Można założyć, że Tesla jest dobrze znaną marką w branży motoryzacyjnej, kiedy o nich myślisz. Tesla, pionier w dziedzinie samochodów elektrycznych, jest bez wątpienia. Są jednak firmą technologiczną, w czym tkwi sekret ich sukcesu.
Jedną z rzeczy, które sprawiły, że ich biznes odniósł sukces, jest wykorzystanie sztuczna inteligencja technologie. Pełna automatyzacja pojazdów Tesli jest obecnie jednym z głównych priorytetów firmy i aby osiągnąć ten cel, wykorzystuje sztuczną inteligencję i jej wiele komponentów.
Zapowiadając swój przyjazd na początku 2021 r., Tesla wywołał poruszenie na subkontynencie. Elon Musk jest prawie gotowy do ustanowienia Bangalore w Indiach jako centrum produkcyjnego Tesli w Indiach.
Eksperci AI w Indiach wiwatowali, gdy memy i tweety dotyczące tego, jak bardzo chwalone „Samochody samojezdne” będą działać w Indiach, były kontynuowane.
Cała fala sztucznej inteligencji, która ostatecznie zawładnie światem, dopiero się zaczyna.
Ten post dogłębnie zbada, w jaki sposób Tesla integruje sztuczną inteligencję ze swoim systemem, w tym szczegóły i inne informacje.
Jak więc sztuczna inteligencja uczy autonomicznej jazdy w samochodach?
Pojazdy autonomiczne nieustannie analizują dane z ich czujników i kamer wizyjnych, aby móc samodzielnie jeździć. Następnie wykorzystują te dane, aby zdecydować, co dalej.
Wykorzystują sztuczną inteligencję do zrozumienia i przewidywania kolejnych ruchów rowerów, pieszych i samochodów. Mogą wykorzystać te informacje do szybkiego planowania działań i podejmowania decyzji w ułamku sekundy.
Czy samochód powinien jechać dotychczasowym pasem, czy powinien zmienić pas? Czy powinien jechać tam, gdzie jest, czy wyprzedzić samochód przed nimi? Kiedy pojazd powinien zwolnić lub przyspieszyć?
Tesla musi zebrać odpowiednie dane, aby wyszkolić algorytmy i zasilić sztuczną inteligencję, aby samochody były całkowicie autonomiczne. Lepsze wyniki zawsze będą wynikać z większej ilości danych treningowych, a Tesla błyszczy w tej dziedzinie.
Fakt, że Tesla gromadzi wszystkie swoje dane z setek tysięcy pojazdów Tesli, które są obecnie w ruchu, daje im przewagę konkurencyjną. Zarówno wewnętrzne, jak i zewnętrzne czujniki śledzą zachowanie Tesli w różnych okolicznościach.
Zbierają również informacje o zachowaniu kierowców, w tym o tym, jak reagują na określone okoliczności i jak często dotykają kierownicy lub deski rozdzielczej.
„Uczenie się przez imitację” to nazwa strategii Tesli. Miliony prawdziwych kierowców na całym świecie oceniają, reagują i poruszają się, a ich algorytmy uczą się na podstawie tych działań. Wszystkie te kilometry owocują niesamowicie wyrafinowanymi pojazdami autonomicznymi.
Ich system śledzenia jest naprawdę zaawansowany. Na przykład Tesla przechowuje migawkę danych w danej chwili, dodaje ją do zestawu danych, a następnie odtwarza abstrakcyjną reprezentację świata za pomocą kolorowych kształtów, które sieci neuronowe można się uczyć od. Dzieje się tak, gdy pojazd Tesli nieprawidłowo przewiduje zachowanie samochodu lub roweru.
Inne firmy opracowujące pojazdy autonomiczne polegają na dane syntetyczne, co jest znacznie mniej skuteczne niż rzeczywiste dane używane przez Teslę do szkolenia sztucznej inteligencji (na przykład zachowanie podczas jazdy z gier wideo, takich jak Grand Theft Auto).
Przyjrzymy się teraz komponentom Tesli, które wykorzystują sztuczną inteligencję.
Komponenty Tesli wykorzystujące sztuczną inteligencję
Kamera i czujniki
Obowiązki, które Tesla musi wypełnić, są dość dobrze znane. Wszystkie te operacje, od identyfikacji pasa ruchu po śledzenie pieszych, są wykonywane w czasie rzeczywistym. Z tego powodu Tesla działała przy pomocy 8 kamer. Dodatkowo obecność tak dużej liczby kamer zapewnia brak martwej strefy i pokrycie całego obszaru wokół samochodu.
