Ați putea presupune că Tesla este un nume binecunoscut în industria auto atunci când vă gândiți la ei. Tesla, un pionier în automobile electrice, este fără îndoială. Cu toate acestea, ei sunt o firmă tehnologică, care este secretul succesului lor.
Unul dintre lucrurile care au făcut ca afacerea lor să aibă succes este utilizarea inteligență artificială tehnologii. Automatizarea completă a vehiculelor Tesla este una dintre prioritățile actuale ale companiei și, pentru a atinge acest obiectiv, folosesc AI și numeroasele sale componente.
Prin anunțarea sosirii sale la începutul anului 2021, Tesla a creat furori pe subcontinent. Elon Musk este aproape gata să stabilească Bangalore, India, ca centru de producție al Tesla India.
Experții în inteligență artificială din India au aplaudat în timp ce meme-urile și tweet-urile cu privire la modul în care mult lăudatele „Mașini cu conducere autonomă” vor funcționa în India.
Un întreg val de inteligență artificială care va stăpâni în cele din urmă globul abia începe.
Această postare va examina în profunzime modul în care Tesla integrează AI în sistemul său, inclusiv detalii și alte informații.
Deci, cum învață AI conducerea autonomă în mașini?
Vehicule autonome analizează continuu datele de la senzorii și camerele lor de viziune artificială pentru a putea conduce independent. Apoi folosesc aceste date pentru a decide ce să facă în continuare.
Ei folosesc AI pentru a înțelege și a prezice următoarele mișcări ale bicicletelor, pietonilor și mașinilor. Ei pot folosi aceste informații pentru a-și planifica rapid acțiunile și pentru a lua decizii într-o fracțiune de secundă.
Ar trebui mașina să continue pe banda actuală sau ar trebui să schimbe benzile? Ar trebui să continue unde este sau să treacă automobilul în fața lor? Când ar trebui să decelereze sau să accelereze vehiculul?
Tesla trebuie să adune datele adecvate pentru a antrena algoritmii și a-și alimenta AI pentru a face mașinile complet autonome. O performanță mai bună va rezulta întotdeauna din mai multe date de antrenament, iar Tesla strălucește în acest domeniu.
Faptul că Tesla adună toate datele sale de la sutele de mii de vehicule Tesla care sunt acum pe drumuri le oferă un avantaj competitiv. Atât senzorii interni, cât și cei exteriori urmăresc modul în care Tesla se comportă într-o varietate de circumstanțe.
De asemenea, adună informații despre comportamentul șoferului, inclusiv despre modul în care reacţionează la anumite circumstanțe și cât de des ating volanul sau tabloul de bord.
„Învățare prin imitație” este numele strategiei Tesla. Milioane de șoferi reali din întreaga lume evaluează, răspund și se mișcă, iar algoritmii lor învață din acele acțiuni. Toți acești kilometri au ca rezultat vehicule autonome incredibil de sofisticate.
Sistemul lor de urmărire este foarte avansat. De exemplu, Tesla stochează un instantaneu de date a momentului, îl adaugă la setul de date și apoi recreează o reprezentare abstractă a lumii folosind forme codificate cu culori pe care rețele neuronale poate invata de la. Acest lucru se întâmplă atunci când un vehicul Tesla prezice incorect comportamentul unei mașini sau al unei biciclete.
Pe care se bazează alte afaceri care dezvoltă vehicule autonome date sintetice, care este semnificativ mai puțin eficient decât datele din lumea reală utilizate de Tesla pentru a-și antrena AI (de exemplu, comportamentul de conducere din jocuri video precum Grand Theft Auto).
Vom examina acum componentele Tesla care profită de AI.
Componente Tesla care profită de AI
Cameră și senzori
Responsabilitățile pe care trebuie să le îndeplinească Tesla sunt destul de cunoscute. Toate aceste operațiuni, de la identificarea benzii până la urmărirea pietonilor, sunt efectuate în timp real. Tesla a funcționat cu ajutorul a 8 camere din acest motiv. În plus, prezența atâtor camere asigură că nu există zonă oarbă și că întreaga zonă din jurul mașinii este acoperită.
Este adevărat ce tocmai ai citit! nu LIDAR Nu există sistem de cartografiere de înaltă definiție. Tesla vrea să folosească doar viziunea computerizată, masina de învățare, și fluxuri video ale camerei pentru a crea modelul auto-pilot. Rețelele neuronale convoluționale (CNN) sunt apoi folosite pentru a analiza videoclipul brut pentru a urmări și detectează obiecte.
