanthi mandiri. Dheweke banjur nggunakake data iki kanggo mutusake apa sing bakal ditindakake sabanjure.
Dheweke nggunakake AI kanggo ngerti lan prédhiksi gerakan sepedha, pejalan kaki, lan mobil sabanjure. Dheweke bisa nggunakake informasi iki kanggo ngrencanakake tumindak lan nggawe keputusan sepisan detik.
Apa mobil kudu terus ing jalur saiki utawa kudu ngalih jalur? Apa kudu terus ing ngendi utawa ngliwati mobil ing ngarepe? Nalika kendaraan kudu nyepetake utawa nyepetake?
Tesla kudu nglumpukake data sing cocog kanggo nglatih algoritma lan feed AI supaya mobil bisa otonom. Kinerja sing luwih apik mesthi bakal nyebabake data latihan luwih akeh, lan Tesla sumunar ing wilayah iki.
Kasunyatan manawa Tesla akeh sumber kabeh data saka atusan ewu kendaraan Tesla sing saiki ana ing dalan menehi kauntungan kompetitif. Sensor internal lan eksternal nglacak kepiye tumindak Teslas ing macem-macem kahanan.
Dheweke uga ngumpulake informasi babagan prilaku pembalap, kalebu cara nanggapi kahanan tartamtu lan sepira kerepe dheweke nutul setir utawa dashboard.
"Pembelajaran imitasi" yaiku jeneng strategi Tesla. Mayuta-yuta pembalap nyata ing saindenging jagad nggawe pengadilan, nanggapi, lan obah, lan algoritma kasebut sinau saka tumindak kasebut. Kabeh kilometer kasebut nyebabake kendaraan otonom sing luar biasa canggih.
Sistem pelacakan dheweke pancen maju. Umpamane, Tesla nyimpen snapshot data ing wayahe, nambahake menyang set data lan banjur nggawe maneh representasi abstrak saka donya nggunakake wangun kode werna sing jaringan saraf bisa sinau saka. Iki kedadeyan nalika kendaraan Tesla prédhiksi prilaku mobil utawa sepedha kanthi salah.
Bisnis liyane sing ngembangake kendaraan otonom gumantung data sintetik, sing kurang efektif tinimbang data nyata sing digunakake Tesla kanggo nglatih AI (kayata, prilaku nyopir saka video game kaya Grand Theft Auto).
Saiki kita bakal nliti komponen Tesla sing entuk manfaat saka AI.
Komponen Tesla sing njupuk kauntungan saka AI
Kamera & Sensor
Tanggung jawab sing kudu ditindakake Tesla cukup kondhang. Kabeh operasi kasebut, saka identifikasi jalur nganti pelacakan pejalan kaki, ditindakake kanthi wektu nyata. Tesla dilakokno kanthi bantuan 8 kamera kanggo alasan iki. Kajaba iku, anane akeh kamera iki njamin manawa ora ana zona wuta lan kabeh wilayah ing sekitar mobil ditutupi.
Bener apa sing sampeyan maca! ora LIDAR Ora ana sistem kanggo pemetaan definisi dhuwur. Tesla pengin nggunakake mung visi komputer, learning machine, lan feed video kamera kanggo nggawe model pilot otomatis. Convolutional Neural Networks (CNNs) banjur digunakake kanggo nganalisa video mentah kanggo nglacak lan ndeteksi obyek.
Tesla autopilot uga nduweni sensor radar lan ultrasonik saliyane kamera. Radar digunakake kanggo ndeteksi lan ngukur pamisahan antarane kendaraan lan obyek liyane. Kanggo ngoptimalake safety driver, sensor ultrasonik uga bisa digunakake ing selaras karo closeness ngawasi karo obyek pasif.
Kanggo ngerti lingkungan mobil lan nggawe kemampuan autopilot minangka responsif sabisa, jaringan saraf digabungake karo hardware Tesla.
