तपाईंले टेस्लालाई अटोमोबाइल उद्योगमा प्रख्यात नाम भएको अनुमान गर्न सक्नुहुन्छ जब तपाईं तिनीहरूको बारेमा सोच्नुहुन्छ। इलेक्ट्रिक अटोमोबाइलमा अग्रगामी टेस्ला, यसमा कुनै शंका छैन। यद्यपि, तिनीहरू एक प्राविधिक फर्म हुन्, जुन तिनीहरूको सफलताको रहस्य हो।
तिनीहरूको व्यवसायलाई सफल बनाउने चीजहरू मध्ये एक प्रयोग हो कृत्रिम बुद्धि प्रविधिहरू। टेस्लाका गाडीहरूको पूर्ण स्वचालन कम्पनीको हालको शीर्ष प्राथमिकताहरू मध्ये एक हो, र यो उद्देश्य हासिल गर्न तिनीहरूले एआई र यसका धेरै कम्पोनेन्टहरू प्रयोग गरिरहेका छन्।
२०२१ को सुरुमा यसको आगमनको घोषणा गरेर, tesla उपमहाद्वीपमा हलचल मचायो। एलोन मस्क भारतको बैंगलोरलाई टेस्ला भारतको उत्पादन केन्द्रको रूपमा स्थापना गर्न लगभग तयार छन्।
भारतमा एआई विज्ञहरूले भारतमा धेरै प्रशंसित "सेल्फ-ड्राइभिङ कारहरू" कसरी सञ्चालन हुनेछन् भन्ने बारे मेम्स र ट्वीटहरू गर्दा खुशी व्यक्त गरे।
कृत्रिम बुद्धिमत्ताको सम्पूर्ण लहर जसले अन्ततः विश्वमा शासन गर्नेछ भर्खरै सुरु हुँदैछ।
यस पोष्टले टेस्लाले कसरी एआईलाई आफ्नो प्रणालीमा एकीकृत गर्दैछ, विशेष र अन्य जानकारी सहितको गहिराइमा जाँच गर्नेछ।
त्यसोभए, कसरी AI ले कारहरूमा स्वायत्त ड्राइभिङ सिकाउँछ?
स्वायत्त वाहनहरू स्वतन्त्र रूपमा ड्राइभ गर्न सक्षम हुनको लागि तिनीहरूको सेन्सर र मेशिन भिजन क्यामेराहरूबाट डेटाको निरन्तर विश्लेषण गर्नुहोस्। त्यसपछि के गर्ने भन्ने निर्णय गर्न तिनीहरूले यो डेटा प्रयोग गर्छन्।
तिनीहरूले साइकल, पैदल यात्रीहरू र अटोहरूको अर्को चाल बुझ्न र भविष्यवाणी गर्न AI प्रयोग गर्छन्। तिनीहरूले आफ्नो कार्यहरू छिटो योजना बनाउन र विभाजित-दोस्रो निर्णयहरू गर्न यो जानकारी प्रयोग गर्न सक्छन्।
अटोमोबाइल आफ्नो वर्तमान लेनमा जारी राख्नुपर्छ वा लेनहरू बदल्नुपर्छ? यो जहाँ छ त्यहाँ जारी राख्न वा तिनीहरूको अगाडि अटोमोबाइल पास गर्नुपर्छ? सवारी साधन कहिले सुस्त वा गति बढाउनु पर्छ?
