النقاط الرئيسية لتفسير حل القيادة الذاتية FSD من Tesla

الصفحة الرئيسية كاتب عمود أساسيات الإلكترونيات النقاط الرئيسية لتفسير حل القيادة الذاتية FSD من Tesla

2024-05-15 2252

زيارة إيلون موسك إلى بكين: كسر الجليد مع FSD الصين

بعد وقت قصير من زيارة ماسك إلى بكين، أصدرت الجمعية الصينية لمصنعي السيارات والمركز الوطني لتنسيق الاستجابة لحالات الطوارئ لشبكة الكمبيوتر إشعارًا بشأن اختبار أربعة متطلبات أمنية لمعالجة بيانات السيارات. أصبحت شركة تسلا، باعتبارها مؤسسة ذات تمويل أجنبي، واحدة من الدفعة الأولى من شركات السيارات التي اجتازت جميع المتطلبات الأربعة. في FSD V12، أجرت تسلا تحسينات كبيرة على خوارزميات الملاحة وتخطيط المسار. يمكن للإصدار الجديد من نظام الملاحة تخطيط مسارات القيادة بذكاء، مع الأخذ في الاعتبار عوامل مختلفة مثل ظروف حركة المرور وتغيرات الطريق وتفضيلات السائق. بالإضافة إلى ذلك، يتمتع الإصدار الجديد من FSD بقدرات أقوى لتحليل حركة المرور في الوقت الفعلي، مما يسمح له بتعديل المسارات بناءً على الظروف الفعلية، مما يضمن تجربة قيادة أكثر سلاسة. وفي حين تتخلف شركات السيارات الصينية في مجال التكنولوجيا الأساسية للقيادة الذاتية، فإنها تتمتع بمزايا في البيئة وسلاسل التوريد. ومع تطوير البنية التحتية للنقل الذكي، من المتوقع أن تدمج منتجات أكثر تنافسية.

بفضل تقنية القيادة الذاتية الشاملة التي حققتها FSD V12، تحتاج تسلا فقط إلى استخدام بيانات القيادة المحلية الوفيرة لتدريب نماذج القيادة الذكية، مما يوفر تجربة قيادة فائقة. علاوة على ذلك، من خلال الحد بشكل كبير من استخدام التعليمات البرمجية القائمة على القواعد، لا تحتاج تسلا إلى إنشاء فريق من الآلاف من مهندسي خوارزميات القيادة الذكية في الصين. مع فريق عمليات محلي مكون من حوالي 20 شخصًا وفريق تصنيف بيانات مكون من مئات الأشخاص، يمكن لشركة Tesla ضمان الهبوط والتشغيل السلس لـ FSD في السوق الصينية.

في 16 مايو 2023، بعد التحدث في الاجتماع السنوي للمساهمين في شركة Tesla، أجرى Musk مقابلة مع CNBC، وهي وسيلة إعلام مالية أمريكية معروفة.

عند مناقشة قدرات تيسلا في مجال الذكاء الاصطناعي، قال ماسك إن تيسلا تتقدم كثيرًا في مجال الذكاء الاصطناعي في العالم الحقيقي ويمكن القول إنها لا مثيل لها. ثم تناول سؤال المضيف حول ChatGPT والذكاء الاصطناعي التوليدي:

"أعتقد أن تسلا ستحظى أيضًا بلحظة ChatGPT، إذا لم يكن هذا العام، فلا أعتقد أنه سيكون في وقت لاحق من العام المقبل. وهذا يعني أنه في يوم من الأيام، فجأة، يمكن لـ 3 ملايين سيارة تسلا أن تقود نفسها بنفسها ... ثم 5 مليون ثم 10 مليون..

إذا تبادلنا مواقفنا، حيث قامت تسلا ببناء نموذج لغة ينتج نتائج ليست أسوأ من ChatGPT، وعملت Microsoft وOpenAI على القيادة الذاتية، وإذا تبادلنا مهامنا، فلا شك أننا سنفوز.

