우리가 알고 있는 이 세상은 인공 지능(AI)의 결과로 바뀔 수 있습니다. Tesla는 반자율 시스템의 개선과 관련하여 이를 적극 활용하고 있습니다.
또한 엘론 머스크는 결국 다른 분야에도 적용될 것이라고 단언한다. Full Self-Driving 기술과 Autopilot 시스템을 위해
Tesla는 컴퓨터 비전을 사용하여 기계 학습, 그리고 인공 지능(FSD).
이 글에서는 Tesla를 기술 회사로 만드는 요인과 AI, 컴퓨터 비전, 빅 데이터 및 기타 기술을 사용하여 자율 주행 자동차를 개발하는 방법에 대해 논의합니다. 의 시작하자.
먼저 Tesla가 기술 회사인 방법을 살펴보겠습니다.
Tesla가 기술 회사로 간주되는 이유는 무엇입니까?
테슬라 상당한 양의 소프트웨어를 생산하고 있습니다. 테슬라만의 차별화된 인포테인먼트 시스템, 사용자 인터페이스, 자율주행 기능은 모두 소프트웨어를 기반으로 합니다.
다른 자동차 제조업체는 이제 무선 업그레이드를 실험하기 시작했지만 Tesla는 몇 년 동안 이를 수행해 왔습니다. Tesla 직원들은 Tesla 자동차용 운영 체제를 만들고 지속적으로 개선하고 있습니다.
Tesla는 또한 태양 전지판, 옥상 태양열 타일, 여러 유형의 배터리, 충전소, 컴퓨터 및 주요 컴퓨터 구성 요소(Tesla 자동차용)를 비롯한 다양한 기타 기술 제품을 생산합니다.
Nokia와 Blackberry는 모두 소프트웨어를 가지고 있었지만 iPhone은 이 둘의 균형 잡힌 조합을 가지고 있었습니다. 이것이 바로 iPhone이 휴대폰 사업을 정복하고 현재 우리가 휴대폰을 사용하는 방식을 바꾼 이유입니다.
이것이 Tesla가 자동차 사업을 위해 하는 일입니다. Tesla는 차량입니다(그리고 SUV 및 곧 픽업 트럭, 세미 트럭 및 ATV). 그러나 이러한 차량에는 Tesla가 내부적으로 만들거나 Tesla 시스템에 통합한 일상적인 사용을 위한 소프트웨어가 통합되어 있습니다.
주차되어 있는 동안 Tesla는 TRAX, 노래방 및 수많은 게임(그리고 언젠가는 운송 중)을 포함한 다양한 엔터테인먼트 옵션을 도입했습니다. Tesla 하드웨어와 소프트웨어를 결합한 보안 시스템 Sentry Mode는 기물 파손과 같은 범죄를 해결하는 법 집행 기관을 지원했습니다. 스마트폰은 Tesla의 키 역할을 합니다.
전화를 사용하여 Tesla에 전화하여 귀하에게 올 수 있습니다. 또한 Tesla의 고유한 센트리 모드 기술 덕분에 중요한 이벤트가 있을 경우 차량에서 휴대폰으로 알립니다.
Tesla는 Tesla 운전자의 실제 운전 습관에 대해 수집한 데이터를 사용할 것이기 때문에(데이터 수집은 기술의 핵심 요소이며, 특히 이와 같이 직접적이고 시장 조사 조사를 통해 수행되지 않는 경우) Tesla의 보험도 연장될 것입니다. 기술 측면의.
Tesla는 Autopilot에 어떤 기술을 사용합니까?
그들은 로봇과 자동차와 같은 기계에서 대규모로 자율성을 만들고 사용합니다. 그들은 완전한 해답을 제공할 수 있는 유일한 방법이라고 주장한다. 자율 주행 그 이상은 계획과 비전을 위해 최첨단 AI에 의존하고 추론을 위한 효과적인 하드웨어로 보완됩니다.
테슬라 FSD 칩
Tesla 시스템에는 향상된 성능과 도로 안전을 위해 XNUMX개의 AI 프로세서가 함께 제공됩니다. Tesla 시스템은 오류 없는 작동을 목표로 합니다. 백업 전원 및 데이터 입력 소스로 인해 한 장치가 오작동하더라도 자동차는 계속 달릴 수 있습니다.
Tesla는 예상치 못한 고장이 발생할 경우 충돌을 방지할 수 있도록 차량이 잘 준비되어 있는지 확인하기 위해 이러한 추가 예방 조치를 취합니다.
새로운 Tesla 마이크로프로세서보다 초당 더 많은 작업을 수행할 수 있는 유일한 장치는 인간의 두뇌입니다(초당 1천조 작업). 이는 이전에 사용된 Tesla Nvidia 마이크로칩보다 약 21배 더 강력합니다.
와트당 실리콘 성능을 최대화하면서 아키텍처 및 마이크로 아키텍처 향상을 모두 고려하여 AI 추론 프로세서를 구축하여 완전 자율 주행 소프트웨어를 구동합니다.