टेस्लाले कारहरूलाई पूर्ण रूपमा स्वायत्त बनाउनको लागि एल्गोरिदमहरूलाई तालिम दिन र यसको AIs फीड गर्न उपयुक्त डाटा सङ्कलन गर्नुपर्छ। राम्रो प्रदर्शन सधैं अधिक प्रशिक्षण डेटा को परिणाम हुनेछ, र Tesla यस क्षेत्रमा चम्किन्छ।
टेस्लाले अहिले सडकमा रहेका हजारौं टेस्ला गाडीहरूबाट आफ्ना सबै डाटा क्राउडसोर्स गर्ने तथ्यले उनीहरूलाई प्रतिस्पर्धात्मक फाइदा दिन्छ। दुबै आन्तरिक र बाहिरी सेन्सरहरूले टेस्लासले विभिन्न परिस्थितिहरूमा कसरी व्यवहार गर्छ भनेर ट्र्याक गर्दछ।
तिनीहरूले ड्राइभरको व्यवहारमा पनि जानकारी सङ्कलन गर्छन्, जसमा उनीहरूले निश्चित परिस्थितिहरूमा कसरी प्रतिक्रिया दिन्छन् र उनीहरूले स्टेयरिङ ह्वील वा ड्यासबोर्डलाई कति पटक छुन्छ।
"नक्कल शिक्षा" टेस्लाको रणनीतिको नाम हो। संसारभरि लाखौं वास्तविक ड्राइभरहरूले निर्णय, प्रतिक्रिया, र सार्न, र तिनीहरूको एल्गोरिदम ती कार्यहरूबाट सिक्छन्। ती सबै किलोमिटरहरूले अविश्वसनीय रूपमा परिष्कृत स्वायत्त सवारी साधनहरूको परिणाम दिन्छ।
तिनीहरूको ट्र्याकिङ प्रणाली वास्तवमै उन्नत छ। उदाहरणका लागि, टेस्लाले पलको डेटा स्न्यापसट भण्डारण गर्छ, यसलाई डेटा सेटमा थप्छ र त्यसपछि रंग-कोडित आकारहरू प्रयोग गरेर संसारको अमूर्त प्रतिनिधित्व पुन: सिर्जना गर्दछ। तंत्रिका सञ्जाल बाट सिक्न सकिन्छ । यो तब हुन्छ जब टेस्ला गाडीले कार वा साइकलको व्यवहार गलत तरिकाले भविष्यवाणी गर्छ।
स्वायत्त सवारी साधनहरू विकास गर्ने अन्य व्यवसायहरू भर पर्छन् सिंथेटिक डाटा, जुन टेस्लाले आफ्नो AIs लाई तालिम दिन प्रयोग गरेको वास्तविक-विश्व डेटा भन्दा कम प्रभावकारी छ (उदाहरणका लागि, ग्रान्ड थेफ्ट अटो जस्ता भिडियो गेमहरूबाट ड्राइभिङ व्यवहार)।
हामी अब टेस्ला कम्पोनेन्टहरू जाँच गर्नेछौं जसले AI को फाइदा लिन्छ।
टेस्ला कम्पोनेन्टहरू जसले AI को फाइदा लिन्छ
क्यामेरा र सेन्सर
टेस्लाले पूरा गर्नुपर्ने जिम्मेवारीहरू राम्ररी ज्ञात छन्। यी सबै कार्यहरू, लेन पहिचानदेखि पैदल यात्री ट्र्याकिङसम्म, वास्तविक समयमा गरिन्छ। टेस्लाले यस कारणले गर्दा 8 वटा क्यामेराको सहायताले सञ्चालन गर्यो। थप रूपमा, यी धेरै क्यामेराहरूको उपस्थितिले त्यहाँ कुनै अन्धा क्षेत्र छैन र कार वरपरको सम्पूर्ण क्षेत्र कभर गरिएको छ भनेर आश्वासन दिन्छ।
तपाईंले भर्खरै पढेको कुरा सत्य हो! कुनै LIDAR उच्च परिभाषा म्यापिङको लागि कुनै प्रणाली छैन। टेस्ला केवल कम्प्युटर दृष्टि प्रयोग गर्न चाहन्छ, मेशिन सिकाइ, र क्यामेरा भिडियो फीडहरू स्वत: पायलट मोडेल सिर्जना गर्न। कन्भोलुसनल न्यूरल नेटवर्कहरू (CNNs) त्यसपछि कच्चा भिडियोलाई ट्र्याक गर्न र विश्लेषण गर्न प्रयोग गरिन्छ। वस्तुहरू पत्ता लगाउन.
