Ju mund të supozoni se Tesla është një emër i njohur në industrinë e automobilave kur mendoni për ta. Tesla, një pionier në makinat elektrike, është pa dyshim. Megjithatë, ata janë një firmë teknologjike, që është sekreti i suksesit të tyre.
Një nga gjërat që e kanë bërë biznesin e tyre të suksesshëm është përdorimi i inteligjencës artificiale teknologjive. Automatizimi i plotë i automjeteve të Tesla-s është një nga prioritetet kryesore aktuale të kompanisë, dhe për të arritur këtë qëllim, ata po përdorin AI dhe komponentët e saj të shumtë.
Duke njoftuar ardhjen e tij në fillim të vitit 2021, Tesla krijoi një trazim në nënkontinent. Elon Musk është pothuajse gati të krijojë Bangalore, Indi, si qendrën e prodhimit të Tesla India.
Ekspertët e inteligjencës artificiale në Indi brohoritën ndërsa memet dhe tweet-et në lidhje me mënyrën se si do të funksionojnë shumë lavdëruar "Makinat vetë-drejtuese" në Indi vazhdonin.
Një valë e tërë e inteligjencës artificiale që përfundimisht do të sundojë globin sapo ka filluar.
Ky postim do të shqyrtojë në thellësi se si Tesla po integron AI në sistemin e saj, duke përfshirë specifikat dhe informacione të tjera.
Pra, si e mëson AI drejtimin autonom në makina?
Automjete autonome analizojnë vazhdimisht të dhënat nga sensorët e tyre dhe kamerat e shikimit të makinës, në mënyrë që të jenë në gjendje të ngasin makinën në mënyrë të pavarur. Ata më pas përdorin këto të dhëna për të vendosur se çfarë të bëjnë më pas.
Ata përdorin AI për të kuptuar dhe parashikuar lëvizjet e ardhshme të biçikletave, këmbësorëve dhe makinave. Ata mund ta përdorin këtë informacion për të planifikuar shpejt veprimet e tyre dhe për të marrë vendime në sekondë.
A duhet të vazhdojë automobili në korsinë e tij aktuale apo duhet të ndërrojë korsi? A duhet të vazhdojë aty ku është apo të kalojë automobilin para tyre? Kur duhet të ngadalësojë apo shpejtojë automjeti?
Tesla duhet të mbledhë të dhënat e duhura për të trajnuar algoritmet dhe ushqyer AI-t e saj në mënyrë që t'i bëjë makinat plotësisht autonome. Performanca më e mirë do të rezultojë gjithmonë nga më shumë të dhëna trajnimi dhe Tesla shkëlqen në këtë fushë.
Fakti që Tesla mbledh të gjitha të dhënat e saj nga qindra mijëra automjete Tesla që janë tani në rrugë u jep atyre një avantazh konkurrues. Të dy sensorët e brendshëm dhe të jashtëm gjurmojnë se si Teslas sillen në një sërë rrethanash.
Ata gjithashtu mbledhin informacion mbi sjelljen e shoferit, duke përfshirë mënyrën se si reagojnë ndaj rrethanave të caktuara dhe sa shpesh prekin timonin ose pultin.
“Të mësuarit me imitim” është emri i strategjisë së Teslës. Miliona shoferë të vërtetë në mbarë botën bëjnë gjykime, përgjigjen dhe lëvizin, dhe algoritmet e tyre mësojnë nga ato veprime. Të gjitha këto kilometra rezultojnë në automjete autonome tepër të sofistikuara.
Sistemi i tyre i gjurmimit është vërtet i avancuar. Për shembull, Tesla ruan një fotografi të të dhënave të momentit, e shton atë në grupin e të dhënave dhe më pas rikrijon një paraqitje abstrakte të botës duke përdorur forma të koduara me ngjyra që Rrjeti nervoz mund të mësojnë nga. Kjo ndodh kur një automjet Tesla parashikon gabimisht sjelljen e një makine ose biçiklete.
Bizneset e tjera që zhvillojnë automjete autonome mbështeten në të dhëna sintetike, e cila është dukshëm më pak efektive sesa të dhënat e botës reale të përdorura nga Tesla për të trajnuar AI-të e saj (për shembull, sjelljen e drejtimit nga video lojërat si Grand Theft Auto).
Tani do të shqyrtojmë komponentët e Tesla-s që përfitojnë nga AI.
Komponentët e Tesla-s që përfitojnë nga AI
Kamera & Sensorë
Përgjegjësitë që Tesla duhet të kryejë janë mjaft të njohura. Të gjitha këto operacione, nga identifikimi i korsisë deri tek gjurmimi i këmbësorëve, kryhen në kohë reale. Tesla operoi me ndihmën e 8 kamerave për këtë arsye. Për më tepër, prania e kaq shumë kamerave siguron që nuk ka zonë të verbër dhe se e gjithë zona përreth makinës është e mbuluar.
