Dir kënnt unhuelen datt Tesla e bekannte Numm an der Autosindustrie ass wann Dir un se denkt. Tesla, e Pionéier an Elektroautoen, ass ouni Zweiwel. Wéi och ëmmer, si sinn eng technologesch Firma, wat de Geheimnis fir hiren Erfolleg ass.
Ee vun de Saachen, déi hire Betrib erfollegräich gemaach hunn ass d'Benotzung vun Kënschtlech Intelligenz Technologien. Déi voll Automatiséierung vun den Tesla Gefierer ass eng vun den aktuellen Haaptprioritéiten vun der Firma, a fir dëst Zil z'erreechen, benotze se AI a seng vill Komponenten.
Duerch seng Arrivée Ufank 2021 anzekënnegen, Tesla en Opreegung um Subkontinent erstallt. Den Elon Musk ass bal prett fir Bangalore, Indien, als Tesla Indien Fabrikatiounshub ze etabléieren.
AI Experten an Indien hunn gejubelt wéi d'Memes an Tweets betreffend wéi déi vill gelueft "Self-driving Cars" an Indien weidergoen.
Eng ganz Welle vu kënschtlecher Intelligenz, déi schlussendlech de Globus regéiert, fänkt just un.
Dëse Post wäert am Déift ënnersichen wéi Tesla AI a säi System integréiert, dorënner Spezifizitéiten an aner Informatioun.
Also, wéi léiert AI Autonom Fueren an Autoen?
Autonom Gefierer kontinuéierlech Donnéeën vun hire Sensoren a Maschinnevisiounskameraen analyséieren fir onofhängeg ze fueren. Si benotzen dann dës Donnéeën fir ze entscheeden wat se duerno maache sollen.
Si benotzen AI fir déi nächst Beweegunge vu Vëloen, Foussgänger an Autoen ze verstoen an virauszesoen. Si kënnen dës Informatioun benotze fir hir Handlungen séier ze plangen an Entscheedungen op Split-Sekonn ze treffen.
Soll den Auto weider a senger aktueller Spuer weiderfueren oder soll en Spuer wiesselen? Soll et weidergoen wou et ass oder den Auto virun hinnen passéieren? Wéini soll d'Gefier deceleréieren oder beschleunegen?
Tesla muss déi entspriechend Daten sammelen fir d'Algorithmen ze trainéieren a seng AIs ze fidderen fir Autoen komplett autonom ze maachen. Besser Leeschtung wäert ëmmer aus méi Trainingsdaten resultéieren, an Tesla blénkt an dësem Beräich.
D'Tatsaach datt Tesla all seng Daten aus den Honnerte vun Dausende vun Tesla Gefierer crowdsourcet, déi elo op der Strooss sinn, gëtt hinnen e kompetitive Virdeel. Béid intern an extern Sensoren verfollegen wéi Teslas sech a verschiddene Ëmstänn behuelen.
Si sammelen och Informatioun iwwer de Chaufferverhalen, och wéi se op bestëmmten Ëmstänn reagéieren a wéi dacks se d'Lenkrad oder d'Dashboard beréieren.
"Imitation Learning" ass den Numm vun der Tesla Strategie. Millioune vun echte Chauffeuren op der ganzer Welt maachen Uerteeler, reagéieren a réckelen, an hir Algorithmen léieren aus dësen Aktiounen. All déi Kilometer resultéieren an onheemlech raffinéiert autonom Gefierer.
Hiren Tracking System ass wierklech fortgeschratt. Zum Beispill späichert Tesla en Date-Snapshot vum Moment, füügt et un den Dateset bäi an erstellt dann eng abstrakt Representatioun vun der Welt mat faarwegkodéierte Formen déi neural Netz kann aus léieren. Dëst geschitt wann en Tesla Gefier d'Behuele vun engem Auto oder Vëlo falsch virausgesot.
Aner Geschäfter déi autonom Gefierer entwéckelen vertrauen op syntheteschen Daten, wat wesentlech manner effektiv ass wéi déi real-Weltdaten, déi Tesla benotzt fir seng AIs ze trainéieren (zum Beispill Fuerverhalen vu Videospiller wéi Grand Theft Auto).
Mir wäerten elo Tesla Komponenten ënnersichen déi vun AI profitéieren.
Tesla Komponenten déi vun AI profitéieren
Kamera & Sensoren
D'Verantwortung déi Tesla muss ausfëllen sinn zimlech bekannt. All dës Operatiounen, vun der Spueridentifikatioun bis zu Foussgängerverfolgung, ginn an Echtzäit duerchgefouert. Tesla huet aus dësem Grond mat Hëllef vun 8 Kameraen operéiert. Zousätzlech garantéiert d'Präsenz vun esou ville Kameraen datt et keng blann Zone gëtt an datt d'ganz Géigend ronderëm den Auto iwwerdeckt ass.
Et ass richteg wat Dir grad gelies hutt! nee LIDAR Kee System fir héich-Definitioun Kaarte. Tesla wëll just Computervisioun benotzen, Maschinn léieren, a Kamera Video Feeds fir den Autopilotmodell ze kreéieren. Convolutional Neural Networks (CNNs) ginn dann benotzt fir de roude Video ze analyséieren fir ze verfolgen an Objeten erkennen.