टेस्ला अटोपायलट क्यामेराका अतिरिक्त राडार र अल्ट्रासोनिक सेन्सरहरू पनि छन्। राडार सवारी साधन र अन्य वस्तुहरू बीचको विभाजन पत्ता लगाउन र मापन गर्न प्रयोग गरिन्छ। चालक सुरक्षा अनुकूलन गर्न को लागी, अल्ट्रासोनिक सेन्सरहरु पनि निष्क्रिय वस्तुहरु संग निकटता को निगरानी को अनुसार कार्य गर्दछ।
कारको परिवेश बुझ्न र अटोपायलट क्षमताहरूलाई सकेसम्म उत्तरदायी बनाउनको लागि, न्यूरल नेटवर्कहरू टेस्ला हार्डवेयरसँग एकीकृत छन्।
टेस्ला FSD चिप -3
सडकहरूमा सुधारिएको प्रदर्शन र सुरक्षाको लागि, टेस्ला प्रणालीहरूमा दुई एआई प्रोसेसरहरू समावेश छन्। टेस्ला प्रणाली त्रुटि-मुक्त हुन प्रयास गर्दछ। यदि एक एकाइ असफल भए पनि, अटोमोबाइल अझै पनि ब्याकअप पावर र डेटा इनपुट स्रोतहरूको कारण अतिरिक्त एकाइहरू प्रयोग गरेर काम गर्न सक्छ।
टेस्लाले अप्रत्याशित असफलताको घटनामा टक्करबाट बच्न कारहरू राम्रोसँग सुसज्जित छन् भनी सुनिश्चित गर्न यी अतिरिक्त उपायहरू प्रयोग गर्दछ। मात्र मानव मस्तिष्क नयाँ टेस्ला माइक्रोप्रोसेसर (प्रति सेकेन्ड 1 क्वाड्रिलियन अपरेशनहरू) भन्दा प्रति सेकेन्ड धेरै अपरेशनहरू कार्यान्वयन गर्न सक्छ। यो पहिले प्रयोगमा रहेको टेस्ला एनभिडिया माइक्रोचिप्सको तुलनामा २१ गुणा बढी शक्तिशाली हो।
Tesla निस्सन्देह पूर्ण रूपमा स्वायत्त लोकोमोटिभहरूको लागि बजार नेता हो, तर यो अझै पनि एक अत्याधुनिक अटोपायलट कार उत्पादन गर्न लामो बाटो छ।
भविष्यमा, हामीले यस निबन्धमा उल्लिखित गुणहरू सहितको अटोमोबाइल निस्सन्देह सामान्य हुनेछ। टेस्लाले आफ्नै अत्याधुनिक एआई प्रोसेसर र न्यूरल नेटवर्क आर्किटेक्चर सिर्जना गरेको छ।
न्यूरल नेटवर्क प्रशिक्षण
मोडेल पनि न्यूरल नेटवर्क पछि प्रशिक्षित हुनुपर्छ सिर्जना गरिएका छन्। हामी सचेत छौं कि टेस्लाले अत्याधुनिक कम्प्युटर दृष्टि क्षमताहरूलाई अनुमति दिन पुस्तकालयहरू र उपकरणहरूको विस्तृत दायरा राखेको छ।
पाइटरचफेसबुकको एआई रिसर्च डिपार्टमेन्टले बनाएको यस्तो फ्रेमवर्क (FAIR) हो। PyTorch द्वारा प्रयोग गरिन्छ टेस्ला टेक स्ट्याक गहिरो सिकाइ मोडेललाई तालिम दिन।
यो उल्लेखनीय छ कि टेस्ला पूर्ण स्वायत्तता प्राप्त गर्न नक्सा वा LIDAR मा भर पर्दैन। क्यामेरा र शुद्ध कम्प्युटर दृष्टि विशेष रूपमा प्रयोग गरिन्छ, र सबै वास्तविक समयमा गरिन्छ।
टेस्लाले पाइटोर्चलाई प्रशिक्षणका साथै विभिन्न सहायक गतिविधिहरू जस्तै काम गर्दछ स्वचालित कार्यप्रवाह समय तालिका, मोडेल थ्रेसहोल्डहरूको अंशांकन, पूर्ण मूल्याङ्कन, निष्क्रिय परीक्षण, सिमुलेशन परीक्षणहरू, आदि।
टेस्लाले लगभग 70,000 GPU घण्टा 48 फरक भविष्यवाणी गर्ने 1,000 नेटवर्कहरू प्रशिक्षणमा खर्च गर्दछ। यो तालिम एक पटक मात्र होइन, निरन्तर चलिरहेको छ । हामी सचेत छौं कि कृत्रिम बुद्धिमत्ता एक पुनरावृत्ति प्रक्रिया हो जुन समय संग अगाडि बढ्छ। नतिजाको रूपमा, सबै 1000 छुट्टाछुट्टै पूर्वानुमानहरू सही रहन्छन् र कहिल्यै कमजोर हुँदैनन्।
