Сіз Tesla туралы ойласаңыз, автомобиль өнеркәсібіндегі танымал атау деп болжауға болады. Электрлік автомобильдердің пионері Тесла күмәнсіз. Дегенмен, олар технологиялық фирма, бұл олардың табысының құпиясы.
Олардың бизнесін табысты еткен нәрселердің бірі - пайдалану жасанды интеллект технологиялар. Tesla көліктерін толық автоматтандыру компанияның қазіргі басты басымдылықтарының бірі болып табылады және осы мақсатқа жету үшін олар AI мен оның көптеген компоненттерін пайдаланады.
2021 жылдың басында келетінін жариялай отырып, Tesla субконтинентте дүрбелең тудырды. Илон Маск Үндістанның Бангалор қаласын Тесла Үндістанның өндірістік орталығы ретінде құруға дайын.
Үндістандағы AI сарапшылары Үндістанда мақтаулы «Өздігінен басқарылатын көліктердің» қалай жұмыс істейтіні туралы мемдар мен твиттерді қуантты.
Ақырында жер шарын басқаратын жасанды интеллекттің тұтас толқыны енді ғана басталады.
Бұл пост Tesla AI жүйесін өз жүйесіне қалай біріктіретінін, соның ішінде ерекшеліктер мен басқа ақпаратты терең зерттейді.
Сонымен, AI автомобильдерде автономды жүргізуді қалай үйретеді?
Автономды көлік құралдары дербес көлік жүргізе алу үшін сенсорлар мен машинаның көру камераларынан алынған деректерді үнемі талдап отырады. Содан кейін олар бұл деректерді бұдан әрі не істеу керектігін шешу үшін пайдаланады.
Олар велосипедтердің, жаяу жүргіншілердің және автокөліктердің келесі қозғалысын түсіну және болжау үшін AI пайдаланады. Олар бұл ақпаратты өз әрекеттерін жылдам жоспарлау және екі секундтық шешімдер қабылдау үшін пайдалана алады.
Автокөлік қазіргі жолағында жүруі керек пе, әлде жолды ауыстыруы керек пе? Ол тұрған жерінде жүруі керек пе, әлде көлікті олардың алдынан өту керек пе? Көлік қашан баяулауы немесе жылдамдығын арттыруы керек?
Tesla автокөліктерді толығымен автономды ету үшін алгоритмдерді үйрету және AI-ны қамтамасыз ету үшін тиісті деректерді жинауы керек. Жаттығу деректерінің жоғарылауы әрқашан жақсы нәтиже береді және Tesla осы салада жарқырайды.
Tesla өзінің барлық деректерін қазір жолда жүрген жүздеген мың Tesla көліктерінен жинауы оларға бәсекелестік артықшылық береді. Ішкі және сыртқы сенсорлар Тесластың әртүрлі жағдайларда өзін қалай ұстайтынын бақылайды.
Олар сондай-ақ жүргізушінің мінез-құлқы, оның ішінде белгілі бір жағдайларға қалай әрекет ететіні және руль дөңгелегіне немесе бақылау тақтасына қаншалықты жиі тиетіні туралы ақпаратты жинайды.
«Еліктеу оқыту» - Тесла стратегиясының атауы. Бүкіл әлем бойынша миллиондаған нақты драйверлер пайымдаулар жасайды, жауап береді және қозғалады және олардың алгоритмдері сол әрекеттерден сабақ алады. Барлық осы километрлер керемет күрделі автономды көліктерге әкеледі.
Олардың бақылау жүйесі шынымен жетілдірілген. Мысалы, Tesla сол сәттегі деректер суретін сақтайды, оны деректер жинағына қосады, содан кейін түспен кодталған кескіндерді пайдаланып әлемнің дерексіз көрінісін қайта жасайды. нейрондық желі -дан үйрене алады. Бұл Tesla көлігі автомобильдің немесе велосипедтің әрекетін қате болжаған кезде орын алады.
Автономды көліктерді дамытатын басқа кәсіпорындар сенім артады синтетикалық деректер, бұл Tesla өзінің AI-ді үйрету үшін пайдаланатын нақты деректерге қарағанда айтарлықтай тиімді емес (мысалы, Grand Theft Auto сияқты бейне ойындардағы жүргізу тәртібі).
Енді біз AI мүмкіндіктерін пайдаланатын Tesla компоненттерін қарастырамыз.
AI мүмкіндіктерін пайдаланатын Tesla компоненттері
Камера және сенсорлар
Tesla орындауы тиіс жауапкершілік өте жақсы белгілі. Бұл операциялардың барлығы, жолақты анықтаудан жаяу жүргіншілерді қадағалауға дейін нақты уақыт режимінде жүзеге асырылады. Осы себепті Tesla 8 камераның көмегімен жұмыс істеді. Сонымен қатар, көптеген камералардың болуы соқыр аймақтың жоқтығына және көліктің айналасындағы барлық аумақтың жабылғанына кепілдік береді.
