Anda boleh menganggap Tesla sebagai nama yang terkenal dalam industri automobil apabila anda memikirkannya. Tesla, perintis dalam kereta elektrik, tidak syak lagi. Walau bagaimanapun, mereka adalah firma teknologi, yang merupakan rahsia kejayaan mereka.
Salah satu perkara yang menjadikan perniagaan mereka berjaya ialah penggunaan kecerdasan buatan teknologi. Automasi penuh kenderaan Tesla adalah salah satu keutamaan semasa syarikat, dan untuk mencapai matlamat ini, mereka menggunakan AI dan banyak komponennya.
Dengan mengumumkan ketibaannya pada awal tahun 2021, Tesla menimbulkan kekecohan di benua kecil. Elon Musk hampir bersedia untuk menubuhkan Bangalore, India, sebagai hab pembuatan Tesla India.
Pakar AI di India bersorak ketika meme dan tweet mengenai bagaimana "Kereta Pandu Kendiri" yang banyak dipuji akan beroperasi di India diteruskan.
Seluruh gelombang kecerdasan buatan yang akhirnya akan memerintah dunia baru sahaja bermula.
Siaran ini akan mengkaji secara mendalam bagaimana Tesla mengintegrasikan AI ke dalam sistemnya, termasuk maklumat khusus dan lain-lain.
Jadi, bagaimana AI Mengajar Pemanduan Autonomi dalam Kereta?
Kenderaan autonomi menganalisis data secara berterusan daripada penderia dan kamera penglihatan mesin mereka agar dapat memandu secara bebas. Mereka kemudian menggunakan data ini untuk memutuskan perkara yang perlu dilakukan seterusnya.
Mereka menggunakan AI untuk memahami dan meramalkan pergerakan seterusnya basikal, pejalan kaki dan kereta. Mereka boleh menggunakan maklumat ini untuk merancang tindakan mereka dengan cepat dan membuat keputusan sepersekian saat.
Sekiranya kereta itu terus di lorong sekarang atau adakah ia perlu menukar lorong? Perlukah ia terus di tempatnya atau melepasi kereta di hadapan mereka? Bilakah kenderaan perlu memecut atau memecut laju?
Tesla perlu mengumpulkan data yang sesuai untuk melatih algoritma dan menyuap AInya untuk menjadikan kereta autonomi sepenuhnya. Prestasi yang lebih baik akan sentiasa terhasil daripada lebih banyak data latihan, dan Tesla bersinar di kawasan ini.
Fakta bahawa Tesla mengumpul semua datanya daripada ratusan ribu kenderaan Tesla yang kini berada di jalan raya memberi mereka kelebihan daya saing. Kedua-dua penderia dalaman dan luaran menjejaki cara Tesla berkelakuan dalam pelbagai keadaan.
Mereka juga mengumpul maklumat tentang tingkah laku pemandu, termasuk cara mereka bertindak balas terhadap keadaan tertentu dan kekerapan mereka menyentuh stereng atau papan pemuka.
“Pembelajaran tiruan” ialah nama strategi Tesla. Berjuta-juta pemandu sebenar di seluruh dunia membuat pertimbangan, bertindak balas dan bergerak, dan algoritma mereka belajar daripada tindakan tersebut. Semua kilometer itu menghasilkan kenderaan autonomi yang sangat canggih.
Sistem pengesanan mereka sangat maju. Sebagai contoh, Tesla menyimpan petikan data masa ini, menambahkannya pada set data dan kemudian mencipta semula perwakilan abstrak dunia menggunakan bentuk berkod warna yang rangkaian neural boleh belajar dari. Ini berlaku apabila kenderaan Tesla meramalkan tingkah laku kereta atau basikal secara salah.
Perniagaan lain yang membangunkan kenderaan autonomi bergantung kepada data sintetik, yang jauh kurang berkesan daripada data dunia sebenar yang digunakan oleh Tesla untuk melatih AInya (contohnya, tingkah laku memandu daripada permainan video seperti Grand Theft Auto).
Kami kini akan mengkaji komponen Tesla yang memanfaatkan AI.
Komponen Tesla yang memanfaatkan AI
Kamera & Penderia
Tanggungjawab yang mesti diselesaikan Tesla cukup terkenal. Semua operasi ini, daripada pengenalan lorong kepada pengesanan pejalan kaki, dijalankan dalam masa nyata. Tesla beroperasi dengan bantuan 8 kamera atas sebab ini. Selain itu, kehadiran banyak kamera ini memastikan tiada zon buta dan keseluruhan kawasan di sekeliling kereta dilindungi.
Memang betul apa yang awak baca tadi! tiada LIDAR Tiada sistem untuk pemetaan definisi tinggi. Tesla mahu menggunakan hanya penglihatan komputer, pembelajaran mesin, dan suapan video kamera untuk mencipta model autopilot. Rangkaian Neural Konvolusi (CNN) kemudiannya digunakan untuk menganalisis video mentah untuk menjejak dan mengesan objek.