Tesla는 의심할 여지 없이 완전 자율 기관차 시장을 주도하고 있지만 최첨단 자동 조종 차량을 개발하려면 아직 멀었습니다.
테슬라 도장 칩
Tesla는 BF1/CFP362에 16 TFLOP의 전력을 제공하는 새로운 프로세서인 Tesla D8을 공개했습니다. 인공 지능. 이는 최근 한 행사에서 공개됐다. 테슬라 AI 데이 프레젠테이션.
Tesla D1은 총 354개의 훈련 노드를 추가하는 기능 단위 네트워크라고 하는 기능 단위 네트워크를 연결하여 거대한 칩을 만듭니다. 각 기능 장치에는 링크 순회, 브로드캐스트 및 전치를 위한 맞춤형 특수 설계가 적용된 쿼드 코어, 64비트 ISA CPU가 있습니다. 수퍼스칼라 구현은 이 CPU(4-와이드 스칼라 및 2-와이드 벡터 파이프라인)에서 사용됩니다.
이 새로운 Tesla 실리콘은 크기가 100mm 정사각형인 NVIDIA A100 가속기에 있는 GA826 GPU보다 작습니다. 7nm 공정으로 생산되며, 전체 트랜지스터 수는 50,000만개, 면적은 645mm입니다.
Tesla는 Dojo 칩이 현재 시스템보다 XNUMX배 더 빠르게 컴퓨터 비전 데이터를 처리하여 자율 주행 시스템을 완전히 자동화할 수 있다고 주장합니다.
그러나 가장 도전적인 두 가지 기술적 업적, 즉 타일 간 상호 연결 및 소프트웨어는 Tesla가 아직 달성하지 못했습니다.
최고급 네트워킹 스위치는 어떤 타일의 외부 대역폭과도 경쟁할 수 없습니다. 이를 위해 Tesla는 고유한 상호 연결을 만들었습니다.
도장 시스템
고수준 소프트웨어 API에서 Dojo 시스템을 작성하여 이를 실리콘 펌웨어 인터페이스로 제어하십시오. 최첨단 고전력 전달 및 냉각 기술을 활용하여 까다로운 상황을 해결하고 확장 가능한 제어 루프 및 모니터링 소프트웨어를 만드십시오.
기계, 열 및 전기 엔지니어링 팀의 전체 전문 지식을 활용하여 Tesla 데이터 센터에서 사용할 차세대 기계 학습 컴퓨팅을 개발하십시오. 유일한 제한은 당신의 상상력입니다.
모든 구성 요소와 함께 작업 시스템 디자인. 누구나 Dojo에 액세스할 수 있도록 공개 API를 개발하고 Tesla 차량 학습과 협력하여 방대한 데이터 세트를 활용하여 교육 워크로드를 제공하십시오.
자율 알고리즘
충실도가 높은 세계 모델을 만들고 해당 공간에 궤적을 그려 자동차를 작동하는 핵심 알고리즘을 개발합니다.
알고리즘은 장소와 시간에 걸쳐 자동차 센서의 데이터를 집계하여 훈련에 사용할 수 있는 정확하고 광범위한 실측 데이터를 제공할 수 있습니다. 신경망 이러한 표현을 예상합니다.
그들은 불확실성이 있는 도전적인 현실 세계 시나리오에서 기능할 수 있는 최첨단 방법론을 사용하여 강력한 계획 및 의사 결정 시스템을 구축합니다.
전체 Tesla 차량 수준에서 알고리즘을 분석하는 것은 유익합니다.
신경망
심층 신경망은 최첨단 연구를 활용하여 인식에서 제어에 이르기까지 다양한 문제에 대해 훈련할 수 있습니다. 의미론적 분할, 객체 식별 및 단안 깊이 추정을 수행하기 위해 카메라별 네트워크는 원시 사진을 검사합니다.
그들의 조감도 네트워크는 모든 카메라의 영상을 사용하여 도로 레이아웃, 정적 인프라 및 3D 개체의 하향식 관점을 생성합니다.
그들의 네트워크는 세계에서 가장 복잡하고 다양한 상황을 포함하는 약 1만대의 차량에서 지속적으로 데이터를 제공받습니다.
Autopilot 신경망의 전체 구성을 구성하는 48개의 네트워크는 훈련하는 데 70,000 GPU 시간이 필요합니다. 각 시간 단계에서 1,000개의 서로 다른 텐서(예측)를 집합적으로 생성합니다.
인프라 평가
또한 혁신의 속도를 높이고 성능 향상을 모니터링하며 회귀를 중지하기 위해 인프라와 개방형 및 폐쇄형 루프 하드웨어 인 더 루프(Hardware-in-the-Loop) 평가 도구를 대규모로 만들었습니다.
그들은 함대의 익명화된 특성 클립을 활용하고 많은 테스트 시나리오에 통합합니다. 실제 환경을 시뮬레이션하는 코드를 작성하여 Autopilot 프로그램이 자동화된 테스트 또는 라이브 디버깅에 사용할 수 있도록 믿을 수 없을 정도로 생생한 비주얼과 기타 센서 데이터를 생성합니다.
Tesla는 빅 데이터, 인공 지능 및 기계 학습을 어떻게 활용합니까?
