Как Tesla Autopilot справляется с ежедневными поездками на работу?

Как Tesla Autopilot справляется с ежедневными поездками на работу?

Владелец Tesla и популярный влиятельный пользователь YouTube Энди Слай взял нас с собой в поездку на своей модели Tesla 3 во время его обычной поездки. Он стремится показать нам, как работает Tesla Autopilot. Кроме того, он тестирует новейшую функцию системы. Довольно интересно видеть технологию в действии, и Слай помогает, рассказывая.

Тесла Автопилот постоянно совершенствуется. Это связано с тем, что Tesla контролирует его на всех своих транспортных средствах, а затем использует обновления программного обеспечения по беспроводной сети, чтобы продвигать улучшения в своем автопарке. Для любого программного обеспечения иногда обновления могут приводить к проблемам, но эти проблемы могут быть решены с помощью последующих обновлений.

Хотя Tesla Autopilot все еще не близок к тому, чтобы быть полностью автономным, а полная способность самостоятельного вождения Tesla не является полной функциональностью, технология способна помочь во многих типичных задачах вождения. Совсем недавно Тесла обновил систему с возможностью остановки на светофорах и знаках остановки. Эта функция требует подтверждения драйвера на данный момент, поскольку он учится на основе опыта и сбора данных.

Посмотрите, как работает автопилот Tesla Slye. Его поездка занимает 45 минут, но он ускорил видео, чтобы сделать его короче. Как видите, вождение в темноте, под дождем и в относительно интенсивном движении. Затем, дайте нам знать, что вы думаете в нашем разделе комментариев ниже. Мы также хотели бы услышать о вашем опыте автопилота.

Описание видео через Энди Слая на YouTube:

Тесла Автопилот ведет себя на моей 45-минутной поездке в 2020 году

Вот как мой Tesla Model 3 (HW3 + Enhanced Autopilot & Full Self-Driving) ездит в темноте и под дождем на моих ежедневных поездках в 2020 году. Мы также взглянем на последнее обновление программного обеспечения Tesla, в котором добавлена ​​автоматическая остановка при стоп-сигналах и остановке знаки, чтобы увидеть, как это работает в реальной жизни.

Tesla разрабатывает и внедряет автономию в масштабе, и они считают, что подход, основанный на продвинутом искусственном интеллекте для видения и планирования, поддерживаемый эффективным использованием аппаратных средств логического вывода, является единственным способом достижения общего решения для полного самоуправления.

Создавайте кремниевые чипы, которые с нуля приводят в действие наше полностью автоматизированное программное обеспечение, принимая во внимание каждое небольшое архитектурное и микроархитектурное усовершенствование, одновременно стараясь выжать максимальную производительность кремния на ватт. Выполните планирование здания, сроки и анализ мощности на дизайн. Напишите надежные рандомизированные тесты и табло для проверки функциональности и производительности. Реализуйте компиляторы и драйверы для программирования и связи с чипом, уделяя особое внимание оптимизации производительности и экономии энергии. Наконец, проверьте кремниевый чип и доведите его до массового производства.

Применять передовые исследования для обучения глубоких нейронных сетей по проблемам, начиная от восприятия до контроля. Наши сети для каждой камеры анализируют необработанные изображения для выполнения семантической сегментации, обнаружения объектов и оценки глубины монокуляра. Наши сети с высоты птичьего полета принимают видео со всех камер для вывода схемы дороги, статической инфраструктуры и трехмерных объектов непосредственно в виде сверху вниз. Наши сети учатся на самых сложных и разнообразных сценариях в мире, итеративно получаемых из нашего парка почти 1 млн автомобилей в режиме реального времени. Полная сборка нейронных сетей Autopilot включает 48 сетей, на обучение которых уходит 70 000 часов графического процессора. Вместе они выдают 1000 различных тензоров (прогнозов) на каждом временном шаге.

Разработайте основные алгоритмы, которые управляют автомобилем, создавая точное представление о мире и планируя траектории в этом пространстве. Чтобы обучить нейронные сети предсказывать такие представления, алгоритмически создайте точные и крупномасштабные наземные данные истинности, комбинируя информацию от датчиков автомобиля в пространстве и времени. Используйте современные методы для создания надежной системы планирования и принятия решений, которая работает в сложных реальных ситуациях в условиях неопределенности. Оцените ваши алгоритмы в масштабе всего парка Тесла.

Пропускная способность, задержка, корректность и детерминизм являются основными показателями, для которых мы оптимизируем наш код. Создайте основы программного обеспечения Autopilot от самых низких уровней стека, тесно интегрируясь с нашим оборудованием. Внедрите супернадежные загрузчики с поддержкой беспроводных обновлений и загрузите настроенные ядра Linux. Пишите быстрый низкоуровневый код с эффективным использованием памяти, чтобы захватывать высокочастотные данные большого объема с наших датчиков и обмениваться ими с несколькими пользовательскими процессами, не влияя на задержку доступа к центральной памяти и не истощая критический функциональный код из циклов ЦП. Сжатие и конвейерная обработка вычислений на различных аппаратных процессорах, распределенных между несколькими системами на кристаллах.

Создавайте инструменты и инфраструктуру оценки с открытым и закрытым циклом, аппаратное обеспечение в цикле для ускорения инноваций, отслеживания улучшений производительности и предотвращения регрессий. Используйте анонимные характерные клипы из нашего автопарка и интегрируйте их в большие наборы тестовых случаев. Написание кода, имитирующего нашу реальную среду, производящего очень реалистичную графику и другие данные датчиков, которые используются нашим программным обеспечением Autopilot для отладки в реальном времени или автоматического тестирования.

Ваш адрес email не будет опубликован. Обязательные поля помечены *