To prawda, co właśnie przeczytałeś! brak LIDAR Brak systemu mapowania w wysokiej rozdzielczości. Tesla chce używać tylko wizji komputerowej, uczenie maszynoweoraz kanały wideo z kamery, aby utworzyć model autopilota. Konwolucyjne sieci neuronowe (CNN) są następnie wykorzystywane do analizy nieprzetworzonego wideo w celu śledzenia i wykrywać obiekty.
Autopilot Tesli Oprócz kamer posiada również czujniki radarowe i ultradźwiękowe. Radar służy do wykrywania i pomiaru odległości między pojazdami a innymi obiektami. Aby zoptymalizować bezpieczeństwo kierowcy, czujniki ultradźwiękowe działają również zgodnie z monitorowaniem bliskości obiektów pasywnych.
Aby zrozumieć otoczenie samochodu i sprawić, by możliwości autopilota były jak najbardziej responsywne, sieci neuronowe są zintegrowane ze sprzętem Tesli.
Chip FSD Tesli -3
Aby poprawić wydajność i bezpieczeństwo na drogach, systemy Tesla zawierają dwa procesory AI. System Tesli stara się być wolny od błędów. Nawet jeśli jedna jednostka ulegnie awarii, samochód może nadal działać, korzystając z dodatkowych jednostek dzięki zapasowemu zasilaniu i źródłom wprowadzania danych.
Tesla stosuje te dodatkowe środki, aby upewnić się, że samochody są dobrze wyposażone, aby uniknąć kolizji w przypadku nieprzewidzianej awarii. Tylko ludzki mózg może wykonać więcej operacji na sekundę niż nowy mikroprocesor Tesla (1 biliard operacji na sekundę). To około 21 razy mocniejsze niż mikroczipy Tesla Nvidia, które były wcześniej używane.
TFirma esla jest niewątpliwie liderem rynku w pełni autonomicznych lokomotyw, ale do wyprodukowania najnowocześniejszego wagonu z autopilotem jeszcze daleka droga.
W przyszłości samochód o cechach opisanych w tym eseju bez wątpienia stanie się powszechny. Tesla stworzyła własne najnowocześniejsze procesory AI i architekturę sieci neuronowych.
Szkolenie sieci neuronowych
Model musi być również trenowany po sieciach neuronowych zostało stworzone. Jesteśmy świadomi, że Tesla wprowadziła szeroką gamę bibliotek i narzędzi, aby umożliwić najnowocześniejsze możliwości widzenia komputerowego.
pytorch, który został stworzony przez dział AI Research na Facebooku, jest jednym z takich frameworków (FAIR). PyTorch jest używany przez Stos technologiczny Tesli trenować model głębokiego uczenia się.
Warto zauważyć, że Tesla nie polega na mapach ani LIDAR-ie, aby osiągnąć pełną autonomię. Wykorzystywane są wyłącznie kamery i czysty obraz komputerowy, a wszystko odbywa się w czasie rzeczywistym.
Tesla zatrudnia Pytorcha do szkoleń, a także do różnych czynności pomocniczych, takich jak zautomatyzowany przepływ pracy szeregowanie, kalibracja progów modelu, dogłębna ocena, testowanie pasywne, testy symulacyjne itp.
Tesla spędza około 70,000 48 godzin GPU na szkoleniu 1,000 sieci, które dokonują 1000 różnych prognoz. To szkolenie trwa, a nie tylko raz. Zdajemy sobie sprawę, że sztuczna inteligencja to proces iteracyjny, który postępuje w czasie. W rezultacie wszystkie XNUMX oddzielnych prognoz pozostaje dokładnych i nigdy się nie zawodzi.
HydraNet
W dowolnym momencie w toku jest około 100 zadań, nawet gdy samochód się nie porusza i najprawdopodobniej znajduje się na skrzyżowaniu. Wykorzystanie sieci neuronowej do każdego zadania jest kosztowne i nieefektywne. Ogromne ilości informacji są przetwarzane w czasie rzeczywistym przez sztuczną inteligencję w pojazdach Tesli.
W rezultacie współdzielony szkielet ResNet-50, który może jednocześnie przetwarzać obrazy 1000 x 1000, służy jako jednostka centralna dla przepływu pracy Computer Vision.
W górnej części sieci projekt sieci neuronowej HydraNet dzieli się na kilka gałęzi (lub głów). Dzięki temu, że każda mikropartia danych treningowych ma inną wagę dla wielu głów, te głowy są nauczane niezależnie i uczą się różnych rzeczy.
Oczywiście istnieje kilka przypadków, w których te sieci HydraNet współpracują ze sobą w celu przetwarzania sztucznej inteligencji pojazdów. Informacje każdego systemu HydraNet są wykorzystywane do rozwiązywania powtarzających się problemów.