빅 데이터
빅 데이터는 Tesla가 문제를 해결하는 데만 사용하는 것이 아닙니다. 또한 소비자의 행복을 높이는 데 사용됩니다. 그들은 고객의 온라인 커뮤니티에서 정보를 얻고 이를 후속 제조를 향상시키는 데 사용합니다. 이러한 유형의 고객 상호 작용은 비즈니스에서 전례가 없습니다.
빅 데이터는 비용을 절감하고, 새로운 시장을 찾고, 소비자를 만족시키고, 신제품을 만들고, 차량을 향상하려는 Tesla의 노력을 지원합니다.
이 정보는 운전자가 조치를 취하도록 하는 위험의 위치에서 특정 도로 구간의 평균 교통 속도 증가에 이르기까지 모든 것을 보여주는 극도로 데이터 밀도가 높은 지도를 만드는 데 사용됩니다.
에지 컴퓨팅 클라우드의 머신 러닝이 전체 차량 훈련을 처리하는 동안 각 개별 자동차가 지금 취해야 하는 조치를 결정합니다.
또한 세 번째 수준의 의사 결정이 있습니다. 여기에서 자동차는 이웃 Tesla 차량과 연결하여 네트워크를 구축하고 해당 지역에 대한 지식을 공유할 수 있습니다.
이러한 네트워크는 자율 주행 자동차가 흔한 가까운 미래의 세계에서 교통 카메라, 지상 기반 센서 또는 전화와 같은 다른 시스템뿐만 아니라 다른 제조업체에서 만든 차량과도 통신할 것입니다.
인공 지능
자율주행 자동차는 스스로 운전할 수 있도록 센서와 머신 비전 카메라의 데이터를 지속적으로 평가합니다. 그런 다음 이 정보를 기반으로 결정을 내립니다.
그들은 AI를 사용하여 자전거, 보행자 및 자동차의 움직임을 이해하고 예측합니다. 그들은 이 지식을 사용하여 순간적인 판단을 내리고 활동을 신속하게 계획할 수 있습니다.
차는 지금 있는 차선을 유지해야 합니까, 아니면 변경해야 합니까? 그대로 진행해야 할까요, 아니면 앞차를 추월해야 할까요? 차는 언제 감속하거나 가속해야 합니까?
자동차를 완전히 자율적으로 만들기 위해 Tesla는 알고리즘을 훈련하고 AI에 공급하는 데 필요한 데이터를 수집해야 합니다. 더 많은 훈련 데이터는 항상 더 나은 성능으로 이어지며 Tesla는 이 점에서 탁월합니다.
Tesla는 현재 도로에 있는 수십만 대의 Tesla 차량에서 모든 데이터를 수집하기 때문에 경쟁력이 있습니다. 내부 및 외부 센서는 Tesla가 다양한 조건에서 작동하는 방식을 감시합니다.
또한 다양한 상황에 대한 반응과 핸들이나 대시보드를 만지는 빈도를 포함하여 운전자가 어떻게 행동하는지 관찰합니다. 그들은 매우 정교한 추적 시스템을 가지고 있습니다.
예를 들어 Tesla는 순간을 기록하고 데이터 수집에 추가한 다음 색상이 지정된 형식을 사용하여 신경망이 학습할 수 있는 환경에 대한 추상적 이미지를 생성합니다.
이것은 Tesla 차량이 자동차나 자전거의 작동 방식에 대해 부정확한 가정을 할 때 발생합니다.
기계 학습
제어 장치에서 운전자의 손 위치에 대한 정보와 작동 방식에 대한 정보를 수집할 수 있는 내부 및 외부 센서를 사용하여 Tesla 머신 러닝은 모든 차량과 차량의 주요 데이터 중 일부를 성공적으로 크라우드소싱합니다. 드라이버.
또한 이 정보는 특정 길이의 도로에서 평균 교통 속도 증가부터 위험 존재, 심지어 운전자에게 조치를 취하도록 촉구하는 것까지 모든 것을 표시하는 매우 데이터 밀도가 높은 지도를 만드는 데 활용됩니다.
의 일부인 동안 에지 컴퓨팅 각 개별 차량에서 차량이 지금 취해야 하는 조치를 결정하므로 Tesla의 클라우드 기반 머신 러닝은 전체 차량을 교육하는 역할을 합니다.
지역의 통찰력과 정보를 교환하기 위해 자동차는 근처에 있는 다른 Tesla 차량과 네트워크를 형성할 수 있습니다.
결론
Tesla는 항상 무엇을 하든 가장 강력한 도구인 데이터 수집 및 분석을 생산하는 비즈니스였습니다. 그들은 CPU를 설계할 때 예외를 두지 않았습니다.
개발 자치 차량 그리고 기업의 통계 데이터 분석은 인공 지능, 데이터 분석, 빅 데이터, 머신 러닝, 컴퓨터 비전, 신경망, FSD 칩 및 기타 여러 알고리즘 덕분에 운전 방식을 완전히 바꾸는 것을 가능하게 했습니다.
댓글을 남겨주세요.