Kazalo[Skrij][Pokaži]
Svet, kot ga poznamo, bi se lahko spremenil zaradi umetne inteligence (AI). Kar zadeva izboljšave polavtonomnih sistemov, jih Tesla močno uporablja.
Poleg tega Elon Musk trdi, da se bo sčasoma uporabil tudi na drugih področjih. Za svojo tehnologijo popolne samostojne vožnje in sistem avtopilota,
Tesla uporablja računalniški vid, strojno učenje, in umetna inteligenca (FSD).
V tem delu bomo razpravljali o tem, zakaj je Tesla tehnološko podjetje in kako uporablja AI, računalniški vid, velike podatke in druge tehnologije za razvoj samovozečih avtomobilov. Začnimo.
Najprej bomo preučili, kako je Tesla tehnološko podjetje.
Zakaj je Tesla veljala za tehnološko podjetje?
Tesla proizvaja veliko količino programske opreme. Teslin značilen infotainment sistem, Uporabniški vmesnik, in vse funkcije avtonomne vožnje temeljijo na programski opremi.
Medtem ko drugi proizvajalci avtomobilov šele zdaj začenjajo eksperimentirati z nadgradnjami po zraku, Tesla to počne že leta. Zaposleni pri Tesli so ustvarili in nenehno izboljšujejo operacijske sisteme za avtomobile Tesla.
Tesla proizvaja tudi vrsto drugih tehnoloških izdelkov, vključno s solarnimi paneli, strešnimi solarnimi ploščicami, več vrstami baterij, polnilnimi postajami, računalniki in ključnimi računalniškimi komponentami (za avtomobile Tesla).
Čeprav sta imela tako Nokia kot Blackberry programsko opremo, je imel iPhone uravnoteženo kombinacijo obeh, zato je osvojil posel mobilnih telefonov in spremenil način, kako trenutno uporabljamo svoje telefone.
To je tisto, kar Tesla počne za avtomobilski posel. Tesle so vozila, da (ter SUV in kmalu tovornjaki, poltovornjaki in štirikolesniki). Toda ta vozila vključujejo programsko opremo za vsakodnevno uporabo, ki jo je ustvarila Tesla interno ali pa je bila vključena v Teslin sistem.
Medtem ko ste parkirani, je Tesla predstavil možnosti za zabavo, vključno s TRAX, karaokami in številnimi igrami (in morda nekega dne med prevozom). Varnostni sistem Sentry Mode, ki združuje strojno in programsko opremo Tesla, je pomagal organom pregona pri reševanju zločinov, kot je vandalizem. Vaš pametni telefon služi kot ključ vaše Tesle.
S telefonom lahko pokličete svojo Teslo, da pride k vam. Poleg tega bo avto obvestil vaš telefon, če pride do pomembnega dogodka, zahvaljujoč Teslini edinstveni tehnologiji Sentry Mode.
Ker bo Tesla uporabljala podatke, ki jih je zbrala o dejanskih voznih navadah voznikov Tesle (zbiranje podatkov je ključni element tehnologije, zlasti če je tako neposredno in se ne izvaja s tržnimi raziskavami), bo Teslino zavarovanje tudi razširitev tehnološke strani.
Kakšno tehnologijo uporablja Tesla za avtopilota?
Ustvarjajo in uporabljajo avtonomijo v velikem obsegu v strojih, kot so roboti in avtomobili. Trdijo, da je edina metoda, ki lahko zagotovi celovit odgovor v celoti avtonomna vožnja in onstran je tisti, ki se opira na vrhunsko umetno inteligenco za načrtovanje in vizijo, ki jo dopolnjuje učinkovita strojna oprema za sklepanje.
Čip Tesla FSD
Sistemi Tesla so opremljeni z dvema procesorjema AI za izboljšano zmogljivost in varnost v cestnem prometu. Sistem Tesla je namenjen delovanju brez napak. Zaradi rezervnega napajanja in virov vnosa podatkov lahko avto še naprej deluje, tudi če ena enota ne deluje pravilno.
Tesla sprejme te dodatne previdnostne ukrepe, da zagotovi, da so vozila dobro pripravljena za preprečevanje trkov v primeru nepričakovane okvare.
Edina naprava, ki lahko izvede več operacij na sekundo kot novi mikroprocesor Tesla, so človeški možgani (1 kvadrilijon operacij na sekundo). To je približno 21-krat močnejše od prej uporabljenih mikročipov Tesla Nvidia.
Zgradite procesorje sklepanja z umetno inteligenco, da poganjajo njihovo programsko opremo Full Self-Driving, pri čemer upoštevajo vsako najmanjšo arhitekturno in mikroarhitekturno izboljšavo, hkrati pa povečajo zmogljivost silicija na vat.
Čeprav Tesla nedvomno vodi na trgu popolnoma avtonomnih lokomotiv, je še daleč od razvoja vrhunskega vozila z avtopilotom.
