Obsah[Skryť][Šou]
Svet, ako ho poznáme, sa môže zmeniť v dôsledku umelej inteligencie (AI). Čo sa týka vylepšení v poloautonómnych systémoch, Tesla ich intenzívne využíva.
Okrem toho Elon Musk tvrdí, že sa nakoniec uplatní aj v iných oblastiach. Pre svoju technológiu Full Self-Driving a systém Autopilot,
Tesla používa počítačové videnie, strojové učeniea umelá inteligencia (FSD).
V tomto diele budeme diskutovať o tom, čo robí Tesla technologickou firmou a ako využíva AI, počítačové videnie, veľké dáta a ďalšie technológie na vývoj autonómnych áut. Poďme začať.
Najprv preskúmame, ako je Tesla technologickou firmou.
Prečo bola Tesla považovaná za technologickú spoločnosť?
tesla vyrába značné množstvo softvéru. charakteristický informačno-zábavný systém Tesly, používateľské rozhraniea funkcie autonómneho riadenia sú založené na softvéri.
Zatiaľ čo iné automobilky len teraz začínajú experimentovať s bezdrôtovými modernizáciami, Tesla to robí už roky. Zamestnanci Tesly vytvorili a neustále vylepšujú operačné systémy pre automobily Tesla.
Tesla tiež vyrába množstvo ďalších technologických produktov vrátane solárnych panelov, strešných solárnych škridiel, niekoľkých typov batérií, nabíjacích staníc, počítačov a kľúčových počítačových komponentov (pre automobily Tesla).
Hoci Nokia aj Blackberry mali softvér, iPhone mal vyváženú kombináciu oboch, a preto dobyl obchod s mobilnými telefónmi a zmenil spôsob, akým v súčasnosti používame naše telefóny.
Toto robí Tesla pre automobilový biznis. Tesla sú vozidlá, áno (a SUV a čoskoro aj pickupy, návesy a štvorkolky). Tieto vozidlá však obsahujú softvér na každodenné použitie, ktorý vytvorila Tesla interne alebo bol začlenený do systému Tesla.
Kým ste zaparkovaní, Tesla predstavila možnosti zábavy vrátane TRAX, Caraoke a mnohých hier (a možno niekedy počas prepravy). Bezpečnostný systém Sentry Mode, ktorý kombinuje hardvér a softvér Tesla, pomáha orgánom činným v trestnom konaní pri riešení zločinov, ako je vandalizmus. Váš smartfón slúži ako kľúč od Tesly.
Pomocou telefónu môžete zavolať do Tesly, aby k vám prišla. Navyše auto upozorní váš telefón, ak dôjde k významnej udalosti vďaka jedinečnej technológii Sentry Mode od Tesly.
Keďže Tesla bude využívať údaje, ktoré zhromaždila o skutočných jazdných návykoch vodičov Tesly (zhromažďovanie údajov je kľúčovým prvkom technológie, najmä ak je to takto priame a nie prostredníctvom prieskumov trhu), poistenie Tesly bude tiež rozšírením. z technickej stránky.
Akú technológiu používa Tesla pre Autopilota?
Vytvárajú a využívajú autonómiu vo veľkom meradle v strojoch, ako sú roboty a autá. Tvrdia, že jediná metóda môže poskytnúť vyčerpávajúcu odpoveď autonómna jazda a ešte viac je taký, ktorý sa pri plánovaní a vízii spolieha na špičkovú AI, doplnenú o efektívny hardvér na odvodzovanie.
Čip Tesla FSD
Systémy Tesla sa dodávajú s dvoma procesormi AI pre vyšší výkon a bezpečnosť na cestách. Cieľom systému Tesla je bezchybná prevádzka. Vďaka záložnému zdroju napájania a vstupu dát môže auto pokračovať v jazde, aj keď jedna jednotka nefunguje.
Tesla prijíma tieto dodatočné opatrenia, aby zabezpečila, že vozidlá budú dobre pripravené, aby zabránili nehodám v prípade neočakávanej poruchy.
Jediným zariadením, ktoré dokáže vykonať viac operácií za sekundu ako nový mikroprocesor Tesla, je ľudský mozog (1 kvadrilión operácií za sekundu). To je približne 21-krát výkonnejšie ako predtým používané mikročipy Tesla Nvidia.
Zostavte si inferenčné procesory AI, ktoré budú napájať ich softvér Full Self Driving, pričom zohľadníte každé malé architektonické a mikroarchitektonické vylepšenie a zároveň maximalizujete výkon kremíka na watt.
Hoci Tesla nepochybne vedie na trhu s úplne autonómnymi lokomotívami, od vývoja špičkového vozidla s autopilotom má ešte ďaleko.
Čip Tesla Dojo
Tesla predstavila Tesla D1, nový procesor s výkonom 362 TFLOP v BF16/CFP8, ktorý bol vytvorený špeciálne pre umelá inteligencia. Toto bolo zverejnené počas nedávneho Tesla AI Denná prezentácia.