Tesla FSD Chip -3
Kanggo kinerja lan safety sing luwih apik ing dalan, sistem Tesla kalebu loro prosesor AI. Sistem Tesla ngupayakake supaya ora ana kesalahan. Sanajan siji unit gagal, mobil isih bisa digunakake kanthi nggunakake unit ekstra amarga daya serep lan sumber input data.
Tesla nggunakake langkah-langkah ekstra iki kanggo mesthekake yen mobil dilengkapi kanthi apik kanggo nyegah tabrakan yen ana kegagalan sing ora dikarepake. mung ing otak manungsa bisa nglakokaké operasi luwih per detik saka Tesla microprocessor anyar (1 quadrillion operasi per detik). Kira-kira 21 kaping luwih kuat tinimbang microchip Tesla Nvidia sing sadurunge digunakake.
Tesla temtu pimpinan pasar kanggo lokomotif kanthi otonomi, nanging isih adoh saka prodhuksi mobil autopilot nglereni-pinggiran.
Ing mangsa ngarep, mobil kanthi kualitas sing kita jelasake ing esai iki mesthi bakal dadi umum. Tesla wis nggawe pemroses AI sing canggih lan arsitektur jaringan saraf.
Pelatihan Neural Network
Model kasebut uga kudu dilatih sawise jaringan saraf wis digawe. Kita ngerti manawa Tesla wis nyedhiyakake macem-macem perpustakaan lan alat supaya bisa ngidini kemampuan visi komputer sing canggih.
pytorch, sing digawe dening departemen Riset AI Facebook, minangka salah sawijining kerangka (FAIR). PyTorch digunakake dening Tumpukan teknologi Tesla kanggo nglatih model pembelajaran jero.
Wigati dimangerteni manawa Tesla ora ngandelake peta utawa LIDAR kanggo entuk otonomi lengkap. Kamera lan visi komputer murni digunakake sacara eksklusif, lan kabeh wis rampung ing wektu nyata.
Tesla nggunakake Pytorch kanggo latihan uga macem-macem kegiatan tambahan kaya alur kerja otomatis penjadwalan, kalibrasi ambang model, penilaian lengkap, uji pasif, tes simulasi, lsp.
Tesla nglampahi kira-kira 70,000 jam GPU nglatih 48 jaringan sing nggawe 1,000 prediksi sing béda. Latihan iki ditindakake, ora mung sepisan. Kita ngerti manawa intelijen buatan minangka proses iteratif sing terus maju. Akibaté, kabeh 1000 ramalan kapisah tetep akurat lan ora tau goyah.
HydraNet
Ana kira-kira 100 proyek ing proses ing sembarang wektu tartamtu, sanajan mobil ora obah lan paling kamungkinan ing prapatan. Nggunakake jaringan syaraf kanggo saben tugas larang lan ora efektif. Informasi sing akeh banget diproses kanthi wektu nyata dening AI ing kendaraan Tesla.
Akibaté, balung mburi sambungan ResNet-50, sing bisa ngolah gambar 1000 x 1000 bebarengan, dadi unit pangolahan pusat kanggo alur kerja Computer Vision.
Ing sisih ndhuwur jaringan, desain jaringan saraf HydraNet dipérang dadi sawetara cabang (utawa kepala). Kanthi saben kumpulan mikro data latihan bobot beda kanggo akeh kepala, kepala iki diwulang kanthi mandiri lan sinau babagan sing beda.
Mesthi, ana sawetara conto HydraNets iki kerja bareng kanggo ngolah AI kanggo kendharaan kasebut. Saben informasi HydraNet digunakake kanggo ngatasi masalah sing terus-terusan.
Contone, tugas bisa aktif kanggo nangani rambu-rambu mandheg, liyane kanggo ngatasi pejalan kaki, lan liyane kanggo mriksa sinyal lalu lintas. Tugas sing béda-béda iki kabeh dilakokno dening balung mburi umum.
Miturut arsitektur HydraNet, mung bagean cilik saka jaringan saraf sing gedhe banget sing dibutuhake kanggo saben tugas kasebut.
Iki meh padha karo transfer learning, ing ngendi blok sing béda dilatih kanggo blok umum kanggo tugas sing gegandhengan. Tulang punggung HydraNets dilatih babagan macem-macem perkara, dene kepala diwulang ing pakaryan tartamtu.