Tesla Autopilot huet och Radar- an Ultraschallsensoren nieft Kameraen. De Radar gëtt benotzt fir d'Trennung tëscht Gefierer an aneren Objeten z'entdecken an ze moossen. Fir d'Sécherheet vum Chauffer ze optimiséieren, funktionnéieren d'Ultraschallsensoren och am Aklang mat der Iwwerwaachung vun der Proximitéit mat passiven Objeten.
Fir d'Ëmgéigend vum Auto ze verstoen an d'Autopilotfäegkeeten esou reaktiounsfäeg wéi méiglech ze maachen, sinn neural Netzwierker mat der Tesla Hardware integréiert.
Tesla FSD Chip -3
Fir verbessert Leeschtung a Sécherheet op de Stroossen, Tesla Systemer enthalen zwee AI Prozessoren. Den Tesla System beméit sech fir Feelerfräi ze sinn. Och wann eng Eenheet feelt, kann den Auto nach ëmmer funktionnéieren mat den extra Eenheeten wéinst der Backupkraaft an Dateninputquellen.
Tesla benotzt dës extra Moossname fir sécherzestellen datt d'Autoen gutt ausgestatt sinn fir Kollisiounen am Fall vun engem onerwaarten Echec ze vermeiden. Nëmmen déi mënschlecht Gehir kann méi Operatiounen pro Sekonn ausféieren wéi den neien Tesla Mikroprozessor (1 Quadrillion Operatiounen pro Sekonn). Dat ass ongeféier 21 Mol méi potent wéi d'Tesla Nvidia Mikrochips déi virdru benotzt goufen.
Tesla ass ouni Zweifel e Maart Leader fir voll autonom Lokomotiven, awer et ass nach ëmmer e laange Wee fir e modernste Autopilot Auto ze produzéieren.
An Zukunft wäert en Auto mat de Qualitéiten, déi mir an dësem Essay duergestallt hunn, ouni Zweifel allgemeng ginn. Tesla huet seng eege modernste AI Prozessoren an neural Netzwierkarchitektur erstallt.
Neural Netzwierk Training
De Modell muss och no den neurale Netzwierker trainéiert ginn geschaf ginn. Mir si bewosst datt Tesla eng breet Palette vu Bibliothéiken an Tools gesat huet fir modernste Computervisiounsfäegkeeten z'erméiglechen.
pytorch, déi vum Facebook's AI Research Departement erstallt gouf, ass ee sou Kader (FAIR). PyTorch gëtt vun der Tesla Tech Stack den Deep Learning Modell ze trainéieren.
Et ass bemierkenswäert datt Tesla net op Kaarten oder LIDAR vertraut fir komplett Autonomie z'erreechen. D'Kameraen a reng Computervisioun ginn exklusiv benotzt, an alles gëtt an Echtzäit gemaach.
Tesla beschäftegt Pytorch fir Training souwéi verschidde Hëllefsaktivitéite wéi automateschen Workflow Zäitplang, Kalibrierung vu Modellschwellen, grëndlech Bewäertung, passiv Tester, Simulatiounstester, asw.
Tesla verbréngt ongeféier 70,000 GPU Stonnen Training 48 Netzwierker déi 1,000 verschidde Prognosen maachen. Dës Formatioun ass lafend, net nëmmen eemol. Mir si bewosst datt kënschtlech Intelligenz en iterativen Prozess ass dee mat der Zäit viru geet. Als Resultat bleiwen all 1000 getrennte Prognosen korrekt a falen ni.
HydraNet
Et gi ronn 100 Aarbechtsplazen zu all Moment ënner Fortschrëtter, och wann en Auto net beweegt an héchstwahrscheinlech op enger Kräizung steet. En neuralt Netzwierk fir all Aufgab ze benotzen ass deier an ineffektiv. Massive Quantitéiten un Informatioun ginn an Echtzäit vun der AI an Tesla Gefierer veraarbecht.
Als Resultat ass de ResNet-50 gemeinsame Réckgrat, deen 1000 x 1000 Biller gläichzäiteg veraarbecht kann, déngt als Zentralveraarbechtungseenheet fir de Computer Vision Workflow.
No der Spëtzt vum Netz trennt den HydraNet neuralen Netzwierkdesign a verschidde Filialen (oder Kapp). Andeems all Mikro-Batch vun Trainingsdaten anescht gewiicht gi fir déi vill Käpp, ginn dës Käpp onofhängeg geléiert a léiere verschidde Saachen.
Natierlech ginn et e puer Instanzen vun dësen HydraNets déi zesumme schaffen fir d'AI fir d'Gefierer ze veraarbecht. D'Informatioun vun all HydraNet gëtt benotzt fir widderhuelend Probleemer ze léisen.
Zum Beispill kann eng Aufgab aktiv sinn fir Stoppschëlder ze handhaben, eng aner fir mat Foussgänger ze handelen, an nach eng aner fir Verkéierssignaler z'ënnersichen. Dës ënnerschiddlech Flichten ginn all vun engem gemeinsame Réckgrat bedriwwen.
