Tesla подала заявку на серію патентів, які мають значно покращити віртуалізацію, розпізнавання та повністю самостійне водіння в цілому.
Протягом перших двох місяців року Tesla невтомно працювала над вдосконаленням технології повного автономного керування. Нещодавно Tesla запропонувала своїм найзначнішим покращенням для своїх співробітників, v11.3. Тим не менш, завдяки новій запатентованій технології цього року програмне забезпечення продовжить різко вдосконалюватися. Два патенти, присвячені віртуалізації та машинному навчанню, з’явилися в базі даних патентного відомства США наприкінці минулого тижня.
Перший патент, «Модель машинного навчання на основі візуалізації для автономного водіння з регульованою віртуальною камерою», ймовірно, є просто переробкою попередньої системи, але зміненою відповідно до нової системи автономного водіння Tesla, яка підтримує лише візуальне керування. Другий патент, «Модель машинного навчання на основі бачення для агрегації статичних об’єктів і систем для автономного водіння», більше зосереджується на покращенні віртуалізації, яку можна побачити на екрані під час перебування в автомобілі.
Анотація до першого патенту описує систему, схожу на ту, що вже є в автомобілях Tesla, але була адаптована для видалення невізуальних датчиків. Однак він містить додану «регульовану віртуальну камеру», що потенційно вказує на те, що Tesla працює над тим, щоб надати водіям більше контролю над поглядом зі свого автомобіля за допомогою системи камер або покращеної взаємодії віртуалізації.
«Системи та методи для моделі машинного навчання на основі зору для автономного водіння з регульованою віртуальною камерою. Приклад методу включає отримання зображень від безлічі датчиків зображення, розташованих навколо автомобіля. Функції, пов’язані з зображеннями, визначаються, і функції виводяться на основі прямого проходу через першу частину моделі машинного навчання. Об’єкти проектуються у векторний простір, пов’язаний із віртуальною камерою на певній висоті. Спроектовані функції об’єднуються з іншими спроектованими функціями, пов’язаними з попередніми зображеннями».
Другий, значно ширший патент описано в анотації, зосереджуючись на «агрегації статичних об’єктів» транспортним засобом:
«Системи та методи для моделі машинного навчання на основі зору для агрегації статичних об’єктів і систем для автономного водіння. Приклад методу включає отримання зображень від датчиків зображення, розташованих навколо автомобіля. Функції, пов’язані із зображеннями, визначаються, а функції виводяться на основі прямого проходу через модель машинного навчання. Об’єкти проектуються у векторний простір, пов’язаний із видом з висоти пташиного польоту на основі моделі машинного навчання».
У всякому разі, нові патенти Tesla показують, наскільки вона віддана своїй візуальній системі. Ніде в жодному з патентів автовиробник не звертається до інших датчиків, що, здається, узгоджується з нещодавніми відкриттями, які показують майбутні транспортні засоби без ультразвукових датчиків.
Крім того, у зв’язку з тим, що Tesla все більше зосереджується на тому, щоб зробити транспортні засоби більш здатними до штучного інтелекту, впровадження вдосконаленого машинного навчання також відповідає цілям її дизайну.
Залишається незрозумілим, чи були ці вдосконалення реалізовані в майбутніх версіях програмного забезпечення, чи вони вже були розміщені в автомобілях через останні оновлення програмного забезпечення. Тим не менш, вони вказують на те, що компанія робить постійний прогрес у своєму прагненні.
Оскільки все більше автовиробників беруть участь у змаганнях з автономного водіння, перевага Tesla стає все більш очевидною. І хоча багато хто висміював компанію за її відданість штучному інтелекту лише в транспортні засоби, ці інвестиції виявилися фантастичними. Сподіваємось, це призведе до кращого досвіду водіння Tesla у найближчі роки.
Що ви думаєте про статтю? У вас є коментарі, запитання чи проблеми? Надішліть мені електронний лист Вільям @WilliamWritin. Якщо у вас є поради щодо новин, надішліть нам електронний лист на адресу !
Tesla патентує програмне забезпечення для віртуалізації та машинного навчання для покращення FSD