Pilot automat Tesla are și senzori radar și ultrasonici pe lângă camere. Radarul este folosit pentru a detecta și măsura distanța dintre vehicule și alte obiecte. Pentru a optimiza siguranța șoferului, senzorii cu ultrasunete funcționează și în conformitate cu monitorizarea apropierii de obiecte pasive.
Pentru a înțelege împrejurimile mașinii și pentru a face ca capabilitățile pilotului automat să răspundă cât mai mult posibil, rețelele neuronale sunt integrate cu hardware-ul Tesla.
Cip Tesla FSD -3
Pentru performanță și siguranță îmbunătățite pe drumuri, sistemele Tesla includ două procesoare AI. Sistemul Tesla se străduiește să fie fără erori. Chiar dacă o unitate se defectează, automobilul poate încă funcționa folosind unitățile suplimentare din cauza surselor de alimentare de rezervă și de intrare a datelor.
Tesla folosește aceste măsuri suplimentare pentru a se asigura că mașinile sunt bine echipate pentru a evita coliziunile în cazul unei defecțiuni neprevăzute. Doar creier uman poate executa mai multe operații pe secundă decât noul microprocesor Tesla (1 cvadrilion de operații pe secundă). Este de aproximativ 21 de ori mai puternic decât microcipurile Tesla Nvidia care erau utilizate anterior.
Tesla este, fără îndoială, un lider de piață pentru locomotive complet autonome, dar este încă departe de a produce o mașină cu pilot automat de ultimă oră.
În viitor, un automobil cu calitățile pe care le-am subliniat în acest eseu va deveni, fără îndoială, un loc obișnuit. Tesla și-a creat propriile procesoare AI de ultimă oră și arhitectură de rețea neuronală.
Antrenamentul rețelei neuronale
Modelul trebuie antrenat și după rețelele neuronale au fost create. Suntem conștienți de faptul că Tesla a pus în aplicare o gamă largă de biblioteci și instrumente pentru a permite capabilități de viziune computerizată de ultimă oră.
pitorcă, care a fost creat de departamentul de cercetare AI al Facebook, este un astfel de cadru (FAIR). PyTorch este folosit de către Stack de tehnologie Tesla pentru a antrena modelul de învățare profundă.
Este de remarcat faptul că Tesla nu se bazează pe hărți sau LIDAR pentru a obține o autonomie completă. Camerele și viziunea computerizată pură sunt folosite exclusiv, iar totul se face în timp real.
Tesla folosește Pytorch pentru antrenament, precum și pentru diverse activități auxiliare, cum ar fi automat fluxul de lucru programare, calibrare a pragurilor modelului, evaluare amănunțită, testare pasivă, teste de simulare etc.
Tesla petrece aproximativ 70,000 de ore GPU antrenând 48 de rețele care fac 1,000 de predicții distincte. Acest antrenament este în curs de desfășurare, nu o singură dată. Suntem conștienți că inteligența artificială este un proces iterativ care avansează în timp. Ca rezultat, toate cele 1000 de prognoze separate rămân exacte și nu se stinge niciodată.
HydraNet
Există aproximativ 100 de locuri de muncă în curs de desfășurare la un moment dat, chiar și atunci când o mașină nu se mișcă și se află cel mai probabil la o răscruce de drumuri. Utilizarea unei rețele neuronale pentru fiecare sarcină este costisitoare și ineficientă. Cantități masive de informații sunt procesate în timp real de către AI în vehiculele Tesla.
Ca rezultat, coloana vertebrală partajată ResNet-50, care poate procesa 1000 x 1000 de imagini simultan, servește ca unitate centrală de procesare pentru fluxul de lucru Computer Vision.
Aproape de vârful rețelei, designul rețelei neuronale HydraNet se împarte în mai multe ramuri (sau capete). Făcând ca fiecare micro-lot de date de antrenament să fie ponderat diferit pentru multele capete, acești capete sunt predați independent și învață lucruri distincte.
Desigur, există mai multe cazuri în care aceste HydraNet-uri lucrează împreună pentru a procesa AI pentru vehicule. Fiecare informație HydraNet este utilizată pentru a remedia problemele recurente.