No der HydraNet Architektur ass just e klengen Deel vum enormen neurale Netzwierk fir all vun dësen Aufgaben gebraucht.
Dëst ass zimmlech ähnlech mam Transfer Léieren, wou verschidde Blocks trainéiert gi fir e gemeinsame Block fir bestëmmte verbonne Aufgaben. D'Réckgrat vun HydraNets ginn op verschidde Saachen trainéiert, wärend d'Käpp op bestëmmten Aarbechtsplaze geléiert ginn.
Dëst reduzéiert d'Quantitéit vun Zäit néideg fir de Modell ze trainéieren a beschleunegt d'Inferenz.
Tesla Autopilot
Autoen mat Autopilotfäegkeeten kënnen autonom an enger Spuer steieren, beschleunegen an stoppen. Et ass konstruéiert mat deep neuralen Netzwierkkonzepter. Et observéiert d'Gebitt ronderëm den Auto mat Kameraen, Ultraschallsensoren a Radar.
D'Chauffeuren ginn duerch d'Sensoren an d'Kameraen op hir Ëmgéigend bewosst gemaach, an dës Informatioun gëtt an e puer Millisekonnen analyséiert fir ze hëllefen de Fuere méi sécher a manner stresseg ze maachen.
An helle, donkelen a verschiddene Wiederkonditiounen gëtt Radar benotzt fir de Raum ronderëm Autoen ze observéieren an ze schätzen. An all Situatioun bestëmmen ultraviolet Methoden d'Proximitéit, a passive Video identifizéiert Objeten an der Géigend a fördert sécher Fuere.
Zousätzlech ass den Autopilot entwéckelt fir de Chauffer ze hëllefen an transforméiert net eng Tesla an e selbstfahrend Gefier. Et ass allgemeng Praxis Chauffeuren ze warnen hir Hänn um Rad ze halen.
Eng Serie vun Alarmer fir d'Rad ze huelen ginn ausgeléist wann Dir dat net maacht. Wann et vill méi laang ignoréiert gëtt, fänkt den Auto un ze bremsen ier se ophalen. Duerch Bremsen, dréinen oder deaktivéieren de Cruise Control Stang, kënnen d'Chauffeuren ëmmer d'Autopilotfunktiounen iwwerschreiden.
Vugel Vue
D'Biller déi Tesla Hardware interpretéiert dacks kéinten extra Dimensiounen brauchen. D'Bird's Eye View Feature mécht et méi einfach fir méi wäit Distanzen ze moossen a bitt eng méi genee Representatioun vun der Äussewelt.
Et ass e visuellen Iwwerwachungssystem deen en Top View Bild vun engem Auto "rendert" fir Parken einfach ze maachen a kleng Plazen méi einfach ze navigéieren. Ouni eng lëschteg Begrënnung iwwer Är Parkfäegkeeten ze ginn, kënnt Dir elo sécher d'Rad huelen.
Zukunft vun Tesla
Wann Dir no engem mëttelgrousse SUV mat enger staarker Gamme sicht, da 2022 Tesla Model Y ass e fantastesche Startpunkt fir EVs. Wéinst reegelméissegen Softwareupgrades ännert de Model Y sech permanent, sou wéi vill vun Tesla seng aner Produkter.
Duerch d'Sécherheet a Funktionalitéit ze verbesseren, hëllefen dës Upgrades Ären Auto méi nëtzlech ze sinn. Fir Leit, déi laang Distanzen mat der Famill a verschidde Gepäck reesen mussen, maachen de raimleche Kierper an den Zougang zum Tesla's Supercharger Netzwierk et eng wonnerbar Wiel.
Zënter dem Start huet Tesla vun Daten aus senger aktueller Clientsbasis profitéiert, a seng Aarbecht op autonom Gefierer ass en Deel vu senger lafender Ambitioun fir AI am Kär vun all sengen Operatiounen ze setzen.
AI a Big Data wäerte weiderhin den Elon Musk a säin Team bei Tesla trei Alliéierten sinn, wéi se an hir neist Initiativen plënneren, dorënner hir Striewe fir d'elektrescht Netzwierk mat hiren Heem Solarenergiepanneauen ze transforméieren.
Konklusioun
Tesla, eng Firma déi als ee vun den aggressivsten Innovateuren um Maart unerkannt ass, huet ëmmer d'Datesammlung an d'Analyse zu hirem mächtegste Tool gemaach. Si hunn déi selwecht Regele gefollegt wann et ëm hir eege Chips koum.
D'Geschäft huet autonom Gefierer entwéckelt déi d'Potenzial hunn fir komplett z'änneren wéi mir Autoe fueren dank kënschtlecher Intelligenz an Datenanalyse.
Loosst eis kucken wéi gutt d'Plattform seng Verspriechen erhalen a säi Geschäft entwéckelt. Wou d'Firma an der Zukunft um Maart fir autonom Gefierer wäert goen, bleift ze gesinn nodeems se dës Technologien benotzt hunn.
Hannerlooss eng Äntwert