Можете претпоставити да је Тесла добро познато име у аутомобилској индустрији када помислите на њих. Тесла, пионир електричних аутомобила, је без сумње. Међутим, они су технолошка фирма, што је тајна њиховог успеха.
Једна од ствари која је учинила њихово пословање успешним је коришћење вештачка интелигенција технологије. Потпуна аутоматизација Теслиних возила један је од тренутних главних приоритета компаније, а да би постигли овај циљ, они користе вештачку интелигенцију и њене многе компоненте.
Најавом свог доласка почетком 2021. Тесла створио пометњу на потконтиненту. Елон Муск је скоро спреман да успостави Бангалор, Индија, као производни центар Тесла Индије.
Стручњаци за вештачку интелигенцију у Индији су навијали док су мемови и твитови о томе како ће хваљени „аутомобили који се сами возе“ наставити радити у Индији.
Читав талас вештачке интелигенције који ће на крају завладати светом тек почиње.
Овај пост ће детаљно испитати како Тесла интегрише АИ у свој систем, укључујући специфичности и друге информације.
Дакле, како АИ подучава аутономну вожњу у аутомобилима?
Аутономна возила континуирано анализирају податке са својих сензора и камера за машински вид како би могли самостално да возе. Они затим користе ове податке да одлуче шта даље.
Они користе вештачку интелигенцију да схвате и предвиде следеће покрете бицикала, пешака и аутомобила. Они могу да користе ове информације да брзо планирају своје акције и доносе одлуке у делићу секунде.
Да ли аутомобил треба да настави својом садашњом траком или да промени траку? Да ли да настави тамо где јесте или да прође аутомобил испред њих? Када возило треба да успори или убрза?
Тесла мора да прикупи одговарајуће податке да обучи алгоритме и храни своју вештачку интелигенцију како би аутомобили били потпуно аутономни. Бољи учинак ће увек бити резултат више података о обуци, а Тесла блиста у овој области.
Чињеница да Тесла прикупља све своје податке од стотина хиљада Теслиних возила која су сада на путу даје им конкурентску предност. И унутрашњи и спољашњи сензори прате како се Тесла понаша у различитим околностима.
Они такође прикупљају информације о понашању возача, укључујући како реагују на одређене околности и колико често додирују волан или контролну таблу.
„Учење имитацијом“ је назив Теслине стратегије. Милиони правих возача широм света доносе одлуке, реагују и крећу се, а њихови алгоритми уче из тих радњи. Сви ти километри резултирају невероватно софистицираним аутономним возилима.
Њихов систем праћења је заиста напредан. На пример, Тесла складишти тренутни снимак података, додаје га скупу података и затим поново креира апстрактни приказ света користећи облике означене бојама које неуронска мрежа могу учити од. Ово се дешава када Тесла возило погрешно предвиди понашање аутомобила или бицикла.
Остале компаније које развијају аутономна возила се ослањају на синтетички подаци, што је знатно мање ефикасно од података из стварног света које Тесла користи за обуку својих АИ (на пример, понашање у вожњи из видео игара као што је Гранд Тхефт Ауто).
Сада ћемо испитати Теслине компоненте које користе предности АИ.
Теслине компоненте које користе предности вештачке интелигенције
Камера и сензори
Одговорности које Тесла мора да испуни су прилично познате. Све ове операције, од идентификације траке до праћења пешака, спроводе се у реалном времену. Из тог разлога Тесла је радио уз помоћ 8 камера. Поред тога, присуство оволиког броја камера уверава да не постоји слепа зона и да је цео простор око аутомобила покривен.
Истина је оно што сте управо прочитали! нема ЛИДАР Нема система за мапирање високе дефиниције. Тесла жели да користи само компјутерски вид, Машина учење, и видео изводе камере за креирање модела ауто-пилота. Конволуционе неуронске мреже (ЦНН) се затим користе за анализу сировог видеа како би се пратиле и детектовати објекте.
Аутопилот Тесла такође има радарске и ултразвучне сензоре поред камера. Радар се користи за откривање и мерење размака између возила и других објеката. Да би се оптимизовала безбедност возача, ултразвучни сензори такође функционишу у складу са праћењем близине са пасивним објектима.
Да би се разумело окружење аутомобила и да би се могућности аутопилота што боље реаговале, неуронске мреже су интегрисане са Теслиним хардвером.
Тесла ФСД чип -3
За побољшане перформансе и безбедност на путевима, Тесла системи укључују два АИ процесора. Тесла систем настоји да буде без грешака. Чак и ако једна јединица поквари, аутомобил и даље може да функционише користећи додатне јединице због резервног напајања и извора уноса података.
Тесла користи ове додатне мере како би се уверио да су аутомобили добро опремљени како би избегли сударе у случају непредвиђеног квара. Само људски мозак може да изврши више операција у секунди од новог Теслиног микропроцесора (1 квадрилион операција у секунди). То је око 21 пута снажније од Тесла Нвидиа микрочипова који су раније били у употреби.
TЕсла је несумњиво тржишни лидер за потпуно аутономне локомотиве, али је још увек далеко од производње најсавременијих аутомобила са аутопилотом.
У будућности ће аутомобил са квалитетима које смо навели у овом есеју несумњиво постати уобичајен. Тесла је креирао сопствене врхунске АИ процесоре и архитектуру неуронске мреже.
Обука неуронске мреже
Модел такође мора бити обучен након неуронских мрежа су створени. Свесни смо да је Тесла поставио широк спектар библиотека и алата како би омогућио врхунске могућности компјутерског вида.
