మీరు టెస్లా గురించి ఆలోచించినప్పుడు ఆటోమొబైల్ పరిశ్రమలో బాగా తెలిసిన పేరుగా భావించవచ్చు. ఎలక్ట్రిక్ ఆటోమొబైల్స్లో అగ్రగామి అయిన టెస్లా నిస్సందేహంగా ఉంది. అయినప్పటికీ, వారు ఒక సాంకేతిక సంస్థ, ఇది వారి విజయానికి రహస్యం.
వారి వ్యాపారాన్ని విజయవంతం చేసిన వాటిలో ఒకటి ఉపయోగం కృత్రిమ మేధస్సు సాంకేతికతలు. టెస్లా యొక్క వాహనాల పూర్తి ఆటోమేషన్ సంస్థ యొక్క ప్రస్తుత ప్రధాన ప్రాధాన్యతలలో ఒకటి మరియు ఈ లక్ష్యాన్ని సాధించడానికి, వారు AI మరియు దాని అనేక భాగాలను ఉపయోగిస్తున్నారు.
2021 ప్రారంభంలో దాని రాకను ప్రకటించడం ద్వారా, టెస్లా ఉపఖండంలో కలకలం సృష్టించింది. భారతదేశంలోని బెంగుళూరును టెస్లా ఇండియా యొక్క తయారీ కేంద్రంగా స్థాపించడానికి ఎలోన్ మస్క్ దాదాపు సిద్ధంగా ఉన్నాడు.
భారతదేశంలో చాలా ప్రశంసలు పొందిన “సెల్ఫ్ డ్రైవింగ్ కార్లు” ఎలా పనిచేస్తాయనే దాని గురించి మీమ్స్ మరియు ట్వీట్లు కొనసాగుతున్నప్పుడు భారతదేశంలోని AI నిపుణులు హర్షం వ్యక్తం చేశారు.
చివరికి భూగోళాన్ని శాసించే కృత్రిమ మేధస్సు యొక్క మొత్తం తరంగం ఇప్పుడే ప్రారంభమవుతుంది.
ఈ పోస్ట్ ప్రత్యేకతలు మరియు ఇతర సమాచారంతో సహా టెస్లా తన సిస్టమ్లో AIని ఎలా అనుసంధానం చేస్తుందో లోతుగా పరిశీలిస్తుంది.
కాబట్టి, కార్లలో అటానమస్ డ్రైవింగ్ను AI ఎలా బోధిస్తుంది?
స్వయంప్రతిపత్త వాహనాలు స్వతంత్రంగా డ్రైవ్ చేయడానికి వారి సెన్సార్లు మరియు మెషిన్ విజన్ కెమెరాల నుండి డేటాను నిరంతరం విశ్లేషిస్తుంది. తర్వాత ఏమి చేయాలో నిర్ణయించుకోవడానికి వారు ఈ డేటాను ఉపయోగించుకుంటారు.
వారు సైకిళ్లు, పాదచారులు మరియు ఆటోల తదుపరి కదలికలను అర్థం చేసుకోవడానికి మరియు అంచనా వేయడానికి AIని ఉపయోగిస్తారు. వారు తమ చర్యలను త్వరగా ప్లాన్ చేసుకోవడానికి మరియు స్ప్లిట్-సెకండ్ నిర్ణయాలు తీసుకోవడానికి ఈ సమాచారాన్ని ఉపయోగించవచ్చు.
ఆటోమొబైల్ ప్రస్తుత లేన్లోనే కొనసాగాలా లేక లేన్లను మార్చాలా? అది ఉన్న చోటే కొనసాగాలా లేక వారి ముందు ఉన్న ఆటోమొబైల్ను దాటాలా? వాహనం ఎప్పుడు వేగాన్ని తగ్గించాలి లేదా వేగవంతం చేయాలి?
కార్లను పూర్తిగా స్వయంప్రతిపత్తిగా మార్చడానికి టెస్లా అల్గారిథమ్లకు శిక్షణ ఇవ్వడానికి మరియు దాని AIలను అందించడానికి తగిన డేటాను సేకరించాలి. మరింత శిక్షణ డేటా నుండి మెరుగైన పనితీరు ఎల్లప్పుడూ ఉంటుంది మరియు టెస్లా ఈ ప్రాంతంలో ప్రకాశిస్తుంది.
