Tesla를 생각하면 자동차 업계에서 잘 알려진 이름이라고 짐작할 수 있습니다. 전기차의 선구자인 테슬라는 의심의 여지가 없습니다. 그러나 그들은 기술 회사이며 성공의 비결입니다.
그들의 비즈니스를 성공적으로 만든 것 중 하나는 인공 지능 기술. Tesla 차량의 완전 자동화는 현재 회사의 최우선 과제 중 하나이며 이 목표를 달성하기 위해 AI와 많은 구성 요소를 활용하고 있습니다.
2021년 초 출시를 발표함으로써, 테슬라 아대륙에 반향을 일으켰습니다. Elon Musk는 Tesla India의 제조 허브로 인도 방갈로르를 설립할 준비가 거의 완료되었습니다.
인도의 AI 전문가들은 많은 찬사를 받은 '자율주행차'가 인도에서 어떻게 운영될 것인지에 대한 밈과 트윗이 계속되자 환호했다.
결국 지구를 지배하게 될 인공 지능의 전체 물결은 이제 막 시작되었습니다.
이 게시물에서는 세부 정보 및 기타 정보를 포함하여 Tesla가 AI를 시스템에 통합하는 방법을 심층적으로 검토할 것입니다.
그렇다면 AI는 자동차의 자율 주행을 어떻게 가르칩니까?
자율 주행 차 독립적으로 운전할 수 있도록 센서와 머신 비전 카메라의 데이터를 지속적으로 분석합니다. 그런 다음 이 데이터를 활용하여 다음에 할 일을 결정합니다.
그들은 AI를 사용하여 자전거, 보행자 및 자동차의 다음 움직임을 이해하고 예측합니다. 그들은 이 정보를 사용하여 신속하게 조치를 계획하고 순식간에 결정을 내릴 수 있습니다.
자동차는 현재 차선을 계속 유지해야 합니까 아니면 차선을 변경해야 합니까? 그것은 있는 곳에서 계속해야 합니까, 아니면 앞의 자동차를 지나쳐야 합니까? 차량은 언제 감속하거나 가속해야 합니까?
Tesla는 자동차를 완전히 자율적으로 만들기 위해 알고리즘을 훈련하고 AI에 공급하기 위해 적절한 데이터를 수집해야 합니다. 더 나은 성능은 항상 더 많은 훈련 데이터에서 비롯되며 Tesla는 이 영역에서 빛을 발합니다.
Tesla가 현재 도로에 있는 수십만 대의 Tesla 차량에서 모든 데이터를 크라우드소싱한다는 사실은 경쟁 우위를 제공합니다. 내부 및 외부 센서 모두 Tesla가 다양한 상황에서 어떻게 행동하는지 추적합니다.
또한 특정 상황에 어떻게 반응하는지, 스티어링 휠이나 대시보드를 얼마나 자주 만지는지 등 운전자 행동에 대한 정보를 수집합니다.
"모방 학습"은 Tesla 전략의 이름입니다. 전 세계 수백만 명의 실제 운전자가 판단하고, 대응하고, 움직이며, 그들의 알고리즘은 이러한 행동을 통해 학습합니다. 이 모든 킬로미터는 믿을 수 없을 정도로 정교한 자율 주행 차량을 만듭니다.
그들의 추적 시스템은 정말 고급입니다. 예를 들어 Tesla는 순간의 데이터 스냅샷을 저장하고 데이터 세트에 추가한 다음 색상으로 구분된 모양을 사용하여 세계의 추상적 표현을 재현합니다. 신경망 에서 배울 수 있습니다. 이것은 Tesla 차량이 자동차나 자전거의 동작을 잘못 예측할 때 발생합니다.
자율주행차를 개발하는 다른 기업들은 합성 데이터이는 Tesla가 AI를 훈련하는 데 사용하는 실제 데이터보다 훨씬 덜 효과적입니다(예: Grand Theft Auto와 같은 비디오 게임의 운전 행동).
이제 AI를 활용한 Tesla 구성 요소를 살펴보겠습니다.
AI를 활용한 Tesla 부품
카메라 및 센서
Tesla가 완료해야 하는 책임은 잘 알려져 있습니다. 차선 식별에서 보행자 추적에 이르기까지 이 모든 작업이 실시간으로 수행됩니다. 이러한 이유로 Tesla는 8대의 카메라를 사용하여 운영했습니다. 또한 이 많은 카메라가 있어 사각 지대가 없고 차량 주변 전체를 덮을 수 있습니다.
방금 읽은 것이 사실입니다! LIDAR 없음 고화질 매핑을 위한 시스템이 없습니다. Tesla는 컴퓨터 비전만을 사용하고자 합니다. 기계 학습, 카메라 비디오 피드를 사용하여 자동 조종 모델을 만듭니다. 그런 다음 CNN(Convolutional Neural Networks)을 사용하여 원본 비디오를 분석하여 물체 감지.