FSD عبارة عن برنامج قيادة ذاتي كامل الارتباط وهندسة الأجهزة

بنية FSD: تم إنشاء إطار عمل شامل لبرامج وأجهزة القيادة الذاتية عبر مستويات مختلفة بما في ذلك البيانات والخوارزميات والقوة الحسابية، بما في ذلك الإدراك والتخطيط والتنفيذ.

التخطيط: يعالج بشكل أساسي مشكلات تخطيط المسار متعدد الكائنات، وإدارة المسارات لكل من الذات وجميع الكائنات لتوجيه السيارة في استكمال إجراءات التنفيذ المقابلة.

الشبكات العصبية: تحليل المدخلات مثل تدفقات الفيديو لإخراج الحالات الحركية الكاملة (الموضع/السرعة/التسارع/الخشونة) التي تتحكم في السيارة.

بيانات التدريب: تستخدم أحدث تقنيات التعليقات التوضيحية التلقائية رباعية الأبعاد، والمحاكاة المحسنة، وموارد الحوسبة السحابية لتشكيل نظام بيانات ذو حلقة مغلقة.

البنية التحتية للتدريب: تتضمن وحدة المعالجة المركزية (CPU)، ووحدة معالجة الرسومات (GPU)، ووحدات تسريع الشبكة العصبية، ومترجم الذكاء الاصطناعي. يدعم مترجم الذكاء الاصطناعي العمليات الجديدة التي تتطلبها الشبكات العصبية، ويعينها لموارد الأجهزة الأساسية المثالية.

تجميع واستدلال الذكاء الاصطناعي: يتناول تشغيل الشبكات العصبية على أجهزة الكمبيوتر. يمكن لمحرك الاستدلال الحالي تخصيص تنفيذ شبكة عصبية واحدة لنظامي شرائح مستقلين، على غرار وجود جهازي كمبيوتر منفصلين متصلين داخل نفس كمبيوتر القيادة المستقلة.

في الحل الشامل، تعد الشبكة العصبية هي المفتاح ومن المتوقع أن تحقق الحل الأمثل العالمي.

بالمقارنة مع الحلول المعيارية مثل النماذج المتخصصة والنماذج الهجينة، تعمل حلول القيادة الذاتية الشاملة على دمج الإدراك والتخطيط والتحكم، وإزالة التعليمات البرمجية المستندة إلى القواعد من كل وحدة. يتم إدخال المعلومات المجمعة من أجهزة استشعار متعددة مباشرة إلى شبكات عصبية معقدة واسعة النطاق، والتي، بعد الحساب، يمكنها إخراج أوامر التحكم في القيادة مباشرة، مما يؤدي إلى نظام متكامل. والميزة الأكثر أهمية هي تقليل الاعتماد على الخرائط عالية الدقة وخفض التكاليف في المراحل المتوسطة؛ يحتوي النموذج على حد أعلى مرتفع ويمكنه تحقيق الحلول المثالية العالمية التقريبية. تشمل العيوب بطء التعلم الأولي للنموذج، مما يتطلب بيانات تدريب ضخمة حتى يظهر النموذج ويحقق تقدمًا سريعًا، وتفسيرًا أقل للسيناريوهات البسيطة مقارنة بالبنى المعيارية، وحاجز دخول مرتفع بسبب أرضية النموذج المنخفضة؛ ضعف القدرة على تفسير "الصندوق الأسود" الموجود في المنتصف، مما قد يؤدي إلى سلوكيات اتخاذ قرار غير قابلة للتفسير أكثر من النماذج المتخصصة.

يوفر "وضع الظل" الخاص بشركة Tesla أيضًا دعمًا حاسمًا لتقدم FSD.