ఇప్పుడు రోడ్డుపై ఉన్న వందల వేల టెస్లా వాహనాల నుండి టెస్లా క్రౌడ్సోర్స్ మొత్తం డేటాను పొందడం వారికి పోటీ ప్రయోజనాన్ని ఇస్తుంది. వివిధ పరిస్థితులలో టెస్లాస్ ఎలా ప్రవర్తిస్తుందో అంతర్గత మరియు బాహ్య సెన్సార్లు రెండూ ట్రాక్ చేస్తాయి.
వారు నిర్దిష్ట పరిస్థితులకు ఎలా స్పందిస్తారు మరియు స్టీరింగ్ వీల్ లేదా డాష్బోర్డ్ను ఎంత తరచుగా తాకడం వంటి వాటితో సహా డ్రైవర్ ప్రవర్తనపై సమాచారాన్ని కూడా వారు సేకరిస్తారు.
"ఇమిటేషన్ లెర్నింగ్" అనేది టెస్లా యొక్క వ్యూహం పేరు. ప్రపంచవ్యాప్తంగా మిలియన్ల మంది నిజమైన డ్రైవర్లు తీర్పులు, ప్రతిస్పందించడం మరియు తరలించడం మరియు వారి అల్గారిథమ్లు ఆ చర్యల నుండి నేర్చుకుంటారు. అన్ని కిలోమీటర్లు అద్భుతమైన అధునాతన స్వయంప్రతిపత్త వాహనాలను కలిగి ఉంటాయి.
వారి ట్రాకింగ్ వ్యవస్థ నిజంగా అధునాతనమైనది. ఉదాహరణకు, టెస్లా క్షణం యొక్క డేటా స్నాప్షాట్ను నిల్వ చేస్తుంది, దానిని డేటా సెట్కు జోడిస్తుంది మరియు ఆపై రంగు-కోడెడ్ ఆకృతులను ఉపయోగించి ప్రపంచం యొక్క నైరూప్య ప్రాతినిధ్యాన్ని పునఃసృష్టిస్తుంది నాడీ నెట్వర్క్ నుండి నేర్చుకోవచ్చు. టెస్లా వాహనం కారు లేదా సైకిల్ ప్రవర్తనను తప్పుగా అంచనా వేసినప్పుడు ఇది జరుగుతుంది.
స్వయంప్రతిపత్త వాహనాలను అభివృద్ధి చేసే ఇతర వ్యాపారాలు ఆధారపడి ఉంటాయి సింథటిక్ డేటా, ఇది టెస్లా తన AIలకు శిక్షణ ఇవ్వడానికి ఉపయోగించే వాస్తవ-ప్రపంచ డేటా కంటే చాలా తక్కువ ప్రభావవంతంగా ఉంటుంది (ఉదాహరణకు, గ్రాండ్ తెఫ్ట్ ఆటో వంటి వీడియో గేమ్ల నుండి డ్రైవింగ్ ప్రవర్తన).
మేము ఇప్పుడు AI ప్రయోజనాన్ని పొందే టెస్లా భాగాలను పరిశీలిస్తాము.
AI ప్రయోజనాన్ని పొందే టెస్లా భాగాలు
కెమెరా & సెన్సార్లు
టెస్లా పూర్తి చేయాల్సిన బాధ్యతలు చాలా బాగా తెలిసినవి. లేన్ గుర్తింపు నుండి పాదచారుల ట్రాకింగ్ వరకు ఈ కార్యకలాపాలన్నీ నిజ సమయంలో నిర్వహించబడతాయి. టెస్లా ఈ కారణంగా 8 కెమెరాల సహాయంతో పనిచేసింది. అదనంగా, ఈ అనేక కెమెరాల ఉనికి బ్లైండ్ జోన్ లేదని మరియు కారు చుట్టూ ఉన్న మొత్తం ప్రాంతం కవర్ చేయబడిందని హామీ ఇస్తుంది.
మీరు చదివింది నిజమే! LIDAR లేదు హై-డెఫినిషన్ మ్యాపింగ్ కోసం సిస్టమ్ లేదు. టెస్లా కేవలం కంప్యూటర్ దృష్టిని ఉపయోగించాలనుకుంటోంది, యంత్ర అభ్యాసం, మరియు ఆటో-పైలట్ మోడల్ను రూపొందించడానికి కెమెరా వీడియో ఫీడ్లు. కన్వల్యూషనల్ న్యూరల్ నెట్వర్క్లు (CNNలు) తర్వాత ట్రాక్ చేయడానికి మరియు వస్తువులను గుర్తించండి.