Tesla autopilot juga mempunyai penderia radar dan ultrasonik sebagai tambahan kepada kamera. Radar digunakan untuk mengesan dan mengukur pemisahan antara kenderaan dan objek lain. Untuk mengoptimumkan keselamatan pemandu, penderia ultrasonik juga berfungsi mengikut kedekatan pemantauan dengan objek pasif.
Untuk memahami persekitaran kereta dan menjadikan keupayaan autopilot sebagai responsif yang mungkin, rangkaian saraf disepadukan dengan perkakasan Tesla.
Cip Tesla FSD -3
Untuk prestasi dan keselamatan yang lebih baik di jalan raya, sistem Tesla menyertakan dua pemproses AI. Sistem Tesla berusaha untuk bebas daripada ralat. Walaupun satu unit gagal, kereta masih boleh berfungsi menggunakan unit tambahan kerana kuasa sandaran dan sumber input data.
Tesla menggunakan langkah tambahan ini untuk memastikan kereta dilengkapi dengan baik untuk mengelakkan perlanggaran sekiranya berlaku kegagalan yang tidak dijangka. Hanya yang otak manusia boleh melaksanakan lebih banyak operasi sesaat daripada mikropemproses Tesla baharu (1 kuadrilion operasi sesaat). Itu kira-kira 21 kali lebih kuat daripada cip mikro Tesla Nvidia yang digunakan sebelum ini.
Tesla sudah pasti peneraju pasaran untuk lokomotif autonomi sepenuhnya, tetapi ia masih jauh untuk menghasilkan kereta autopilot yang canggih.
Pada masa hadapan, kereta dengan kualiti yang kami gariskan dalam esei ini sudah pasti akan menjadi perkara biasa. Tesla telah mencipta pemproses AI termaju dan seni bina rangkaian sarafnya sendiri.
Latihan Rangkaian Neural
Model juga mesti dilatih selepas rangkaian saraf telah dicipta. Kami sedar bahawa Tesla telah menyediakan pelbagai perpustakaan dan alatan untuk membolehkan keupayaan penglihatan komputer yang canggih.
pytorch, yang dicipta oleh jabatan Penyelidikan AI Facebook, adalah salah satu rangka kerja tersebut (FAIR). PyTorch digunakan oleh Timbunan teknologi Tesla untuk melatih model pembelajaran mendalam.
Perlu diperhatikan bahawa Tesla tidak bergantung pada peta atau LIDAR untuk mencapai autonomi sepenuhnya. Kamera dan penglihatan komputer tulen digunakan secara eksklusif, dan semuanya dilakukan dalam masa nyata.
Tesla menggunakan Pytorch untuk latihan serta pelbagai aktiviti tambahan seperti aliran kerja automatik penjadualan, penentukuran ambang model, penilaian menyeluruh, ujian pasif, ujian simulasi, dsb.
Tesla membelanjakan kira-kira 70,000 jam GPU melatih 48 rangkaian yang membuat 1,000 ramalan yang berbeza. Latihan ini berterusan, bukan sekali sahaja. Kami sedar bahawa kecerdasan buatan ialah proses berulang yang berkembang dari semasa ke semasa. Akibatnya, kesemua 1000 ramalan berasingan kekal tepat dan tidak pernah goyah.
HydraNet
Terdapat kira-kira 100 pekerjaan dalam kemajuan pada bila-bila masa, walaupun ketika kereta tidak bergerak dan kemungkinan besar berada di persimpangan jalan. Menggunakan rangkaian saraf untuk setiap tugas adalah mahal dan tidak berkesan. Sebilangan besar maklumat diproses dalam masa nyata oleh AI dalam kenderaan Tesla.
Akibatnya, tulang belakang kongsi ResNet-50, yang boleh memproses 1000 x 1000 gambar sekaligus, berfungsi sebagai unit pemprosesan pusat untuk aliran kerja Computer Vision.
Berhampiran bahagian atas rangkaian, reka bentuk rangkaian neural HydraNet terbahagi kepada beberapa cawangan (atau kepala). Dengan meminta setiap kumpulan mikro data latihan ditimbang secara berbeza untuk banyak ketua, ketua ini diajar secara bebas dan mempelajari perkara yang berbeza.
Sudah tentu, terdapat beberapa contoh HydraNets ini bekerjasama untuk memproses AI untuk kenderaan. Setiap maklumat HydraNet digunakan untuk menyelesaikan masalah yang berulang.
Sebagai contoh, satu tugas boleh menjadi aktif untuk mengendalikan tanda berhenti, satu lagi untuk menangani pejalan kaki, dan satu lagi untuk memeriksa isyarat lalu lintas. Tugas-tugas yang berbeza ini semuanya dikendalikan oleh tulang belakang yang sama.