من خلال جمع بيانات القيادة المختلفة أثناء عمليات قيادة المستخدم، يمكن لشركة Tesla الحصول على بيانات حالة زاوية عالية القيمة، مما يؤدي إلى تحسين أداء FSD بشكل مستمر. يتم تخزين هذه البيانات في مركز بيانات Tesla، وبعد التحليل والمعالجة بواسطة محرك البيانات، يمكن استخدامها كمواد تدريبية للنظام، مما يزيد من تحسين دقة وموثوقية FSD.

يتمتع HW4.0 بقدرة حاسوبية أقوى، كما أن النماذج الكبيرة تتقدم بشكل ملحوظ.

قد تأتي المصادر الرئيسية للتقدم التقني في هذا الإصدار التجريبي العام من FSD من الجوانب التالية: أولاً، تم تحديث FSD Beta V12 لمنصة HW4.0، مما يوفر دعمًا أقوى للأجهزة للنظام. تعمل ترقيات الأجهزة HW4.0 على زيادة معدل الإطارات بمقدار 4 إطارات في الثانية للكاميرات، مما يتيح معالجة أسرع لبيانات الصورة وتحسين التعرف على تفاصيل الطريق. بالإضافة إلى ذلك، تمت مضاعفة قوة الحوسبة لـ HW4.0 مقارنةً بـ HW3.0، مما يسمح لـ FSD بإجراء عمليات معالجة وحسابات أكثر كفاءة، وتسريع عملية اتخاذ القرار.

وقال ماسك إن معدل تدخل FSD V12 هو واحد بالمائة فقط من V11

قال إيلون ماسك، الرئيس التنفيذي لشركة تسلا، يوم الثلاثاء على منصة X، إن معدل التدخل لإصدار V12 من برنامج "القيادة الذاتية الكاملة" (FSD) الخاص بشركة تسلا لا يتجاوز واحد بالمائة من إصدار V11. نشر أحد المستخدمين، "بالمقارنة مع V11، سيتم تقليل تردد تدخل V12 بأكثر من 100 مرة. هذه ليست ترقية تدريجية، ولكنها قفزة.

ستستثمر شركة تسلا حوالي 10 مليارات دولار في التدريب والاستدلال على الذكاء الاصطناعي

وأضاف ماسك أيضًا أن أي شركة لا تستطيع إنفاق ما لا يقل عن 10 مليارات دولار سنويًا أو نشرها بكفاءة لا يمكنها المنافسة في السوق.

في الآونة الأخيرة، بدأ طرح نظام FSD V12 الشامل من Tesla تدريجيًا لمستخدمي أمريكا الشمالية على نطاق واسع. باختصار، يحقق FSD V12 هدف القيادة الذاتية من خلال كمية كبيرة من بيانات التدريب عبر الفيديو، مما يسمح لشركة Tesla بإزالة مئات الآلاف من أسطر التعليمات البرمجية. ومع ذلك، فإن تدريب مثل هذه القيادة الذاتية المعتمدة على الذكاء الاصطناعي يتطلب قدرًا كبيرًا من القوة الحاسوبية. وقال ماسك في بث مباشر في أغسطس الماضي إن تيسلا على وشك إطلاق مجموعة GPU تتكون من 10,000 وحدة Nvidia H100 لتدريب نظام FSD الجديد.

صرح مؤسس AutoX ورئيس مجلس الإدارة والرئيس التنفيذي Xiao Jianxiong لصحيفة First Financial Journal أن FSD من Tesla استخدمت خوارزميات التعلم العميق الشاملة، والتي أدت إلى تحسين الأداء بشكل ملحوظ مقارنة بالسابق. في الماضي، كانت تعتمد على خوارزميات القواعد المكتوبة يدويًا والمبنية على التعليمات البرمجية، والآن تستخدم شبكة نموذجية كبيرة مدربة على البيانات.

المصطلحات الأساسية للتغليف المتقدم

لتالي

أفضل 10 شركات لأشباه الموصلات