Tesla Dojo čip
Tesla je predstavila Tesla D1, nov procesor z močjo 362 TFLOP v BF16/CFP8, ki je bil ustvarjen posebej za Umetna inteligenca. To je bilo razkrito med nedavnim Tesla AI Dnevna predstavitev.
Ogromen čip nastane s povezovanjem mreže funkcionalnih enot, imenovane mreža funkcionalnih enot, ki ji Tesla D1 doda skupaj 354 vadbenih vozlišč. Vsaka funkcionalna enota ima štirijedrni, 64-bitni CPE ISA s prilagojeno, specializirano zasnovo za prečkanje povezav, oddajanje in prenose. Ta CPE uporablja superskalarno izvedbo (4-široki skalarni in 2-široki vektorski cevovodi).
Ta novi Teslin silicij je manjši od GPE-ja GA100 v pospeševalniku NVIDIA A100, katerega kvadratna velikost je 826 mm. Izdelan je po 7nm postopku, ima skupno 50,000 milijonov tranzistorjev in zavzema 645 mm kvadratne površine.
Tesla trdi, da bo njihov čip Dojo obdelal podatke računalniškega vida štirikrat hitreje kot trenutni sistemi, kar bo podjetju omogočilo popolno avtomatizacijo njegovega samovozečega sistema.
Vendar dva najzahtevnejša tehnološka podviga, in sicer povezava med ploščicami in programska oprema, Tesli še nista uspeli.
Omrežna stikala najvišjega razreda ne morejo tekmovati z zunanjo pasovno širino katere koli ploščice. Da bi to naredil, je Tesla ustvaril edinstvene medsebojne povezave.
Dojo sistem
Ustvarite sistem Dojo, od API-jev programske opreme na visoki ravni za nadzor do vmesnikov silicijeve vdelane programske opreme. Uporabite vrhunske tehnologije za dostavo in hlajenje visoke moči za reševanje zahtevnih situacij ter ustvarite razširljive krmilne zanke in programsko opremo za spremljanje.
Uporabite celotno strokovno znanje svojih ekip za strojništvo, toploto in elektrotehniko za razvoj naslednje generacije računalništva s strojnim učenjem za uporabo v podatkovnih centrih Tesla. Edina omejitev je vaša domišljija.
Delajte z vsako komponento načrtovanje sistema. Razvijte javni API, s katerim bo Dojo dostopen vsakomur, in sodelujte s podjetjem Tesla fleet learning, da zagotovite delovne obremenitve usposabljanja z uporabo njihovih ogromnih naborov podatkov.
Algoritmi avtonomije
Ustvarite model sveta visoke ločljivosti in narišite trajektorijo v tem prostoru, da razvijete ključne algoritme, ki upravljajo avtomobil.
Z združevanjem podatkov iz avtomobilskih senzorjev po kraju in času lahko algoritem zagotovi natančne in obsežne podatke o resnici na terenu, ki jih je mogoče uporabiti za usposabljanje nevronske mreže predvideti te predstavitve.
Konstruirajo močan sistem načrtovanja in odločanja z uporabo vrhunskih metodologij, ki lahko delujejo v zahtevnih scenarijih resničnega sveta z negotovostjo.
Koristna je analiza algoritmov na ravni celotne flote Tesla.
Nevronske mreže
Globoke nevronske mreže je mogoče usposobiti za vprašanja, ki segajo od zaznavanja do nadzora z uporabo najsodobnejših raziskav. Da bi dosegli semantično segmentacijo, identifikacijo objektov in oceno monokularne globine, njihova omrežja za vsako kamero pregledujejo neobdelane slike.
Njihova omrežja s ptičjo perspektivo uporabljajo posnetke vseh kamer za ustvarjanje perspektive od zgoraj navzdol na postavitev ceste, statične infrastrukture in 3D objektov.
Njihova omrežja se nenehno napajajo s podatki iz njihove flote približno 1 milijona avtomobilov, ki vključuje najbolj zapletene in raznolike okoliščine na svetu.
48 omrežij, ki sestavljajo celoten konstrukt nevronskih mrež avtopilota, potrebuje 70,000 ur GPU za usposabljanje. V vsakem časovnem koraku skupaj proizvedejo 1,000 različnih tenzorjev (napovedi).
Vrednotenje infrastrukture
Ustvarili so tudi infrastrukturo ter orodja za ocenjevanje strojne opreme v zanki z odprto in zaprto zanko v velikem obsegu, da bi pospešili hitrost inovacij, spremljali izboljšave zmogljivosti in zaustavili nazadovanje.
Uporabljajo anonimizirane značilne posnetke svoje flote in jih vključujejo v številne testne scenarije. Napišite kodo, ki simulira njihovo dejansko okolje, generira neverjetno realistične vizualne elemente in druge podatke senzorjev za njihov program avtopilota za uporabo pri avtomatiziranem testiranju ali odpravljanju napak v živo.