HydraNet
त्यहाँ कुनै पनि समयमा लगभग 100 कार्यहरू प्रगति अन्तर्गत छन्, कार चलिरहेको छैन र सम्भवतः क्रसरोडमा छ। हरेक कामको लागि न्यूरल नेटवर्क प्रयोग गर्नु महँगो र अप्रभावी छ। टेस्ला गाडीहरूमा AI द्वारा वास्तविक-समयमा जानकारीको ठूलो मात्रामा प्रशोधन गरिन्छ।
फलस्वरूप, ResNet-50 साझा ब्याकबोन, जसले 1000 x 1000 तस्विरहरू एकैचोटि प्रशोधन गर्न सक्छ, कम्प्युटर भिजन कार्यप्रवाहको लागि केन्द्रीय प्रशोधन इकाईको रूपमा कार्य गर्दछ।
सञ्जालको शीर्ष नजिकै, HydraNet न्यूरल नेटवर्क डिजाइन धेरै शाखाहरू (वा टाउको) मा विभाजित हुन्छ। प्रशिक्षण डेटाको प्रत्येक माइक्रो-ब्याचलाई धेरै टाउकोहरूको लागि फरक रूपमा भारित गरेर, यी हेडहरूलाई स्वतन्त्र रूपमा सिकाइन्छ र फरक कुराहरू सिक्न सकिन्छ।
निस्सन्देह, त्यहाँ धेरै उदाहरणहरू छन् यी HydraNets सँगै काम गरेर गाडीहरूको लागि AI प्रशोधन गर्न। प्रत्येक HydraNet को जानकारी पुनरावर्ती समस्याहरू समाधान गर्न प्रयोग गरिन्छ।
उदाहरण को लागी, एक कार्य रोक संकेत ह्यान्डल गर्न को लागी सक्रिय हुन सक्छ, अर्को पैदल यात्रीहरु संग व्यवहार गर्न को लागी, र अझै अर्को ट्राफिक संकेतहरु को जाँच को लागी। यी फरक कर्तव्यहरू सबै साझा मेरुदण्ड द्वारा संचालित हुन्छन्।
HydraNet वास्तुकला अनुसार, यी प्रत्येक कार्यका लागि विशाल न्यूरल नेटवर्कको सानो अंश मात्र आवश्यक छ।
यो स्थानान्तरण सिकाइसँग धेरै मिल्दोजुल्दो छ, जहाँ फरक ब्लकहरू निश्चित सम्बन्धित कार्यहरूको लागि साझा ब्लकहरूको लागि प्रशिक्षित हुन्छन्। HydraNets को ब्याकबोनहरू विभिन्न चीजहरूमा प्रशिक्षित हुन्छन्, जबकि टाउकोहरूलाई विशेष कामहरूमा सिकाइन्छ।
यसले मोडेललाई प्रशिक्षित गर्न आवश्यक समयको मात्रा घटाउँछ र अनुमानलाई गति दिन्छ।
टेस्ला अटोपायलट
अटोपायलट क्षमता भएका कारहरू लेनमा स्वायत्त रूपमा स्टेयर गर्न, गति बढाउन र रोक्न सक्छन्। यो गहिरो न्यूरल नेटवर्क अवधारणाहरू प्रयोग गरेर निर्माण गरिएको हो। यसले क्यामेरा, अल्ट्रासोनिक सेन्सर र रडार प्रयोग गरेर कार वरपरको क्षेत्रलाई अवलोकन गर्दछ।
ड्राइभरहरूलाई सेन्सर र क्यामेराहरूद्वारा तिनीहरूको वरपरको बारेमा सचेत गराइन्छ, र यो जानकारीलाई ड्राइभिङलाई सुरक्षित र कम तनावपूर्ण बनाउन मद्दतको लागि मिलिसेकेन्डमा विश्लेषण गरिन्छ।
उज्यालो, अँध्यारो र विभिन्न मौसम परिस्थितिहरूमा, रडारको प्रयोग अटोमोबाइल वरपरको ठाउँको अवलोकन र अनुमान गर्न प्रयोग गरिन्छ। प्रत्येक अवस्थामा, पराबैंगनी विधिहरूले निकटता निर्धारण गर्दछ, र निष्क्रिय भिडियोले नजिकका वस्तुहरू पहिचान गर्दछ र सुरक्षित ड्राइभिङलाई बढावा दिन्छ।
थप रूपमा, अटोपायलट ड्राइभरलाई मद्दत गर्न डिजाइन गरिएको हो र टेस्लालाई स्व-ड्राइभिङ गाडीमा रूपान्तरण गर्दैन। चालकहरूलाई आफ्नो हात पाङ्ग्रामा राख्न चेतावनी दिनु सामान्य अभ्यास हो।