టెస్లా ఆటోపైలట్ కెమెరాలతో పాటు రాడార్ మరియు అల్ట్రాసోనిక్ సెన్సార్లు కూడా ఉన్నాయి. వాహనాలు మరియు ఇతర వస్తువుల మధ్య విభజనను గుర్తించడానికి మరియు కొలవడానికి రాడార్ ఉపయోగించబడుతుంది. డ్రైవర్ భద్రతను ఆప్టిమైజ్ చేయడానికి, అల్ట్రాసోనిక్ సెన్సార్లు నిష్క్రియ వస్తువులతో సన్నిహితంగా ఉండే పర్యవేక్షణకు అనుగుణంగా కూడా పనిచేస్తాయి.
కారు పరిసరాలను అర్థం చేసుకోవడానికి మరియు ఆటోపైలట్ సామర్థ్యాలను వీలైనంతగా ప్రతిస్పందించేలా చేయడానికి, న్యూరల్ నెట్వర్క్లు టెస్లా హార్డ్వేర్తో అనుసంధానించబడ్డాయి.
టెస్లా FSD చిప్ -3
మెరుగైన పనితీరు మరియు రోడ్లపై భద్రత కోసం, టెస్లా సిస్టమ్లు రెండు AI ప్రాసెసర్లను కలిగి ఉంటాయి. టెస్లా సిస్టమ్ దోష రహితంగా ఉండటానికి ప్రయత్నిస్తుంది. ఒక యూనిట్ విఫలమైనప్పటికీ, బ్యాకప్ పవర్ మరియు డేటా ఇన్పుట్ మూలాల కారణంగా అదనపు యూనిట్లను ఉపయోగించి ఆటోమొబైల్ ఇప్పటికీ పని చేస్తుంది.
టెస్లా ఊహించని వైఫల్యం సంభవించినప్పుడు ఘర్షణలను నివారించడానికి కార్లు బాగా అమర్చబడి ఉన్నాయని నిర్ధారించుకోవడానికి ఈ అదనపు చర్యలను ఉపయోగిస్తుంది. మాత్రమే మానవ మెదడు కొత్త టెస్లా మైక్రోప్రాసెసర్ (సెకనుకు 1 క్వాడ్రిలియన్ ఆపరేషన్లు) కంటే సెకనుకు ఎక్కువ కార్యకలాపాలను అమలు చేయగలదు. ఇది గతంలో వాడుకలో ఉన్న టెస్లా ఎన్విడియా మైక్రోచిప్ల కంటే దాదాపు 21 రెట్లు ఎక్కువ శక్తివంతమైనది.
Tesla నిస్సందేహంగా పూర్తి స్వయంప్రతిపత్తి కలిగిన లోకోమోటివ్లకు మార్కెట్ లీడర్, అయితే ఇది అత్యాధునిక ఆటోపైలట్ కారును ఉత్పత్తి చేయడానికి ఇంకా చాలా దూరంలో ఉంది.
భవిష్యత్తులో, మేము ఈ వ్యాసంలో వివరించిన లక్షణాలతో కూడిన ఆటోమొబైల్ నిస్సందేహంగా సాధారణం అవుతుంది. టెస్లా దాని స్వంత అత్యాధునిక AI ప్రాసెసర్లను మరియు న్యూరల్ నెట్వర్క్ నిర్మాణాన్ని సృష్టించింది.
న్యూరల్ నెట్వర్క్ శిక్షణ
న్యూరల్ నెట్వర్క్ల తర్వాత మోడల్కు కూడా శిక్షణ ఇవ్వాలి సృష్టించబడ్డాయి. అత్యాధునిక కంప్యూటర్ దృష్టి సామర్థ్యాలను అనుమతించడానికి టెస్లా విస్తృత శ్రేణి లైబ్రరీలు మరియు సాధనాలను ఉంచిందని మాకు తెలుసు.