Жаңа ғана оқығаныңыз рас! жоқ LIDAR Ажыратымдылығы жоғары картографиялау жүйесі жоқ. Tesla тек компьютерлік көруді қолданғысы келеді, машина оқыту, және автоматты пилот үлгісін жасау үшін камера бейне арналары. Содан кейін конволюционды нейрондық желілер (CNN) қадағалап отыру үшін өңделмеген бейнені талдау үшін пайдаланылады. объектілерді анықтау.
Tesla автопилоты камералардан басқа радар мен ультрадыбыстық сенсорлар да бар. Радар көлік құралдары мен басқа объектілер арасындағы алшақтықты анықтау және өлшеу үшін қолданылады. Драйвердің қауіпсіздігін оңтайландыру үшін ультрадыбыстық сенсорлар пассивті объектілермен жақындықты бақылауға сәйкес жұмыс істейді.
Көліктің айналасын түсіну және автопилот мүмкіндіктерін мүмкіндігінше сезімтал ету үшін нейрондық желілер Tesla аппараттық құралдарымен біріктірілген.
Tesla FSD чипі -3
Жолдардағы өнімділік пен қауіпсіздікті арттыру үшін Tesla жүйелері екі AI процессорын қамтиды. Tesla жүйесі қатесіз болуға ұмтылады. Бір блок істен шыққан жағдайда да, резервтік қуат пен деректерді енгізу көздеріне байланысты автомобиль қосымша блоктарды пайдаланып жұмыс істей алады.
Tesla күтпеген сәтсіздік жағдайында соқтығысуды болдырмау үшін көліктердің жақсы жабдықталғанына көз жеткізу үшін осы қосымша шараларды қолданады. Тек адамның миы жаңа Tesla микропроцессорына қарағанда секундына көбірек операцияларды орындай алады (секундына 1 квадриллион операция). Бұл бұрын қолданыста болған Tesla Nvidia микрочиптерінен шамамен 21 есе күшті.
Tesla толық автономды локомотивтер нарығының көшбасшысы екені сөзсіз, бірақ ол озық автопилот вагонын шығарудан әлі де алыс.
Болашақта біз осы эсседе сипатталған қасиеттерге ие автомобиль әдеттегідей болатыны сөзсіз. Tesla өзінің озық AI процессорларын және нейрондық желі архитектурасын жасады.
Нейрондық желіні оқыту
Модель нейрондық желілерден кейін де оқытылуы керек құрылды. Біз Tesla компьютерлік көру мүмкіндіктерінің озық мүмкіндіктерін қамтамасыз ету үшін кітапханалар мен құралдардың кең ауқымын орнатқанын білеміз.
ПиторчFacebook-тің AI зерттеу бөлімі жасаған , осындай шеңберлердің бірі (FAIR). PyTorch пайдаланады Tesla технологиялық жинағы терең оқыту моделін үйрету.
Бір қызығы, Tesla толық автономияға қол жеткізу үшін карталарға немесе LIDAR-ға сенбейді. Камералар мен таза компьютерлік көру тек қана пайдаланылады және барлығы нақты уақытта жасалады.
Tesla Pytorch-ті оқыту үшін, сондай-ақ әртүрлі көмекші әрекеттер үшін пайдаланады автоматтандырылған жұмыс процесі кесте құру, модель шектерін калибрлеу, мұқият бағалау, пассивті тестілеу, модельдеу сынақтары және т.б.
Tesla 70,000 нақты болжам жасайтын 48 желіні оқытуға шамамен 1,000 1000 GPU сағатын жұмсайды. Бұл тренинг бір рет қана емес, жалғасуда. Біз жасанды интеллект уақыт өте келе дамып келе жатқан қайталанатын процесс екенін білеміз. Нәтижесінде XNUMX бөлек болжамның барлығы дәл болып қалады және ешқашан өзгермейді.
HydraNet
Кез келген уақытта, тіпті көлік қозғалмай тұрғанда және жол қиылысында болса да, шамамен 100 жұмыс орындалуда. Әрбір тапсырма үшін нейрондық желіні пайдалану қымбат және тиімсіз. Ақпараттың үлкен көлемі Tesla көліктерінде AI нақты уақыт режимінде өңделеді.
Нәтижесінде 50 x 1000 суретті бір уақытта өңдей алатын ResNet-1000 ортақ магистральі Computer Vision жұмыс процесі үшін орталық өңдеу блогы ретінде қызмет етеді.
Желінің жоғарғы жағында HydraNet нейрондық желісінің дизайны бірнеше тармақтарға (немесе бастарға) бөлінеді. Жаттығу деректерінің әрбір микро-топтамасының көптеген бастар үшін әртүрлі өлшенуі арқылы бұл басшылар өз бетінше оқытылады және әртүрлі нәрселерді үйренеді.
Әрине, көліктерге арналған AI өңдеу үшін осы HydraNets бірге жұмыс істейтін бірнеше даналары бар. Әрбір HydraNet ақпараты қайталанатын мәселелерді шешу үшін пайдаланылады.
Мысалы, тапсырма тоқтау белгілерін өңдеу үшін, екіншісі жаяу жүргіншілермен жұмыс істеу үшін және басқасы бағдаршамдарды тексеру үшін белсенді болуы мүмкін. Бұл ерекше міндеттердің барлығы ортақ магистраль арқылы басқарылады.