यदि तपाईंले गर्नुभएन भने पहिया लिनको लागि अलर्टहरूको श्रृंखला ट्रिगर गरिन्छ। यदि धेरै बेवास्ता गरियो भने, अटोमोबाइल रोकिनु अघि ढिलो हुन थाल्छ। ब्रेकिङ गरेर, घुमाएर, वा क्रूज कन्ट्रोल स्टकलाई निष्क्रिय गरेर, ड्राइभरहरूले जहिले पनि अटोपायलट प्रकार्यहरू ओभरराइड गर्न सक्छन्।
चराको आँखा दृश्य
टेस्ला हार्डवेयरले व्याख्या गर्ने तस्विरहरूलाई प्राय: अतिरिक्त आयामहरू चाहिन्छ। बर्ड्स आई भ्यू सुविधाले टाढाको दूरी नाप्न सजिलो बनाउँछ र बाहिरी संसारको अझ सटीक प्रतिनिधित्व प्रदान गर्दछ।
यो एउटा भिजुअल निगरानी प्रणाली हो जसले पार्किङलाई सरल बनाउन र साना ठाउँहरूमा नेभिगेट गर्न सजिलो बनाउन कारको शीर्ष दृश्य छविलाई "रेन्डर" गर्छ। तपाइँको पार्किङ क्षमताहरु को बारे मा एक लंगडो औचित्य प्रदान नगरी, तपाइँ अब सुरक्षित रूपमा पाङ्ग्रा लिन सक्नुहुन्छ।
टेस्लाको भविष्य
यदि तपाईं बलियो दायरा भएको मध्यम आकारको SUV खोज्दै हुनुहुन्छ भने, २०२२ टेस्ला मोडल वाई EVs को लागि एक शानदार सुरूवात बिन्दु हो। नियमित सफ्टवेयर अपग्रेडको कारण, मोडेल Y निरन्तर परिवर्तन भइरहेको छ, धेरै टेस्लाका अन्य उत्पादनहरू जस्तै।
सुरक्षा र कार्यक्षमता बढाएर, यी अपग्रेडहरूले तपाईंको अटोमोबाइललाई थप उपयोगी हुन मद्दत गर्छ। परिवार र विभिन्न सामान बोकेर लामो दूरीको यात्रा गर्नु पर्ने व्यक्तिहरूका लागि, प्रशस्त शरीर र टेस्लाको सुपरचार्जर नेटवर्कमा पहुँचले यसलाई उत्कृष्ट विकल्प बनाउँछ।
यसको सुरुवात भएदेखि, टेस्लाले आफ्नो हालको ग्राहक आधारबाट डेटाबाट फाइदा उठाएको छ, र स्वायत्त सवारी साधनहरूमा यसको काम एआईलाई यसको सबै सञ्चालनको केन्द्रमा राख्ने निरन्तर महत्वाकांक्षाको एक हिस्सा हो।
AI र बिग डाटा टेस्लाका विश्वासी सहयोगीहरूमा एलोन मस्क र उनको टोलीको रूपमा जारी रहनेछ किनभने तिनीहरू तिनीहरूको घरको सौर्य ऊर्जा प्यानलहरूको साथमा विद्युतीय ग्रिडलाई रूपान्तरण गर्ने उनीहरूको आकांक्षा सहित नयाँ पहलहरूमा सर्छन्।
निष्कर्ष
टेस्ला, एक कम्पनी जुन बजारको सबैभन्दा आक्रामक आविष्कारकहरू मध्ये एकको रूपमा चिनिन्छ, सधैं डाटा सङ्कलन र विश्लेषणलाई आफ्नो सबैभन्दा शक्तिशाली उपकरण बनाएको छ। तिनीहरूले उही नियमहरू पालना गरे जब यो तिनीहरूको आफ्नै चिपहरू सिर्जना गर्न आयो।
व्यवसायले स्वायत्त सवारी साधनहरू विकास गरेको छ जसमा कृत्रिम बुद्धिमत्ता र डेटा विश्लेषणको लागि हामीले अटोमोबाइल कसरी चलाउँछौं भन्ने पूर्ण रूपमा परिवर्तन गर्न सक्ने क्षमता छ।
प्लेटफर्मले आफ्ना प्रतिज्ञाहरूलाई कत्तिको राम्रोसँग पालन गर्छ र आफ्नो व्यवसायको विकास गर्छ हेरौं। यी प्रविधिलाई सदुपयोग गरेपछि कम्पनीले भविष्यमा अटोनोमस गाडीको बजारमा कहाँ जाने हो भने हेर्न बाँकी छ ।
जवाफ छाड्नुस्