పైటోర్చ్, Facebook యొక్క AI రీసెర్చ్ డిపార్ట్మెంట్ రూపొందించినది, అటువంటి ఫ్రేమ్వర్క్ (FAIR). PyTorch ఉపయోగించబడుతుంది టెస్లా టెక్ స్టాక్ లోతైన అభ్యాస నమూనాకు శిక్షణ ఇవ్వడానికి.
టెస్లా పూర్తి స్వయంప్రతిపత్తిని సాధించడానికి మ్యాప్లు లేదా LIDARపై ఆధారపడకపోవడం గమనార్హం. కెమెరాలు మరియు స్వచ్ఛమైన కంప్యూటర్ విజన్ ప్రత్యేకంగా ఉపయోగించబడతాయి మరియు ప్రతిదీ నిజ సమయంలో జరుగుతుంది.
టెస్లా శిక్షణతో పాటు వివిధ సహాయక కార్యకలాపాల కోసం పైటోర్చ్ను ఉపయోగిస్తుంది స్వయంచాలక వర్క్ఫ్లో షెడ్యూలింగ్, మోడల్ థ్రెషోల్డ్ల క్రమాంకనం, క్షుణ్ణంగా అంచనా వేయడం, నిష్క్రియ పరీక్ష, అనుకరణ పరీక్షలు మొదలైనవి.
టెస్లా 70,000 విభిన్న అంచనాలను రూపొందించే 48 నెట్వర్క్లకు శిక్షణ కోసం దాదాపు 1,000 GPU గంటలు గడుపుతుంది. ఈ శిక్షణ ఒక్కసారి మాత్రమే కాదు. కృత్రిమ మేధస్సు అనేది కాలక్రమేణా పురోగమించే పునరావృత ప్రక్రియ అని మాకు తెలుసు. ఫలితంగా, మొత్తం 1000 వేర్వేరు అంచనాలు ఖచ్చితమైనవి మరియు ఎప్పటికీ క్షీణించవు.
హైడ్రానెట్
ఏ సమయంలోనైనా దాదాపు 100 ఉద్యోగాలు పురోగతిలో ఉన్నాయి, కారు కదలనప్పుడు మరియు క్రాస్రోడ్లో ఉన్నప్పుడు కూడా. ప్రతి పనికి న్యూరల్ నెట్వర్క్ని ఉపయోగించడం ఖరీదైనది మరియు అసమర్థమైనది. టెస్లా వాహనాల్లోని AI ద్వారా భారీ మొత్తంలో సమాచారం నిజ సమయంలో ప్రాసెస్ చేయబడుతుంది.
ఫలితంగా, 50 x 1000 చిత్రాలను ఒకేసారి ప్రాసెస్ చేయగల ResNet-1000 షేర్డ్ బ్యాక్బోన్, కంప్యూటర్ విజన్ వర్క్ఫ్లో కోసం సెంట్రల్ ప్రాసెసింగ్ యూనిట్గా పనిచేస్తుంది.
నెట్వర్క్ పైభాగంలో, హైడ్రానెట్ న్యూరల్ నెట్వర్క్ డిజైన్ అనేక శాఖలుగా (లేదా హెడ్లుగా) విభజించబడింది. ప్రతి మైక్రో-బ్యాచ్ శిక్షణ డేటాను చాలా మంది హెడ్లకు భిన్నంగా వెయిట్ చేయడం ద్వారా, ఈ హెడ్లు స్వతంత్రంగా బోధించబడతాయి మరియు విభిన్న విషయాలను నేర్చుకుంటారు.
వాస్తవానికి, వాహనాల కోసం AIని ప్రాసెస్ చేయడానికి ఈ హైడ్రానెట్లు కలిసి పనిచేసిన అనేక సందర్భాలు ఉన్నాయి. ప్రతి HydraNet యొక్క సమాచారం పునరావృతమయ్యే సమస్యలను పరిష్కరించడానికి ఉపయోగించబడుతుంది.
ఉదాహరణకు, స్టాప్ సంకేతాలను నిర్వహించడానికి, మరొకటి పాదచారులతో వ్యవహరించడానికి మరియు మరొకటి ట్రాఫిక్ సిగ్నల్లను పరిశీలించడానికి చురుకుగా ఉంటుంది. ఈ విభిన్న విధులు అన్నీ ఉమ్మడి వెన్నెముక ద్వారా నిర్వహించబడతాయి.