테슬라 자동 조종 장치 카메라 외에도 레이더 및 초음파 센서도 있습니다. 레이더는 차량과 다른 물체 사이의 거리를 감지하고 측정하는 데 사용됩니다. 운전자의 안전을 최적화하기 위해 초음파 센서는 수동 물체와의 근접성 모니터링에 따라 작동합니다.
자동차 주변을 이해하고 자동 조종 기능을 가능한 한 빠르게 반응하도록 하기 위해 신경망은 Tesla 하드웨어와 통합됩니다.
테슬라 FSD 칩 -3
도로에서의 향상된 성능과 안전성을 위해 Tesla 시스템에는 XNUMX개의 AI 프로세서가 포함되어 있습니다. Tesla 시스템은 오류가 없도록 노력합니다. 하나의 장치가 고장 나더라도 백업 전원 및 데이터 입력 소스로 인해 자동차는 추가 장치를 사용하여 계속 작동할 수 있습니다.
Tesla는 이러한 추가 조치를 사용하여 예기치 않은 고장 발생 시 충돌을 방지할 수 있도록 차량이 잘 갖춰져 있는지 확인합니다. 오직 인간의 뇌 새로운 Tesla 마이크로프로세서보다 초당 더 많은 작업을 실행할 수 있습니다(초당 1천조 작업). 이는 이전에 사용되었던 Tesla Nvidia 마이크로칩보다 약 21배 더 강력합니다.
Tesla는 의심할 여지 없이 완전 자율 기관차 시장의 선두 주자이지만 최첨단 자동 조종 장치를 생산하려면 아직 갈 길이 멉니다.
미래에는 이 에세이에서 설명한 특성을 갖춘 자동차가 의심할 여지 없이 일반화될 것입니다. Tesla는 자체 최첨단 AI 프로세서와 신경망 아키텍처를 만들었습니다.
신경망 훈련
모델은 또한 신경망 후에 훈련되어야 합니다. 생성되었습니다. 우리는 Tesla가 최첨단 컴퓨터 비전 기능을 허용하기 위해 광범위한 라이브러리와 도구를 배치했음을 알고 있습니다.
파이 토치, Facebook의 AI Research 부서에서 만든 프레임워크(FAIR)가 그러한 프레임워크 중 하나입니다. PyTorch는 다음에서 사용됩니다. 테슬라 테크 스택 딥 러닝 모델을 훈련합니다.
Tesla가 완전한 자율성을 달성하기 위해 지도나 LIDAR에 의존하지 않는다는 점은 주목할 만합니다. 카메라와 순수 컴퓨터 비전만을 사용하며 모든 것이 실시간으로 이루어집니다.
Tesla는 교육 및 다음과 같은 다양한 보조 활동을 위해 Pytorch를 사용합니다. 자동화된 워크플로우 스케줄링, 모델 임계값 보정, 철저한 평가, 수동 테스트, 시뮬레이션 테스트 등
Tesla는 약 70,000 GPU 시간을 48개의 개별 예측을 수행하는 1,000개의 네트워크를 훈련하는 데 사용합니다. 이 교육은 한 번이 아니라 계속 진행 중입니다. 우리는 인공 지능이 시간이 지남에 따라 발전하는 반복적인 과정이라는 것을 알고 있습니다. 결과적으로 1000개의 개별 예측이 모두 정확하고 절대 흔들리지 않습니다.
히드라넷
자동차가 움직이지 않고 교차로에 있을 가능성이 가장 높은 경우에도 주어진 시간에 약 100개의 작업이 진행 중입니다. 모든 작업에 신경망을 사용하는 것은 비용이 많이 들고 비효율적입니다. Tesla 차량의 AI는 방대한 양의 정보를 실시간으로 처리합니다.
그 결과 한 번에 50 x 1000 사진을 처리할 수 있는 ResNet-1000 공유 백본이 Computer Vision 워크플로의 중앙 처리 장치 역할을 합니다.
네트워크 상단 근처에서 HydraNet 신경망 설계는 여러 가지(또는 헤드)로 나뉩니다. 훈련 데이터의 각 마이크로 배치에 여러 헤드에 대해 다르게 가중치를 부여함으로써 이러한 헤드는 독립적으로 학습되고 별개의 것을 학습합니다.
물론 이러한 HydraNets의 여러 인스턴스가 함께 작동하여 차량용 AI를 처리합니다. 각 HydraNet의 정보는 반복되는 문제를 해결하는 데 활용됩니다.