Menurut seni bina HydraNet, hanya sebahagian kecil daripada rangkaian saraf yang besar diperlukan untuk setiap tugas ini.
Ini agak serupa dengan pembelajaran pemindahan, di mana blok berbeza dilatih untuk blok biasa untuk tugas berkaitan tertentu. Tulang belakang HydraNets dilatih dalam pelbagai perkara, manakala kepala diajar mengenai pekerjaan tertentu.
Ini mengurangkan jumlah masa yang diperlukan untuk melatih model dan mempercepatkan inferens.
Tesla Autopilot
Kereta dengan keupayaan autopilot boleh mengemudi, memecut dan berhenti secara autonomi di lorong. Ia dibina menggunakan konsep rangkaian neural dalam. Ia memerhati kawasan sekeliling kereta menggunakan kamera, penderia ultrasonik dan radar.
Pemandu dimaklumkan tentang persekitaran mereka oleh penderia dan kamera, dan maklumat ini dianalisis dalam beberapa milisaat untuk membantu menjadikan pemanduan lebih selamat dan kurang tekanan.
Dalam keadaan cuaca yang cerah, gelap dan pelbagai, radar digunakan untuk memerhati dan menganggar ruang di sekeliling kereta. Dalam setiap situasi, kaedah ultraviolet menentukan kedekatan, dan video pasif mengenal pasti objek berdekatan dan menggalakkan pemanduan yang selamat.
Selain itu, autopilot direka untuk membantu pemandu dan tidak mengubah Tesla menjadi kenderaan pandu sendiri. Ia adalah amalan biasa untuk memberi amaran kepada pemandu supaya sentiasa memegang roda.
Satu siri makluman untuk mengambil alih akan dicetuskan jika anda tidak melakukannya. Jika diabaikan lebih lama, kereta mula perlahan sebelum berhenti. Dengan membrek, membelok atau menyahaktifkan tangkai kawalan pelayaran, pemandu sentiasa boleh mengatasi fungsi autopilot.
Pandangan Mata Burung
Gambar-gambar yang sering ditafsirkan oleh perkakasan Tesla mungkin memerlukan dimensi tambahan. Ciri Pandangan Mata Burung memudahkan untuk mengukur jarak yang lebih jauh dan menawarkan gambaran dunia luar yang lebih tepat.
Ia adalah sistem pemantauan visual yang "memaparkan" imej paparan atas kereta untuk memudahkan tempat letak kereta dan menavigasi tempat-tempat kecil. Tanpa perlu memberikan justifikasi yang lemah tentang kebolehan tempat letak kereta anda, anda kini boleh memandu dengan selamat.
Masa Depan Tesla
Jika anda sedang mencari SUV bersaiz sederhana dengan julat yang kuat, pilihan 2022 Tesla Model Y ialah titik permulaan yang hebat untuk EV. Disebabkan oleh peningkatan perisian biasa, Model Y sentiasa berubah, sama seperti kebanyakan produk Tesla yang lain.
Dengan meningkatkan keselamatan dan kefungsian, peningkatan ini membantu kereta anda menjadi lebih berguna. Bagi mereka yang perlu melakukan perjalanan jauh bersama keluarga dan pelbagai bagasi, badan yang lapang dan akses kepada rangkaian Supercharger Tesla menjadikannya pilihan yang menarik.
Sejak permulaannya, Tesla telah mendapat manfaat daripada data daripada pangkalan pelanggan semasanya, dan kerjanya pada kenderaan autonomi adalah sebahagian daripada cita-cita berterusannya untuk meletakkan AI sebagai teras semua operasinya.
AI dan data besar akan terus menjadi Elon Musk dan pasukannya di sekutu setia Tesla apabila mereka bergerak ke dalam inisiatif terbaharu mereka termasuk aspirasi mereka untuk mengubah grid elektrik dengan panel kuasa solar rumah mereka.
Kesimpulan
Tesla, sebuah syarikat yang diiktiraf sebagai salah satu inovator paling agresif pasaran, sentiasa menjadikan pengumpulan dan analisis data sebagai alat yang paling berkuasa. Mereka mengikuti peraturan yang sama apabila membuat cip mereka sendiri.
Perniagaan ini telah membangunkan kenderaan autonomi yang berpotensi mengubah sepenuhnya cara kami memandu kereta hasil daripada kecerdasan buatan dan analisis data.
Mari lihat sejauh mana platform itu memenuhi janjinya dan mengembangkan perniagaannya. Ke mana syarikat itu akan pergi ke pasaran untuk kenderaan autonomi pada masa hadapan masih dapat dilihat selepas memanfaatkan teknologi ini.
Sila tinggalkan balasan anda