Iki nyuda wektu sing dibutuhake kanggo nglatih model lan nyepetake inferensi.
Tesla Autopilot
Mobil kanthi kemampuan autopilot bisa kanthi otomatis nyopir, nyepetake, lan mandheg ing jalur. Iki dibangun kanthi nggunakake konsep jaringan saraf jero. Iki mirsani area sekitar mobil nggunakake kamera, sensor ultrasonik, lan radar.
Pembalap digawe ngerti lingkungane dening sensor lan kamera, lan informasi iki dianalisis ing sawetara milidetik kanggo mbantu nyopir luwih aman lan ora ngepenakke.
Ing kahanan cuaca sing padhang, peteng, lan macem-macem, radar digunakake kanggo mirsani lan ngira-ngira papan ing saubengé mobil. Ing saben kahanan, cara ultraviolet nemtokake jarak cedhak, lan video pasif ngenali obyek ing cedhak lan ningkatake nyopir kanthi aman.
Kajaba iku, autopilot dirancang kanggo mbantu driver lan ora ngowahi Tesla dadi kendaraan sing nyopir dhewe. Praktek umum kanggo ngelingake pembalap supaya tangane ing setir.
A seri tandha kanggo njupuk setir micu yen ora. Yen ora digatekake luwih suwe, mobil wiwit alon-alon sadurunge mandheg. Kanthi ngerem, ngowahi, utawa mateni stalk kontrol cruise, pembalap tansah bisa ngatasi fungsi autopilot.
Mripat Mripat
Gambar sing diinterpretasikake dening hardware Tesla asring mbutuhake ukuran ekstra. Fitur Bird's Eye View nggampangake ngukur jarak sing luwih adoh lan menehi perwakilan sing luwih akurat babagan jagad njaba.
Iku sistem ngawasi visual sing "nerjemahake" gambar tampilan ndhuwur mobil kanggo nggawe parking prasaja lan navigasi panggonan cilik luwih gampang. Tanpa kudu nyedhiyani sabdhoning pincang babagan kabisan parkir, sampeyan saiki bisa aman njupuk setir.
Masa depan Tesla
Yen sampeyan lagi nggoleki SUV agêng-ukuran karo sawetara kuwat, ing 2022 Tesla Model Y iku titik wiwitan Fantastic kanggo EVs. Amarga nganyari piranti lunak biasa, Model Y saya ganti, kaya akeh produk Tesla liyane.
Kanthi nambah safety lan fungsi, upgrade iki mbantu mobil sampeyan luwih migunani. Kanggo wong sing kudu lelungan adoh karo kulawarga lan macem-macem bagasi, awak sing wiyar lan akses menyang jaringan Supercharger Tesla ndadekake pilihan sing apik.
Wiwit wiwitan, Tesla wis entuk manfaat saka data saka basis pelanggan saiki, lan karyane ing kendaraan otonom minangka bagean saka ambisi sing terus-terusan kanggo nempatake AI ing inti kabeh operasi.
AI lan data gedhe bakal terus dadi Elon Musk lan tim ing sekutu setia Tesla nalika pindhah menyang inisiatif paling anyar kalebu aspirasi kanggo ngowahi jaringan listrik nganggo panel tenaga surya omah.
kesimpulan
Tesla, perusahaan sing diakoni minangka salah sawijining inovator paling agresif ing pasar, mesthi nggawe ngumpulake lan nganalisa data minangka alat sing paling kuat. Padha tindakake aturan padha nalika nggawe Kripik dhewe.
Bisnis kasebut wis ngembangake kendharaan otonom sing duweni potensi kanggo ngganti cara kita nyopir mobil amarga analisa data lan intelijen buatan.
Ayo ndeleng kepiye platform kasebut netepi janji lan ngembangake bisnise. Ing endi perusahaan bakal pindhah menyang pasar kanggo kendaraan otonom ing mangsa ngarep tetep katon sawise nggunakake teknologi kasebut.
Ninggalake a Reply