De exemplu, o sarcină poate fi activă pentru a gestiona semnele de oprire, alta pentru a se ocupa de pietoni și încă alta pentru a examina semnalele de trafic. Aceste sarcini distincte sunt toate operate de o coloană vertebrală comună.
Conform arhitecturii HydraNet, pentru fiecare dintre aceste sarcini este necesară doar o mică parte din enorma rețea neuronală.
Acest lucru este destul de similar cu învățarea prin transfer, în care blocuri distincte sunt antrenate pentru un bloc comun pentru anumite sarcini conexe. Coloana vertebrală a HydraNets este instruită pe o varietate de lucruri, în timp ce șefii sunt predați în anumite locuri de muncă.
Acest lucru scade timpul necesar antrenării modelului și accelerează inferența.
Tesla Autopilot
Mașinile cu capacități de pilot automat pot vira, accelera și opri în mod autonom pe o bandă. Este construit folosind concepte de rețea neuronală profundă. Acesta observă zona din jurul mașinii folosind camere, senzori ultrasonici și radar.
Șoferii sunt conștienți de mediul înconjurător de către senzori și camere, iar aceste informații sunt analizate în câteva milisecunde pentru a face conducerea mai sigură și mai puțin stresantă.
În condiții meteorologice luminoase, întunecate și diferite, radarul este utilizat pentru a observa și estima spațiul din jurul autovehiculelor. În fiecare situație, metodele ultraviolete determină apropierea, iar videoclipul pasiv identifică obiectele din apropiere și promovează conducerea în siguranță.
În plus, pilotul automat este conceput pentru a ajuta șoferul și nu transformă un Tesla într-un vehicul cu conducere autonomă. Este o practică obișnuită să avertizați șoferii să țină mâinile pe volan.
O serie de alerte pentru a lua volanul sunt declanșate dacă nu o faci. Dacă este ignorat mai mult timp, automobilul începe să încetinească înainte de a se opri. Frânând, rotind sau dezactivând maneta de control al vitezei de croazieră, șoferii pot depăși întotdeauna funcțiile pilotului automat.
Privirea ochilor păsărilor
Imaginile pe care hardware-ul Tesla le interpretează adesea ar putea avea nevoie de dimensiuni suplimentare. Funcția Bird's Eye View facilitează măsurarea distanțelor mai mari și oferă o reprezentare mai precisă a lumii exterioare.
Este un sistem de monitorizare vizuală care „redează” o imagine de sus a unei mașini pentru a face parcarea simplă și navigarea în locuri mici mai ușoară. Fără a fi nevoie să oferiți o justificare slabă cu privire la abilitățile dvs. de parcare, acum puteți lua volanul în siguranță.
Viitorul Tesla
Dacă sunteți în căutarea unui SUV de mărime medie cu o autonomie puternică, 2022 Tesla Model Y este un punct de plecare fantastic pentru vehiculele electrice. Datorită actualizărilor regulate de software, modelul Y se schimbă constant, la fel ca multe dintre celelalte produse Tesla.
Îmbunătățind siguranța și funcționalitatea, aceste upgrade-uri vă ajută automobilul să fie mai util. Pentru persoanele care trebuie să călătorească pe distanțe lungi cu familia și diverse bagaje, corpul încăpător și accesul la rețeaua Supercharger a Tesla îl fac o alegere minunată.
De la început, Tesla a beneficiat de datele din baza actuală de clienți, iar munca sa privind vehiculele autonome face parte din ambiția sa continuă de a plasa AI în centrul tuturor operațiunilor sale.
Inteligența artificială și big data vor continua să fie Elon Musk și echipa sa de la aliații fideli ai Tesla, pe măsură ce aceștia se deplasează către cele mai noi inițiative ale lor, inclusiv aspirațiile lor de a transforma rețeaua electrică cu panourile solare de acasă.
Concluzie
Tesla, o companie care este recunoscută drept unul dintre cei mai agresivi inovatori de pe piață, a făcut întotdeauna din colectarea și analiza datelor cel mai puternic instrument al său. Au urmat aceleași reguli atunci când a fost vorba de a-și crea propriile jetoane.
Compania a dezvoltat vehicule autonome care au potențialul de a schimba complet modul în care conducem automobile datorită inteligenței artificiale și analizei datelor.
Să vedem cât de bine își respectă platforma promisiunile și își dezvoltă afacerea. Unde va ajunge compania pe piața vehiculelor autonome în viitor rămâne de văzut după valorificarea acestor tehnologii.
Lasă un comentariu