Kako Tesla izkorišča velike podatke, umetno inteligenco in strojno učenje?
Big Podatki
Tesla velikih podatkov ne uporablja samo za reševanje težav; uporablja se tudi za dvig zadovoljstva potrošnikov. Pridobijo informacije iz spletnih skupnosti svojih strank in jih uporabijo za izboljšanje svoje nadaljnje proizvodnje. Ta vrsta interakcije s strankami je nezaslišana v poslu.
Veliki podatki podpirajo Teslina prizadevanja za prihranek stroškov, iskanje novih trgov, ugajanje potrošnikom, ustvarjanje novih izdelkov in izboljšanje svojih vozil.
Podatki se uporabljajo za ustvarjanje zemljevidov, ki so zelo bogati s podatki, ki prikazujejo karkoli, od lokacije tveganj, zaradi katerih morajo vozniki ukrepati, do povprečnega povečanja hitrosti prometa na določenem odseku ceste.
Ročno računanje določa, kaj mora vsak posamezen avtomobil izvesti zdaj, medtem ko strojno učenje v oblaku skrbi za usposabljanje celotnega voznega parka.
Poleg tega obstaja še tretja raven odločanja, pri kateri se lahko avtomobili povežejo s sosednjimi vozili Tesla, da zgradijo omrežja in izmenjujejo znanje o tem območju.
Ta omrežja bodo verjetno tudi komunicirala z vozili drugih proizvajalcev in drugimi sistemi, kot so prometne kamere, zemeljski senzorji ali telefoni v svetu bližnje prihodnosti, kjer so avtonomni avtomobili običajni.
Umetna inteligenca
Da bi lahko vozili sami, avtonomni avtomobili nenehno ocenjujejo podatke svojih senzorjev in kamer za strojni vid. Na podlagi teh informacij se nato odločijo.
Uporabljajo AI za razumevanje in predvidevanje gibanja koles, pešcev in avtomobilov. S tem znanjem lahko presojajo in hitro načrtujejo svoje dejavnosti.
Ali naj avto ostane na voznem pasu, na katerem je zdaj, ali naj se spremeni? Naj nadaljuje tako kot je ali naj prehiti avto pred njimi? Kdaj naj avto upočasni ali pospeši?
Da bi avtomobili postali popolnoma avtonomni, mora Tesla zbrati potrebne podatke za usposabljanje algoritmov in napajati svoj AI. Več podatkov o usposabljanju bo vedno vodilo do boljše učinkovitosti in Tesla je v tem pogledu odlična.
Tesla ima konkurenčno prednost, saj zbira vse svoje podatke iz več sto tisoč vozil Tesla, ki so zdaj na cestah. Notranji in zunanji senzorji spremljajo delovanje Tesle v različnih pogojih.
Poleg tega opazujejo, kako se vozniki obnašajo, vključno z njihovimi reakcijami na različne situacije in kako pogosto se dotikajo volana ali armaturne plošče. Imajo zelo prefinjen sistem sledenja.
Na primer, Tesla zabeleži trenutek v času, ga doda v zbirko podatkov in nato uporabi barvne oblike za ustvarjanje abstraktne podobe okolja, iz katere se lahko nevronska mreža uči.
To se zgodi, ko vozilo Tesla naredi netočno predpostavko o tem, kako bi se obnašal avto ali kolo.
strojno učenje
Z uporabo notranjih in zunanjih senzorjev, ki lahko celo poberejo informacije o lokaciji voznikove roke na upravljalnih elementih in o tem, kako se ti še naprej upravljajo, strojno učenje Tesla uspešno zbira nekatere ključne podatke iz vseh svojih vozil in njihovih vozniki.
Informacije se uporabljajo tudi za ustvarjanje zemljevidov z zelo veliko podatkov, ki prikazujejo vse od povprečnega povečanja prometne hitrosti na določeni dolžini ceste do prisotnosti nevarnosti in celo pozivajo voznike k ukrepanju.
Medtem ko je del robno računalništvo na vsakem posameznem avtomobilu določa, kaj mora avto trenutno izvesti, Teslino strojno učenje v oblaku je zadolženo za usposabljanje celotne flote.
Za izmenjavo nekaterih lokalnih vpogledov in informacij se lahko avtomobili povežejo z nekaterimi drugimi vozili Tesla v bližini.
zaključek
Tesla je že od nekdaj podjetje, ki proizvaja zbiranje in analizo podatkov, ki je najmočnejše orodje za karkoli počne. Pri oblikovanju svojih procesorjev niso naredili nobenih izjem.
Razvoj avtonomna vozila in analiza statističnih podatkov s strani korporacije sta omogočila popolno spremembo načina vožnje zahvaljujoč umetni inteligenci, analizi podatkov, velikim podatkom, strojnemu učenju, računalniškemu vidu, nevronskim mrežam, čipu FSD in številnim drugim algoritmom.
Pustite Odgovori