Është e vërtetë ajo që sapo lexuat! nuk ka LIDAR Asnjë sistem për hartëzimin me definicion të lartë. Tesla dëshiron të përdorë vetëm vizionin kompjuterik, Mësimi makinë, dhe furnizimet me video të kamerës për të krijuar modelin e pilotimit automatik. Rrjetet nervore konvolucionare (CNN) përdoren më pas për të analizuar videon e papërpunuar në mënyrë që të gjurmohet dhe zbulojnë objekte.
Autopilot Tesla përveç kamerave ka edhe sensorë radarë dhe ultrasonikë. Radari përdoret për të zbuluar dhe matur ndarjen midis automjeteve dhe objekteve të tjera. Për të optimizuar sigurinë e shoferit, sensorët ultrasonikë funksionojnë gjithashtu në përputhje me monitorimin e afërsisë me objektet pasive.
Për të kuptuar rrethinat e makinës dhe për t'i bërë aftësitë e autopilotit sa më të përgjegjshëm që të jetë e mundur, rrjetet nervore janë integruar me harduerin Tesla.
Çipi FSD Tesla -3
Për performancë dhe siguri të përmirësuar në rrugë, sistemet Tesla përfshijnë dy procesorë AI. Sistemi Tesla përpiqet të jetë pa gabime. Edhe nëse një njësi dështon, makina mund të funksionojë ende duke përdorur njësitë shtesë për shkak të fuqisë rezervë dhe burimeve të hyrjes së të dhënave.
Tesla përdor këto masa shtesë për t'u siguruar që makinat janë të pajisura mirë për të shmangur përplasjet në rast të një dështimi të paparashikuar. Vetëm të trurin e njeriut mund të ekzekutojë më shumë operacione në sekondë se mikroprocesori i ri Tesla (1 kuadrilion operacione për sekondë). Kjo është rreth 21 herë më e fuqishme se mikroçipet Tesla Nvidia që ishin në përdorim më parë.
Tesla është padyshim një lider në treg për lokomotivat plotësisht autonome, por është ende shumë larg nga prodhimi i një makine autopilot të avancuar.
Në të ardhmen, një makinë me cilësitë që përshkruam në këtë ese padyshim do të bëhet e zakonshme. Tesla ka krijuar procesorët e saj të fundit të AI dhe arkitekturën e rrjetit nervor.
Trajnimi i rrjeteve nervore
Modeli gjithashtu duhet të trajnohet pas rrjeteve nervore janë krijuar. Ne jemi të vetëdijshëm se Tesla ka vendosur një gamë të gjerë bibliotekash dhe mjetesh në mënyrë që të lejojë aftësitë e fundit të vizionit kompjuterik.
Pitorku, i cili u krijua nga departamenti i kërkimit të AI të Facebook, është një kornizë e tillë (FAIR). PyTorch përdoret nga Stack teknologjik Tesla për të trajnuar modelin e të mësuarit të thellë.
Vlen të përmendet se Tesla nuk mbështetet në harta ose LIDAR për të arritur autonomi të plotë. Kamerat dhe vizioni i pastër kompjuterik përdoren ekskluzivisht dhe gjithçka bëhet në kohë reale.
Tesla përdor Pytorch për trajnime si dhe aktivitete të ndryshme ndihmëse si rrjedha e automatizuar e punës planifikimi, kalibrimi i pragjeve të modelit, vlerësimi i plotë, testimi pasiv, testet simuluese, etj.
Tesla shpenzon afërsisht 70,000 orë GPU duke trajnuar 48 rrjete që bëjnë 1,000 parashikime të ndryshme. Ky trajnim është i vazhdueshëm, jo vetëm një herë. Ne jemi të vetëdijshëm se inteligjenca artificiale është një proces i përsëritur që përparon me kalimin e kohës. Si rezultat, të 1000 parashikimet e veçanta mbeten të sakta dhe nuk lëkunden kurrë.
HidraNet
Janë rreth 100 vende pune në zhvillim në çdo moment, edhe kur një makinë nuk është në lëvizje dhe ka shumë të ngjarë në një udhëkryq. Përdorimi i një rrjeti nervor për çdo detyrë është i kushtueshëm dhe joefektiv. Sasi masive informacioni përpunohen në kohë reale nga AI në automjetet Tesla.
Si rezultat, shtylla e përbashkët e ResNet-50, e cila mund të përpunojë 1000 x 1000 fotografi në të njëjtën kohë, shërben si njësia qendrore e përpunimit për rrjedhën e punës Computer Vision.
Pranë majës së rrjetit, dizajni i rrjetit nervor HydraNet ndahet në disa degë (ose koka). Duke pasur parasysh se çdo mikro-grizë e të dhënave të trajnimit peshohet ndryshe për shumë koka, këto koka mësohen në mënyrë të pavarur dhe mësojnë gjëra të ndryshme.
Sigurisht, ka disa raste të këtyre HydraNets që punojnë së bashku për të përpunuar AI për automjetet. Çdo informacion i HydraNet përdoret për të korrigjuar problemet e përsëritura.
Për shembull, një detyrë mund të jetë aktive për të trajtuar shenjat e ndalimit, një tjetër për t'u marrë me këmbësorët dhe një tjetër për të ekzaminuar sinjalet e trafikut. Këto detyra të dallueshme operohen të gjitha nga një shtyllë e përbashkët.