Obrovský čip vzniká prepojením siete funkčných celkov nazývaných sieť funkčných celkov, ku ktorým Tesla D1 pridáva celkovo 354 tréningových uzlov. Každá funkčná jednotka má štvorjadrový, 64-bitový ISA CPU so špeciálnym dizajnom na mieru pre prechod linky, vysielanie a transpozíciu. Tento CPU používa superskalárnu implementáciu (4-široké skalárne a 2-široké vektorové potrubia).
Tento nový kremík Tesla je menší ako GPU GA100 nachádzajúci sa v akcelerátore NVIDIA A100, ktorý má štvorcovú veľkosť 826 mm. Vyrába sa 7nm procesom, má celkovo 50,000 645 miliónov tranzistorov a zaberá plochu XNUMX mm štvorcových.
Tesla tvrdí, že jej čip Dojo bude spracovávať dáta počítačového videnia štyrikrát rýchlejšie ako súčasné systémy, čo spoločnosti umožní plne automatizovať svoj samoriadiaci systém.
Dva najnáročnejšie technologické počiny, konkrétne prepojenie medzi dlaždicami a softvér, však Tesla ešte nedosiahla.
Špičkové sieťové prepínače nemôžu konkurovať externej šírke pásma žiadnej dlaždice. Aby to bolo možné, Tesla vytvorila jedinečné prepojenia.
Systém Dojo
Vytvorte systém Dojo, od vysokoúrovňových softvérových rozhraní API na jeho ovládanie až po rozhrania kremíkového firmvéru. Využite špičkové technológie dodávania vysokého výkonu a chladenia na riešenie náročných situácií a vytvorte škálovateľné riadiace slučky a monitorovací softvér.
Využite celú odbornosť ich mechanických, tepelných a elektrotechnických tímov na vývoj ďalšej generácie výpočtov strojového učenia pre použitie v dátových centrách Tesla. Jediným obmedzením je vaša predstavivosť.
Pracujte s každým komponentom návrh systému. Vyviňte verejne prístupné API, ktoré sprístupní Dojo komukoľvek, a spolupracujte s učením vozového parku Tesla na poskytovaní tréningových úloh s využitím ich obrovských súborov údajov.
Algoritmy autonómie
Vytvorte verný model sveta a nakreslite trajektóriu v tomto priestore, aby ste vyvinuli kľúčové algoritmy, ktoré ovládajú automobil.
Agregovaním údajov zo senzorov auta naprieč miestom a časom môže algoritmus poskytnúť presné a rozsiahle údaje o pozemnej pravde, ktoré možno použiť na trénovanie neurálne siete predvídať tieto reprezentácie.
Konštruujú silný systém plánovania a rozhodovania pomocou špičkových metodológií, ktoré môžu fungovať v náročných scenároch reálneho sveta s neistotou.
Prospešná je analýza algoritmov na úrovni celej flotily Tesla.
Neurálne siete
Hlboké neurónové siete je možné trénovať v otázkach od vnímania až po kontrolu využitím špičkového výskumu. Na dosiahnutie sémantickej segmentácie, identifikácie objektov a monokulárneho odhadu hĺbky skúmajú ich siete podľa kamier nespracované obrázky.
Ich siete z vtáčej perspektívy využívajú zábery zo všetkých kamier na generovanie perspektívy zhora nadol na usporiadanie cesty, statickú infraštruktúru a 3D objekty.
Ich siete sú neustále zásobované údajmi z ich vozového parku s približne 1 miliónom áut, ktorý zahŕňa najzložitejšie a najrozmanitejšie okolnosti na svete.
48 sietí, ktoré tvoria celú konštrukciu neurónových sietí Autopilota, potrebuje na tréning 70,000 1,000 GPU hodín. V každom časovom kroku vytvárajú spoločne XNUMX XNUMX rôznych tenzorov (predpovedí).
Hodnotenie infraštruktúry
Vytvorili tiež infraštruktúru a nástroje na hodnotenie hardvéru v slučke s otvorenou a uzavretou slučkou vo veľkom rozsahu, aby urýchlili rýchlosť inovácií, monitorovali vylepšenia výkonu a zastavili regresie.
Využívajú anonymizované charakteristické klipy svojej flotily a začleňujú ich do mnohých testovacích scenárov. Napíšte kód, ktorý simuluje ich skutočné prostredie, generuje neuveriteľne realistické obrázky a ďalšie údaje zo senzorov pre ich program Autopilot, ktorý sa použije na automatizované testovanie alebo živé ladenie.
Ako Tesla využíva veľké dáta, umelú inteligenciu a strojové učenie?