Питорцх, који је креирао Фацебоок одељење за истраживање вештачке интелигенције, један је од таквих оквира (ФАИР). ПиТорцх користи Тесла тецх стацк да обучимо модел дубоког учења.
Важно је напоменути да се Тесла не ослања на мапе или ЛИДАР да би постигао потпуну аутономију. Користе се искључиво камере и чисти компјутерски вид, а све се ради у реалном времену.
Тесла запошљава Питорцх за обуку као и разне помоћне активности попут аутоматизовани ток рада заказивање, калибрација прагова модела, темељна процена, пасивно тестирање, симулациони тестови итд.
Тесла троши око 70,000 ГПУ сати обучавајући 48 мрежа које праве 1,000 различитих предвиђања. Ова обука је у току, не само једном. Свесни смо да је вештачка интелигенција итеративни процес који напредује током времена. Као резултат тога, свих 1000 одвојених предвиђања остају тачне и никада не падају.
ХидраНет
У току је око 100 послова у сваком тренутку, чак и када се аутомобил не креће и највероватније је на раскрсници. Коришћење неуронске мреже за сваки задатак је скупо и неефикасно. Огромне количине информација се обрађују у реалном времену помоћу вештачке интелигенције у Теслиним возилима.
Као резултат, РесНет-50 заједничка окосница, која може да обрађује 1000 к 1000 слика одједном, служи као централна процесорска јединица за радни ток Цомпутер Висион.
Близу врха мреже, ХидраНет неуронска мрежа се дели на неколико грана (или глава). Ако свака микро серија података за обуку буде различито пондерисана за многе главе, ове главе се подучавају независно и уче различите ствари.
Наравно, постоји неколико примера ових ХидраНет-ова који раде заједно на процесуирању АИ за возила. Свака ХидраНет-ова информација се користи за решавање проблема који се понављају.
На пример, задатак може бити активан за руковање знаковима за заустављање, други за суочавање са пешацима, а трећи за испитивање саобраћајних сигнала. Све ове различите дужности обавља заједничка кичма.
Према ХидраНет архитектури, за сваки од ових задатака потребан је само мали део огромне неуронске мреже.
Ово је прилично слично учењу трансфера, где се различити блокови обучавају за заједнички блок за одређене повезане задатке. Окоснице ХидраНетс-а се обучавају за разне ствари, док се руководиоци подучавају на одређеним пословима.
Ово смањује количину времена потребног за обуку модела и убрзава закључивање.
Тесла Аутопилот
Аутомобили са могућностима аутопилота могу аутономно да управљају, убрзавају и заустављају се у траци. Конструисан је коришћењем концепата дубоких неуронских мрежа. Он посматра подручје око аутомобила помоћу камера, ултразвучних сензора и радара.
Сензори и камере обавештавају возаче о свом окружењу, а ове информације се анализирају у року од неколико милисекунди како би се помогло да вожња буде безбеднија и мање стресна.
У светлим, тамним и разним временским околностима, радар се користи за посматрање и процену простора око аутомобила. У свакој ситуацији ултраљубичасте методе одређују близину, а пасивни видео идентификује објекте у близини и промовише безбедну вожњу.
Поред тога, аутопилот је дизајниран да помогне возачу и не претвара Теслу у самовозеће возило. Уобичајена је пракса да се возачи упозоравају да држе руке на волану.
Низ упозорења да преузмете волан се активира ако то не учините. Ако се игнорише много дуже, аутомобил почиње да успорава пре него што се заустави. Кочењем, окретањем или деактивирањем ручице темпомата, возачи увек могу да надјачају функције аутопилота.
Поглед из птичије перспективе
Слике које Тесла хардвер често тумачи могле би затребати додатне димензије. Функција Бирд'с Еие Виев олакшава мерење даљих удаљености и нуди прецизнији приказ спољашњег света.
То је систем визуелног надзора који „приказује“ слику аутомобила одозго како би олакшао паркирање и лакшу навигацију на малим местима. Без потребе да дате јадно оправдање о својим могућностима паркирања, сада можете безбедно да преузмете волан.
Теслина будућност
Ако тражите СУВ средње величине са јаким дометом, 2022 Тесла Модел И је фантастична полазна тачка за ЕВ. Због редовних надоградњи софтвера, Модел И се стално мења, као и многи други Теслини производи.
Повећањем безбедности и функционалности, ове надоградње помажу вашем аутомобилу да буде кориснији. За људе који морају да путују на велике удаљености са породицом и разним пртљагом, пространо тело и приступ Теслиној мрежи Суперцхаргер чине га одличним избором.
Од свог почетка, Тесла је имао користи од података из своје тренутне базе корисника, а њен рад на аутономним возилима је део њене сталне амбиције да стави АИ у срж свих својих операција.
АИ и велики подаци ће и даље бити Елон Муск и његов тим у Теслиним верним савезницима док се крећу у своје најновије иницијативе, укључујући своје тежње да трансформишу електричну мрежу помоћу својих кућних соларних панела.
Zakljucak
Тесла, компанија која је препозната као један од најагресивнијих иноватора на тржишту, одувек је прикупљање и анализу података чинила својим најмоћнијим алатом. Пратили су иста правила када је у питању стварање сопствених чипова.
Компанија је развила аутономна возила која имају потенцијал да у потпуности промене начин на који возимо аутомобиле захваљујући вештачкој интелигенцији и анализи података.
Хајде да видимо колико добро платформа испуњава своја обећања и развија своје пословање. Где ће компанија ићи на тржишту аутономних возила у будућности, остаје да се види након што искористи ове технологије.
Ostavite komentar