Sipas arkitekturës HydraNet, vetëm një pjesë e vogël e rrjetit të madh nervor nevojitet për secilën nga këto detyra.
Kjo është mjaft e ngjashme me mësimin e transferimit, ku blloqe të veçanta trajnohen për një bllok të përbashkët për detyra të caktuara të lidhura. Bazat e HydraNets janë të trajnuar për një sërë gjërash, ndërsa drejtuesit mësohen për punë të veçanta.
Kjo zvogëlon sasinë e kohës që nevojitet për të trajnuar modelin dhe përshpejton përfundimin.
Autopilot Tesla
Makinat me aftësi autopilot mund të drejtojnë në mënyrë autonome, të përshpejtojnë dhe të ndalojnë në një korsi. Është ndërtuar duke përdorur konceptet e rrjetit të thellë nervor. Ai vëzhgon zonën përreth makinës duke përdorur kamera, sensorë tejzanor dhe radar.
Drejtuesit informohen për rrethinën e tyre nga sensorët dhe kamerat, dhe ky informacion analizohet brenda disa milisekondave për të ndihmuar ta bëjë drejtimin më të sigurt dhe më pak stresues.
Në rrethana të ndritshme, të errëta dhe të ndryshme të motit, radari përdoret për të vëzhguar dhe vlerësuar hapësirën përreth automobilave. Në çdo situatë, metodat ultravjollcë përcaktojnë afërsinë, dhe video pasive identifikon objektet afër dhe promovon drejtimin e sigurt.
Për më tepër, autopiloti është projektuar për të ndihmuar shoferin dhe nuk e transformon një Tesla në një automjet vetëdrejtues. Është praktikë e zakonshme të paralajmërohen drejtuesit e mjeteve që të mbajnë duart në timon.
Nëse nuk e bëni këtë, aktivizohen një seri sinjalizimesh për të marrë timonin. Nëse injorohet shumë më gjatë, automobili fillon të ngadalësohet përpara se të ndalojë. Duke frenuar, rrotulluar ose çaktivizuar kërcellin e kontrollit të lundrimit, drejtuesit mund të anashkalojnë gjithmonë funksionet e autopilotit.
Pamja e syve të zogjve
Fotografitë që shpesh interpreton hardueri Tesla mund të kenë nevojë për dimensione shtesë. Funksioni Bird's Eye View e bën më të lehtë matjen e distancave më të largëta dhe ofron një paraqitje më të saktë të botës së jashtme.
Ky është një sistem monitorimi vizual që "shfaq" një imazh të një makine me pamje nga lart për të bërë parkimin e thjeshtë dhe lundrimin në vende të vogla më të lehtë. Pa pasur nevojë të jepni një justifikim të çalë për aftësitë tuaja të parkimit, tani mund të merrni me siguri timonin.
E ardhmja e Teslës
Nëse jeni duke kërkuar për një SUV të madhësisë së mesme me një gamë të fortë, 2022 Tesla Model Y është një pikënisje fantastike për EV. Për shkak të përmirësimeve të rregullta të softuerit, Modeli Y po ndryshon vazhdimisht, ashtu si shumë prej produkteve të tjera të Tesla-s.
Duke rritur sigurinë dhe funksionalitetin, këto përmirësime ndihmojnë automobilin tuaj të jetë më i dobishëm. Për njerëzit që kanë nevojë të udhëtojnë në distanca të gjata me familjen dhe me bagazhe të ndryshme, trupi i gjerë dhe aksesi në rrjetin Supercharger të Tesla-s e bëjnë atë një zgjedhje të mrekullueshme.
Që nga fillimi i saj, Tesla ka përfituar nga të dhënat nga baza e saj aktuale e klientëve dhe puna e saj për automjetet autonome është pjesë e ambicies së saj të vazhdueshme për të vendosur AI në thelbin e të gjitha operacioneve të saj.
Inteligjenca artificiale dhe të dhënat e mëdha do të vazhdojnë të jenë Elon Musk dhe ekipi i tij në aleatët besnikë të Teslës, ndërsa ata kalojnë në iniciativat e tyre më të reja, duke përfshirë aspiratat e tyre për të transformuar rrjetin elektrik me panelet e tyre të energjisë diellore në shtëpi.
Përfundim
Tesla, një kompani që njihet si një nga novatorët më agresivë të tregut, e ka bërë gjithmonë mbledhjen dhe analizën e të dhënave mjetin e saj më të fuqishëm. Ata ndoqën të njëjtat rregulla kur erdhi puna për të krijuar çipat e tyre.
Biznesi ka zhvilluar automjete autonome që kanë potencialin për të ndryshuar plotësisht mënyrën se si ne ngasim makinat falë inteligjencës artificiale dhe analizës së të dhënave.
Le të shohim se sa mirë platforma i mban premtimet e saj dhe e zhvillon biznesin e saj. Se ku do të shkojë kompania në tregun e automjeteve autonome në të ardhmen, mbetet për t'u parë pas shfrytëzimit të këtyre teknologjive.
Lini një Përgjigju