HydraNet архитектурасына сәйкес, осы тапсырмалардың әрқайсысы үшін үлкен нейрондық желінің аз ғана бөлігі қажет.
Бұл белгілі бір байланысты тапсырмалар үшін ортақ блок үшін әртүрлі блоктар оқытылатын трансферттік оқытуға өте ұқсас. HydraNets-тің тіректері әртүрлі нәрселерге үйретіледі, ал басшылар белгілі бір жұмыстарға үйретіледі.
Бұл модельді оқытуға қажетті уақытты азайтады және қорытынды шығаруды жылдамдатады.
Tesla Автопилоты
Автопилот мүмкіндігі бар автомобильдер жолақты өздігінен басқара алады, жылдамдатады және тоқтай алады. Ол терең нейрондық желі концепциялары арқылы құрастырылған. Ол камераларды, ультрадыбыстық сенсорларды және радарларды пайдаланып көлікті қоршап тұрған аумақты бақылайды.
Жүргізушілер сенсорлар мен камералар арқылы қоршаған ортадан хабардар болады және бұл ақпарат жүргізуді қауіпсіз және стрессті азайтуға көмектесу үшін миллисекундтарда талданады.
Жарық, қараңғы және әртүрлі ауа райы жағдайында радар автомобильдерді қоршаған кеңістікті бақылау және бағалау үшін қолданылады. Кез келген жағдайда ультракүлгін әдістер жақындықты анықтайды, ал пассивті бейне жақын маңдағы нысандарды анықтайды және қауіпсіз көлік жүргізуге ықпал етеді.
Сонымен қатар, автопилот жүргізушіге көмектесу үшін жасалған және Tesla көлігін өздігінен жүретін көлікке айналдырмайды. Жүргізушілерге қолдарын рульде ұстауды ескертетін әдет бар.
Рұқсат етпесеңіз, дөңгелекті қабылдау туралы ескертулер сериясы іске қосылады. Ұзақ уақыт бойы еленбесе, көлік тоқтағанға дейін баяулай бастайды. Круиздік басқару діңін тежеу, бұру немесе өшіру арқылы драйверлер әрқашан автопилот функцияларын жоққа шығара алады.
Құстардың көзге көрінісі
Tesla аппараттық құралдары жиі түсіндіретін суреттерге қосымша өлшемдер қажет болуы мүмкін. Құс көзімен қарау мүмкіндігі алыс қашықтықтарды өлшеуді жеңілдетеді және сыртқы әлемді дәлірек көрсетуді ұсынады.
Бұл автотұрақты қарапайым ету және шағын орындарды шарлауды жеңілдету үшін көліктің жоғарғы көрінісін «көрсететін» визуалды бақылау жүйесі. Автотұрақ қабілеттеріңіз туралы ақсақ негіздеме берудің қажеті жоқ, енді сіз дөңгелекті қауіпсіз ұстай аласыз.
Тесланың болашағы
Егер сіз ауқымы күшті орташа өлшемді жол талғамайтын көлік іздесеңіз, 2022 Tesla Model Y электр машиналары үшін тамаша бастау нүктесі болып табылады. Бағдарламалық жасақтаманы жүйелі түрде жаңартуға байланысты Y үлгісі Tesla-ның көптеген басқа өнімдері сияқты үнемі өзгеріп отырады.
Қауіпсіздік пен функционалдылықты арттыру арқылы бұл жаңартулар сіздің көлігіңіздің пайдалырақ болуына көмектеседі. Отбасымен және әртүрлі жүктерімен ұзақ қашықтыққа саяхаттауды қажет ететін адамдар үшін кең корпус және Tesla Supercharger желісіне қол жетімділік оны тамаша таңдау жасайды.
Өзінің басынан бері Tesla өзінің қазіргі тұтынушы базасындағы деректерден пайда көрді және оның автономды көліктердегі жұмысы оның барлық операцияларының негізіне AI орналастыру жөніндегі тұрақты амбицияларының бір бөлігі болып табылады.
Жасанды интеллект және үлкен деректер Илон Маск пен оның Tesla-ның сенімді одақтастары болып қала береді, өйткені олар өздерінің жаңа бастамаларына, соның ішінде үйдегі күн қуат панельдері арқылы электр желісін өзгертуге ұмтылады.
қорытынды
Нарықтағы ең агрессивті инноваторлардың бірі ретінде танылған Tesla компаниясы әрқашан деректерді жинау мен талдауды өзінің ең қуатты құралына айналдырды. Олар өздерінің фишкаларын жасау кезінде бірдей ережелерді ұстанды.
Бизнес жасанды интеллект пен деректерді талдаудың арқасында автомобильдерді басқару әдісін толығымен өзгертуге мүмкіндігі бар автономды көліктерді әзірледі.
Платформаның өз уәделерін қаншалықты орындайтынын және бизнесін дамытатынын көрейік. Компанияның болашақта автономды көліктер нарығында қайда баратыны осы технологияларды қолданғаннан кейін белгілі болады.
пікір қалдыру