హైడ్రానెట్ ఆర్కిటెక్చర్ ప్రకారం, ఈ ప్రతి పనికి అపారమైన న్యూరల్ నెట్వర్క్లో ఒక చిన్న భాగం మాత్రమే అవసరం.
ఇది ట్రాన్స్ఫర్ లెర్నింగ్కి చాలా పోలి ఉంటుంది, ఇక్కడ నిర్దిష్ట సంబంధిత పనుల కోసం ఒక సాధారణ బ్లాక్ కోసం విభిన్న బ్లాక్లు శిక్షణ పొందుతాయి. HydraNets యొక్క వెన్నెముకలకు వివిధ విషయాలపై శిక్షణ ఇవ్వబడుతుంది, అయితే హెడ్లు నిర్దిష్ట ఉద్యోగాలపై బోధిస్తారు.
ఇది మోడల్కు శిక్షణ ఇవ్వడానికి అవసరమైన సమయాన్ని తగ్గిస్తుంది మరియు అనుమితిని వేగవంతం చేస్తుంది.
టెస్లా ఆటోపైలట్
ఆటోపైలట్ సామర్థ్యాలు కలిగిన కార్లు స్వయంప్రతిపత్తితో ఒక లేన్లో నడపగలవు, వేగవంతం చేయగలవు మరియు ఆగిపోతాయి. ఇది లోతైన న్యూరల్ నెట్వర్క్ భావనలను ఉపయోగించి నిర్మించబడింది. ఇది కెమెరాలు, అల్ట్రాసోనిక్ సెన్సార్లు మరియు రాడార్లను ఉపయోగించి కారు చుట్టూ ఉన్న ప్రాంతాన్ని గమనిస్తుంది.
సెన్సార్లు మరియు కెమెరాల ద్వారా డ్రైవర్లు తమ పరిసరాల గురించి తెలుసుకుంటారు మరియు డ్రైవింగ్ను సురక్షితంగా మరియు తక్కువ ఒత్తిడితో కూడినదిగా చేయడానికి ఈ సమాచారం మిల్లీసెకన్లలో విశ్లేషించబడుతుంది.
ప్రకాశవంతమైన, చీకటి మరియు వివిధ వాతావరణ పరిస్థితులలో, రాడార్ ఆటోమొబైల్స్ చుట్టూ ఉన్న స్థలాన్ని పరిశీలించడానికి మరియు అంచనా వేయడానికి ఉపయోగించబడుతుంది. ప్రతి పరిస్థితిలో, అతినీలలోహిత పద్ధతులు సన్నిహితతను నిర్ణయిస్తాయి మరియు నిష్క్రియ వీడియో సమీపంలోని వస్తువులను గుర్తిస్తుంది మరియు సురక్షితమైన డ్రైవింగ్ను ప్రోత్సహిస్తుంది.
అదనంగా, ఆటోపైలట్ డ్రైవర్కు సహాయం చేయడానికి రూపొందించబడింది మరియు టెస్లాను సెల్ఫ్ డ్రైవింగ్ వాహనంగా మార్చదు. చక్రాల మీద చేయి వేసుకోమని డ్రైవర్లను హెచ్చరించడం పరిపాటి.
మీరు చేయకపోతే చక్రాన్ని తీసుకోవడానికి హెచ్చరికల శ్రేణి ట్రిగ్గర్ చేయబడుతుంది. ఎక్కువసేపు విస్మరించినట్లయితే, ఆటోమొబైల్ ఆగిపోవడానికి ముందు నెమ్మదించడం ప్రారంభమవుతుంది. క్రూయిజ్ కంట్రోల్ కొమ్మను బ్రేకింగ్ చేయడం, తిప్పడం లేదా నిష్క్రియం చేయడం ద్వారా, డ్రైవర్లు ఎల్లప్పుడూ ఆటోపైలట్ ఫంక్షన్లను భర్తీ చేయవచ్చు.
బర్డ్స్ ఐ వ్యూ
టెస్లా హార్డ్వేర్ వివరించే చిత్రాలకు అదనపు కొలతలు అవసరం కావచ్చు. బర్డ్స్ ఐ వ్యూ ఫీచర్ సుదూర దూరాలను కొలవడాన్ని సులభతరం చేస్తుంది మరియు బయటి ప్రపంచం యొక్క మరింత ఖచ్చితమైన ప్రాతినిధ్యాన్ని అందిస్తుంది.
