Tesla — американська компанія з виробництва автомобілів, заснована Елон Маск В 2003.
Компанія найбільш відома своїми електромобілями та спеціалізацією на сонячних панелях та накопичувачах енергії літій-іонних акумуляторів.
Автомобілі Tesla оснащені багатьма революційними функціями, включаючи суперзарядку, доступ до картки-ключа та режим автопілоту.
Режим автопілоту став можливим завдяки ідеям штучного інтелекту (AI). Передова архітектура нейронної мережі Tesla.
Давайте детально обговоримо архітектуру нейронної мережі Tesla.
Що таке нейронні мережі?
Нейронні мережі, або NN, — це серія алгоритмів, змодельованих за біологічною активністю людський мозок. Нейронні мережі складаються з вузлів, які також називаються нейронами. Набір вертикальних вузлів відомий як шари.
Кожен шар складається з вузлів, також званих нейронами, де відбуваються обчислення. Вузли одного шару з’єднані з наступним шаром через лінії передачі, як показано нижче.
На наступній діаграмі кола представляють вузли, а вертикальна колекція вузлів — шари. У цій моделі три шари.
Як вони вчаться?
Дані надходять до моделі по одній сутності разом із міткою. Дані розбиваються на фрагменти і передаються через кожен вузол моделі.
Вузли виконують математичні операції над цими фрагментами. Після серії обчислень в одному шарі дані переходять на наступний шар і так далі.
Після завершення наша модель прогнозує мітку даних на вихідному рівні. Потім модель переходить до порівняння цього прогнозованого значення з фактичним значенням мітки.
Якщо значення збігаються, наша модель візьме наступне введення, але якщо значення відрізняються, модель обчислить різницю між обома значеннями, що називається втратою, і налаштує обчислення вузла, щоб наступного разу створити відповідні мітки.
Архітектура нейронної мережі Tesla
Tesla використовує передові дослідження для навчання глибоких нейронних мереж для вирішення проблем, починаючи від сприйняття до контролю.
Мережі Tesla для кожної камери аналізують вихідні зображення для виконання семантичної сегментації, виявлення об’єктів і монокулярна оцінка глибини.
Набори даних
Нейронні мережі навчаються на необроблених зображеннях, які витягуються з відео, знятих з мережевих камер з висоти пташиного польоту, які виводять макет доріг, статичну інфраструктуру та 3D-об’єкти безпосередньо у вигляді зверху вниз.
Зображення даних не мають міток і охоплюють багато різноманітних сценаріїв у всьому світі та складаються з мільйона транспортних засобів у режимі реального часу.
Як це працює?
Мережа складається з 70,000 48 графічних процесорів (GPU), які навчають XNUMX глибоке навчання моделі
Апаратні компоненти автомобіля, включаючи камери та датчики, забезпечують неконтрольовані дані, які передаються через мережу цих моделей.
За наведеними даними автомобіль дізнається про можливі об’єкти в навколишньому середовищі, як-от пішохід, дерево тощо.
Архітектура також складається з двох мікросхем AI, які використовують принципи глибоке навчання. Ці мікросхеми допомагають приймати рішення в режимі реального часу для автомобіля, наприклад, коли і як повертати під час руху.
Архітектура нейронної мережі включає багато потужних пристроїв і концепцій, які сприяють її роботі, зокрема:
Чіп FSD
Повне безпілотне водіння (ФСД) мікросхеми – це мікросхеми висновку AI, які запускають програмне забезпечення автопілота Tesla. Ці чіпи були розроблені з мікроархітектурними вдосконаленнями, які забезпечують максимальну продуктивність кремнію на ват.
FSD реалізують планування поверхів, аналіз часу та потужності, одночасно пишучи надійні тести та табло для перевірки функціональності та продуктивності ШІ.
Чіпи та системи Dojo
Додзьо — це суперкомп’ютерна система Tesla, яка вирішує важкі проблеми за допомогою передових технологій високої потужності та охолодження.
Чіпи Dojo включають штучний інтелект, який керує цими системами, і розроблені для максимальної продуктивності, пропускної здатності та пропускної здатності на будь-якій деталізації.
Разом чіпи та системи використовуються для оптимізації потужності та продуктивності для NN Tesla.
Алгоритми автономності
Алгоритми автономності — це основні алгоритми, які керують автомобілем, створюючи точне представлення світу та плануючи траєкторії в заданому просторі.
До навчати нейронні мережі Щоб передбачити такі уявлення, Tesla алгоритмічно створює точні та великомасштабні наземні дані, поєднуючи інформацію від датчиків автомобіля в просторі та часі.
Ці алгоритми використовують передові методи для побудови надійної системи планування та прийняття рішень, яка працює в складних реальних ситуаціях в умовах невизначеності.
Інфраструктура оцінки
Інфраструктура оцінки Tesla включає інструменти оцінки з відкритим, замкнутим циклом та апаратним забезпеченням, а також інфраструктуру в масштабі.
Ця інфраструктура дозволяє ШІ відстежувати покращення продуктивності та запобігати регресії.
Основні характеристики NN Тесли
- Камери, ультразвукові датчики та радари сприймають навколишнє середовище
- Радар вимірює відстань навколо автомобіля
- Ультрафіолетові методи вимірюють близькість, а пасивне відео розпізнає об’єкти навколо автомобіля
- Використовує дві мікросхеми штучного інтелекту, побудовані на принципах глибоких нейронних мереж
- Чіпи AI, що складаються з 6 мільярдів транзисторів
- У 21 раз швидше, ніж чіпи Nvidia
- Чіпи AI мають 32 мегабайти високошвидкісної пам’яті SRAM
- Складається з 48 моделей глибокого навчання
- Містить 70,000 XNUMX графічних процесорів (GPU)
- Виводить 1000 різних тензорів (прогнозів) на кожному часовому етапі
Висновок
Передові технології Tesla Нейронні мережі і архітектура AI втілила ідею самокерованих автомобілів в реальність.
Цей успіх провідного виробника автомобілів на основі штучного інтелекту є результатом його передових Чіпи FSD, чіпи Dojo, алгоритми автономності, інфраструктура оцінювання тощо.
Якщо ви хочете дізнатися більше про штучний інтелект, глибоке навчання та новітні технологічні тенденції, перегляньте наші інші цікаві статті.
залишити коментар