예를 들어, 정지 신호를 처리하는 태스크, 보행자를 처리하는 태스크, 교통 신호를 검사하는 태스크가 활성화될 수 있습니다. 이러한 별개의 임무는 모두 공통 백본에 의해 운영됩니다.
HydraNet 아키텍처에 따르면 이러한 각 작업에는 거대한 신경망의 작은 부분만 필요합니다.
이것은 특정 관련 작업에 대한 공통 블록에 대해 별개의 블록이 훈련되는 전이 학습과 매우 유사합니다. HydraNets의 중추는 다양한 항목에 대해 교육을 받는 반면 헤드는 특정 작업에 대해 교육을 받습니다.
이렇게 하면 모델을 훈련하는 데 필요한 시간이 줄어들고 추론 속도가 빨라집니다.
테슬라 자동 조종 장치
자동 조종 기능이 있는 자동차는 차선에서 자율적으로 조향, 가속 및 정지할 수 있습니다. 심층 신경망 개념을 사용하여 구성됩니다. 카메라, 초음파 센서, 레이더를 이용하여 차량 주변을 관찰합니다.
운전자는 센서와 카메라를 통해 주변 환경을 인식하고 이 정보는 밀리초 단위로 분석되어 더 안전하고 스트레스를 덜 받는 운전을 돕습니다.
밝고 어두우며 다양한 기상 상황에서 레이더는 자동차 주변 공간을 관찰하고 추정하는 데 활용됩니다. 모든 상황에서 자외선 방식으로 친밀도를 판단하고, 패시브 비디오는 주변 물체를 식별하여 안전 운전을 촉진합니다.
또한 자동 조종 장치는 운전자를 돕기 위해 설계되었으며 Tesla를 자율 주행 차량으로 변환하지 않습니다. 운전자에게 운전대에 손을 대고 있도록 경고하는 것이 일반적입니다.
그렇지 않으면 운전대를 잡도록 일련의 경고가 트리거됩니다. 훨씬 더 오래 무시하면 자동차가 정지하기 전에 속도를 줄이기 시작합니다. 운전자는 크루즈 컨트롤 스토크를 제동, 회전 또는 비활성화하여 항상 자동 조종 장치 기능을 무시할 수 있습니다.
조감도
Tesla 하드웨어가 해석하는 그림은 종종 추가 치수가 필요할 수 있습니다. 조감도 기능을 사용하면 더 먼 거리를 더 쉽게 측정할 수 있으며 외부 세계를 보다 정확하게 표현할 수 있습니다.
주차를 단순화하고 작은 장소를 더 쉽게 탐색할 수 있도록 자동차의 평면도 이미지를 "렌더링"하는 시각적 모니터링 시스템입니다. 당신의 주차 능력에 대한 절름발이 정당화를 제공할 필요 없이 이제 안전하게 운전할 수 있습니다.
테슬라의 미래
강력한 주행거리를 자랑하는 중형 SUV를 찾고 계시다면, 2022 년 테슬라 모델 Y EV의 환상적인 출발점입니다. 정기적인 소프트웨어 업그레이드로 인해 Model Y는 Tesla의 다른 많은 제품과 마찬가지로 지속적으로 변경됩니다.
이러한 업그레이드는 안전성과 기능을 향상시켜 자동차를 더욱 유용하게 만듭니다. 가족과 다양한 수하물을 가지고 장거리를 여행해야 하는 사람들에게 넉넉한 차체와 Tesla의 수퍼차저 네트워크에 대한 액세스는 훌륭한 선택이 됩니다.
Tesla는 설립 초기부터 현재 고객 기반의 데이터를 활용해 왔으며 자율 주행 차량에 대한 작업은 AI를 모든 운영의 핵심에 두려는 지속적인 야망의 일부입니다.
AI와 빅 데이터는 Tesla의 충실한 동맹국인 Elon Musk와 그의 팀이 계속해서 가정용 태양열 패널로 전기 그리드를 변환하려는 열망을 포함하여 최신 이니셔티브로 이동할 것입니다.
결론
시장에서 가장 공격적인 혁신 기업 중 하나로 인정받는 Tesla는 항상 데이터 수집 및 분석을 가장 강력한 도구로 삼았습니다. 그들은 자신의 칩을 만들 때 동일한 규칙을 따랐습니다.
이 사업은 인공 지능과 데이터 분석 덕분에 우리가 자동차를 운전하는 방식을 완전히 바꿀 수 있는 잠재력을 지닌 자율 주행 차량을 개발했습니다.
플랫폼이 약속을 얼마나 잘 지키고 비즈니스를 발전시키는지 봅시다. 이러한 기술을 활용한 후 향후 자율주행차 시장에서 회사가 어디로 갈지는 두고 봐야 합니다.
댓글을 남겨주세요.