ఇది విజువల్ మానిటరింగ్ సిస్టమ్, ఇది పార్కింగ్ను సులభతరం చేయడానికి మరియు చిన్న ప్రదేశాలను సులభంగా నావిగేట్ చేయడానికి కారు యొక్క టాప్ వీక్షణ చిత్రాన్ని "రెండర్" చేస్తుంది. మీ పార్కింగ్ సామర్థ్యాల గురించి ఒక మందమైన సమర్థనను అందించాల్సిన అవసరం లేకుండా, మీరు ఇప్పుడు సురక్షితంగా చక్రం తీసుకోవచ్చు.
టెస్లా యొక్క భవిష్యత్తు
మీరు బలమైన శ్రేణితో మధ్య-పరిమాణ SUV కోసం శోధిస్తున్నట్లయితే, ది 2022 టెస్లా మోడల్ వై EVల కోసం ఒక అద్భుతమైన ప్రారంభ స్థానం. సాధారణ సాఫ్ట్వేర్ అప్గ్రేడ్ల కారణంగా, టెస్లా యొక్క అనేక ఇతర ఉత్పత్తుల వలె మోడల్ Y నిరంతరం మారుతూ ఉంటుంది.
భద్రత మరియు కార్యాచరణను మెరుగుపరచడం ద్వారా, ఈ అప్గ్రేడ్లు మీ ఆటోమొబైల్ మరింత ఉపయోగకరంగా ఉండటానికి సహాయపడతాయి. కుటుంబం మరియు వివిధ సామానుతో ఎక్కువ దూరం ప్రయాణించాల్సిన వ్యక్తుల కోసం, రూమి బాడీ మరియు టెస్లా యొక్క సూపర్చార్జర్ నెట్వర్క్కు ప్రాప్యత అద్భుతమైన ఎంపిక.
ప్రారంభమైనప్పటి నుండి, టెస్లా దాని ప్రస్తుత కస్టమర్ బేస్ నుండి డేటా నుండి ప్రయోజనం పొందింది మరియు స్వయంప్రతిపత్త వాహనాలపై దాని పని దాని అన్ని కార్యకలాపాలలో AIని ఉంచాలనే దాని కొనసాగుతున్న ఆశయంలో ఒక భాగం.
AI మరియు బిగ్ డేటా టెస్లా యొక్క నమ్మకమైన మిత్రుల వద్ద ఎలోన్ మస్క్ మరియు అతని బృందంగా కొనసాగుతుంది, వారు తమ ఇంటి సౌర విద్యుత్ ప్యానెల్లతో ఎలక్ట్రిక్ గ్రిడ్ను మార్చాలనే వారి ఆకాంక్షలతో సహా వారి సరికొత్త కార్యక్రమాల్లోకి వెళతారు.
ముగింపు
టెస్లా, మార్కెట్లో అత్యంత దూకుడుగా ఉన్న ఆవిష్కర్తలలో ఒకటిగా గుర్తింపు పొందిన సంస్థ, ఎల్లప్పుడూ డేటా సేకరణ మరియు విశ్లేషణను దాని అత్యంత శక్తివంతమైన సాధనంగా మార్చుకుంది. వారి స్వంత చిప్లను రూపొందించడానికి వచ్చినప్పుడు వారు అదే నియమాలను అనుసరించారు.
ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మరియు డేటా విశ్లేషణకు ధన్యవాదాలు, మేము ఆటోమొబైల్స్ ఎలా నడుపుతున్నామో పూర్తిగా మార్చగల సామర్థ్యాన్ని కలిగి ఉన్న స్వయంప్రతిపత్త వాహనాలను వ్యాపారం అభివృద్ధి చేసింది.
ప్లాట్ఫారమ్ తన వాగ్దానాలను ఎంతవరకు సమర్థిస్తుందో మరియు దాని వ్యాపారాన్ని అభివృద్ధి చేస్తుందో చూద్దాం. ఈ సాంకేతికతలను ఉపయోగించుకున్న తర్వాత కంపెనీ భవిష్యత్తులో స్వయంప్రతిపత్త వాహనాల కోసం మార్కెట్లోకి ఎక్కడికి వెళ్తుందో చూడాలి.
సమాధానం ఇవ్వూ