Big dát
Veľké dáta nepoužíva Tesla len na riešenie problémov; používa sa aj na zvýšenie spokojnosti spotrebiteľov. Získavajú informácie z online komunít svojich klientov a používajú ich na zlepšenie svojej následnej výroby. Tento typ interakcie s klientom je v podnikaní nevídaný.
Veľké dáta podporujú snahu spoločnosti Tesla šetriť náklady, nájsť nové trhy, potešiť spotrebiteľov, vytvárať nové produkty a vylepšovať svoje vozidlá.
Informácie sa používajú na vytváranie máp s extrémne vysokou hustotou údajov, ktoré zobrazujú čokoľvek od miesta rizík, ktoré nútia vodičov konať, až po priemerné zvýšenie rýchlosti dopravy na určitom úseku cesty.
Výpočty hrán určuje, akú akciu musí každé jednotlivé auto práve teraz vykonať, zatiaľ čo strojové učenie v cloude sa stará o školenie celého vozového parku.
Okrem toho existuje tretia úroveň rozhodovania, v rámci ktorej sa automobily môžu spojiť so susednými vozidlami Tesla s cieľom vybudovať siete a zdieľať poznatky o tejto oblasti.
Tieto siete budú pravdepodobne komunikovať aj s vozidlami iných výrobcov, ako aj s inými systémami, ako sú dopravné kamery, pozemné senzory alebo telefóny vo svete blízkej budúcnosti, kde sú autonómne autá samozrejmosťou.
Umelá inteligencia
Aby autonómne autá mohli jazdiť samostatne, neustále vyhodnocujú údaje zo svojich senzorov a kamier strojového videnia. Na základe týchto informácií sa potom rozhodujú.
Používajú AI na pochopenie a predvídanie pohybu bicyklov, chodcov a áut. Dokážu urobiť úsudok v zlomku sekundy a rýchlo plánovať svoje aktivity pomocou týchto vedomostí.
Malo by auto zostať v jazdnom pruhu, v ktorom je teraz, alebo by sa malo zmeniť? Má pokračovať tak, ako je, alebo predbehnúť auto pred nimi? Kedy by malo auto spomaliť alebo zrýchliť?
Aby boli autá plne autonómne, Tesla musí zbierať potrebné údaje na trénovanie algoritmov a napájanie svojich AI. Viac tréningových dát vždy povedie k lepšiemu výkonu a Tesla v tomto smere exceluje.
Tesla má konkurenčnú výhodu, pretože zhromažďuje všetky svoje údaje zo stoviek tisíc vozidiel Tesla, ktoré sú teraz na cestách. Interné a externé senzory sledujú, ako Tesla funguje za rôznych podmienok.
Okrem toho sledujú, ako sa vodiči správajú, vrátane ich reakcií na rôzne situácie a ako často sa dotýkajú volantu alebo palubnej dosky. Majú veľmi prepracovaný systém sledovania.
Tesla napríklad zaznamená okamih v čase, pridá ho do zbierky údajov a potom pomocou farebných formulárov vytvorí abstraktný obraz prostredia, z ktorého sa môže neurónová sieť učiť.
K tomu dochádza, keď vozidlo Tesla urobí nepresný predpoklad o tom, ako sa bude správať auto alebo bicykel.
Strojové učenie
Vďaka použitiu vnútorných a vonkajších senzorov, ktoré dokonca dokážu zachytiť informácie o polohe ruky vodiča na ovládačoch a o tom, ako sa s nimi ďalej pracuje, strojové učenie Tesla úspešne získava niektoré zo svojich kľúčových údajov zo všetkých svojich vozidiel, ako aj z ich vozidiel. vodičov.
Informácie sa využívajú aj na vytváranie máp s vysokou hustotou údajov, ktoré zobrazujú všetko od priemerného nárastu rýchlosti premávky v priebehu určitej dĺžky cesty až po prítomnosť nebezpečenstiev a dokonca vyzývajú vodičov, aby konali.
Zatiaľ čo súčasťou hrany na každom jednotlivom aute určuje, akú akciu musí auto práve teraz vykonať, cloudové strojové učenie Tesly má na starosti výcvik celej flotily.
S cieľom vymieňať si niektoré z miestnych poznatkov a informácií sa autá dokážu prepojiť s niektorými ďalšími vozidlami Tesla v okolí.
záver
Tesla bola vždy spoločnosťou, ktorá vyrábala zhromažďovanie a analýzu údajov, ktoré sú tým najsilnejším nástrojom na čokoľvek, čo robí. Pri navrhovaní svojich CPU nerobili žiadne výnimky.
Vývoj autonómnych vozidiel a analýza štatistických údajov spoločnosti umožnila úplne zmeniť spôsob, akým jazdíme, vďaka umelej inteligencii, analýze údajov, veľkým údajom, strojovému učeniu, počítačovému videniu, neurónovým sieťam, čipu FSD a mnohým ďalším algoritmom.
Nechaj odpoveď