Na przykład aktywne może być zadanie związane ze znakami stopu, inne z pieszymi, a jeszcze inne z badaniem sygnalizacji świetlnej. Wszystkie te odrębne obowiązki są obsługiwane przez wspólny kręgosłup.
Zgodnie z architekturą HydraNet do każdego z tych zadań potrzebny jest tylko niewielki ułamek ogromnej sieci neuronowej.
Jest to dość podobne do transferu uczenia się, w którym różne bloki są szkolone dla wspólnego bloku dla pewnych powiązanych zadań. Kręgosłup HydraNetu jest szkolony w różnych dziedzinach, podczas gdy szefowie szkolą się w konkretnych zadaniach.
Zmniejsza to czas potrzebny do nauczenia modelu i przyspiesza wnioskowanie.
Autopilot Tesli
Samochody z funkcjami autopilota mogą autonomicznie kierować, przyspieszać i zatrzymywać się na pasie ruchu. Jest zbudowany przy użyciu koncepcji głębokich sieci neuronowych. Obserwuje obszar wokół samochodu za pomocą kamer, czujników ultradźwiękowych i radaru.
Kierowcy są informowani o swoim otoczeniu za pomocą czujników i kamer, a informacje te są analizowane w ciągu milisekund, aby pomóc uczynić jazdę bezpieczniejszą i mniej stresującą.
W jasnych, ciemnych i różnych warunkach pogodowych radar jest wykorzystywany do obserwacji i szacowania przestrzeni otaczającej samochody. W każdej sytuacji metody ultrafioletowe określają bliskość, a pasywne wideo identyfikuje obiekty w pobliżu i promuje bezpieczną jazdę.
Dodatkowo autopilot ma pomagać kierowcy i nie przekształca Tesli w pojazd samojezdny. Powszechną praktyką jest ostrzeganie kierowców, aby trzymali ręce na kierownicy.
Jeśli tego nie zrobisz, zostanie wyzwolona seria alertów zachęcających do przejęcia steru. Jeśli jest ignorowany znacznie dłużej, samochód zaczyna zwalniać, zanim się zatrzyma. Hamując, obracając lub dezaktywując dźwignię tempomatu, kierowcy zawsze mogą obejść funkcje autopilota.
Widok z lotu ptaka
Obrazy interpretowane przez sprzęt Tesli często mogą wymagać dodatkowych wymiarów. Funkcja widoku z lotu ptaka ułatwia mierzenie większych odległości i zapewnia dokładniejsze odwzorowanie świata zewnętrznego.
Jest to wizualny system monitorowania, który „renderuje” widok samochodu z góry, aby ułatwić parkowanie i nawigację w małych miejscach. Bez konieczności przedstawiania kiepskiego uzasadnienia swoich umiejętności parkowania, możesz teraz bezpiecznie usiąść za kierownicą.
Przyszłość Tesli
Jeśli szukasz SUV-a średniej wielkości o dużym zasięgu, Model Tesli Y z 2022 roku jest fantastycznym punktem wyjścia dla pojazdów elektrycznych. Ze względu na regularne aktualizacje oprogramowania Model Y stale się zmienia, podobnie jak wiele innych produktów Tesli.
Zwiększając bezpieczeństwo i funkcjonalność, te ulepszenia sprawiają, że Twój samochód jest bardziej użyteczny. Dla osób, które muszą pokonywać duże odległości z rodziną i różnymi bagażami, pojemne nadwozie i dostęp do sieci Superchargerów Tesli sprawiają, że jest to wspaniały wybór.
Od samego początku Tesla korzystała z danych od swojej obecnej bazy klientów, a jej prace nad pojazdami autonomicznymi są częścią jej nieustannej ambicji, aby sztuczna inteligencja była podstawą wszystkich jej operacji.
Sztuczna inteligencja i duże zbiory danych nadal będą Elonem Muskiem i jego zespołem w wiernych sojusznikach Tesli, gdy przechodzą do swoich najnowszych inicjatyw, w tym aspiracji do przekształcenia sieci elektrycznej za pomocą domowych paneli słonecznych.
Wnioski
Tesla, firma uznawana za jednego z najbardziej agresywnych innowatorów na rynku, zawsze uważała zbieranie i analizę danych za swoje najpotężniejsze narzędzie. Kierowali się tymi samymi zasadami, jeśli chodzi o tworzenie własnych żetonów.
Firma opracowała autonomiczne pojazdy, które dzięki sztucznej inteligencji i analizie danych mogą całkowicie zmienić sposób, w jaki jeździmy samochodami.
Zobaczmy, jak dobrze platforma dotrzymuje obietnic i rozwija swój biznes. To, dokąd firma pójdzie w przyszłości na rynku pojazdów autonomicznych, okaże się po wykorzystaniu tych technologii.
Dodaj komentarz