نکات کلیدی تفسیر راه حل رانندگی خودکار FSD تسلا

صفحه اصلی مقالهنویس مبانی الکترونیک نکات کلیدی تفسیر راه حل رانندگی خودکار FSD تسلا

2024-05-15 2252

بازدید ایلان ماسک از پکن: شکستن یخ با FSD چین

مدت کوتاهی پس از بازدید ماسک از پکن، انجمن خودروسازان چین و مرکز هماهنگی واکنش اضطراری شبکه کامپیوتری ملی اعلامیه ای را در مورد آزمایش چهار الزام امنیتی برای پردازش داده های خودرو صادر کردند. تسلا، به‌عنوان یک شرکت سرمایه‌گذاری خارجی، به یکی از اولین دسته از شرکت‌های خودروسازی تبدیل شد که هر چهار الزام را رعایت کرد. در FSD V12، تسلا پیشرفت های قابل توجهی در الگوریتم های ناوبری و برنامه ریزی مسیر خود ایجاد کرد. نسخه جدید سیستم ناوبری می تواند مسیرهای رانندگی را با در نظر گرفتن عوامل مختلفی مانند شرایط ترافیکی، تغییرات جاده و ترجیحات راننده به صورت هوشمند برنامه ریزی کند. علاوه بر این، نسخه جدید FSD دارای قابلیت‌های تجزیه و تحلیل ترافیک در زمان واقعی قوی‌تر است که به آن امکان می‌دهد مسیرها را بر اساس شرایط واقعی تنظیم کند و تجربه رانندگی روان‌تری را تضمین کند. در حالی که شرکت‌های خودروسازی چینی از نظر فناوری زیربنایی برای رانندگی خودکار عقب مانده‌اند، اما مزایایی در اکولوژی و زنجیره تامین دارند. با توسعه زیرساخت حمل و نقل هوشمند، انتظار می رود آنها محصولات رقابتی تری را ادغام کنند.

تسلا با فناوری رانندگی خودکار سرتاسر که توسط FSD V12 به دست آمده است، فقط باید از داده‌های رانندگی محلی فراوان برای آموزش مدل‌های رانندگی هوشمند استفاده کند و تجربه رانندگی برتری را ارائه دهد. علاوه بر این، با کاهش قابل توجه استفاده از کدهای مبتنی بر قانون، تسلا نیازی به ایجاد تیمی متشکل از هزاران مهندس الگوریتم رانندگی هوشمند در چین ندارد. تنها با یک تیم عملیاتی محلی متشکل از حدود 20 نفر و یک تیم برچسب‌گذاری داده‌ها متشکل از صدها نفر، تسلا می‌تواند از فرود و عملکرد نرم FSD در بازار چین اطمینان حاصل کند.

در 16 می 2023، ماسک پس از سخنرانی در مجمع سالانه سهامداران تسلا، با CNBC، یک رسانه مالی معروف آمریکایی مصاحبه کرد.

ماسک هنگام بحث در مورد قابلیت‌های هوش مصنوعی تسلا گفت که تسلا در هوش مصنوعی دنیای واقعی بسیار جلوتر است و می‌توان گفت که بی‌رقیب است. او سپس به سوال میزبان در مورد ChatGPT و هوش مصنوعی مولد پرداخت:

"من فکر می کنم تسلا یک "لحظه ChatGPT" نیز خواهد داشت، اگر امسال نه، پس فکر نمی کنم دیرتر از سال آینده باشد. این بدان معنی است که یک روز، ناگهان، 3 میلیون وسیله نقلیه تسلا می توانند خودشان رانندگی کنند. بعد 5 میلیون میشه بعد 10 میلیون...

اگر ما موقعیت‌هایمان را عوض کنیم، تسلا یک مدل زبانی بسازد که نتایجی بدتر از ChatGPT نداشته باشد، و مایکروسافت و OpenAI روی رانندگی خودکار کار کنند، اگر وظایفمان را عوض کنیم، بدون شک برنده خواهیم شد."

FSD یک نرم افزار و معماری سخت افزاری رانندگی مستقل با لینک کامل است

معماری FSD: یک نرم‌افزار و چارچوب سخت‌افزاری جامع رانندگی مستقل سرتاسر در سطوح مختلف از جمله داده‌ها، الگوریتم‌ها و قدرت محاسباتی ساخته شده است که شامل ادراک، برنامه‌ریزی و اجرا می‌شود.

برنامه ریزی: اساساً به مسائل برنامه ریزی مسیر چند شیء می پردازد، مسیرها را هم برای خود و هم برای همه اشیاء مدیریت می کند تا خودرو را در تکمیل اقدامات اجرایی مربوطه هدایت کند.

شبکه های عصبی: ورودی هایی مانند جریان های ویدئویی را برای خروجی حالت های سینماتیک کامل (موقعیت/سرعت/شتاب/زبری) که وسیله نقلیه را کنترل می کنند، تجزیه و تحلیل کنید.

داده های آموزشی: از پیشرفته ترین فناوری حاشیه نویسی خودکار 4 بعدی، شبیه سازی ارتقا یافته و منابع محاسبات ابری برای تشکیل یک سیستم داده حلقه بسته استفاده می کند.

زیرساخت آموزشی: شامل CPU، GPU، واحدهای شتاب دهنده شبکه عصبی و یک کامپایلر هوش مصنوعی است. کامپایلر هوش مصنوعی از عملیات جدید مورد نیاز شبکه های عصبی پشتیبانی می کند و آنها را به منابع سخت افزاری زیربنایی بهینه نگاشت می کند.

کامپایل و استنتاج هوش مصنوعی: به شبکه های عصبی در حال اجرا روی رایانه ها آدرس می دهد. موتور استنتاج فعلی می‌تواند اجرای یک شبکه عصبی واحد را به دو سیستم تراشه مستقل اختصاص دهد، شبیه به داشتن دو رایانه مجزا که در یک رایانه رانندگی مستقل متصل هستند.

در راه حل انتها به انتها، شبکه عصبی کلید است و انتظار می رود به راه حل بهینه جهانی دست یابد.

در مقایسه با راه‌حل‌های مدولار مانند مدل‌های خبره و مدل‌های ترکیبی، راه‌حل‌های رانندگی خودکار سرتاسر، ادراک، برنامه‌ریزی و کنترل را یکپارچه می‌کنند و کدهای مبتنی بر قانون را از هر ماژول حذف می‌کنند. اطلاعات جمع‌آوری‌شده از چندین حسگر مستقیماً به شبکه‌های عصبی پیچیده در مقیاس بزرگ وارد می‌شود، که پس از محاسبه، می‌توانند مستقیماً دستورات کنترل محرک را صادر کنند و در نتیجه یک سیستم انتها به انتها ایجاد شود. مهمترین مزیت کاهش اتکا به نقشه های با دقت بالا و کاهش هزینه ها در مراحل میانی است. این مدل دارای حد بالایی است و می تواند به راه حل های تقریبی جهانی دست یابد. معایب عبارتند از: یادگیری مدل اولیه کندتر، نیاز به داده های آموزشی گسترده برای مدل برای ظهور و دستیابی به پیشرفت سریع، توضیح کمتر برای سناریوهای ساده در مقایسه با معماری های مدولار، مانع ورود زیاد به دلیل کف مدل پایین. تفسیرپذیری ضعیف "جعبه سیاه" در وسط، به طور بالقوه منجر به رفتارهای تصمیم گیری غیرقابل توضیح بیشتر از مدل های خبره می شود.

"حالت سایه" تسلا نیز پشتیبانی مهمی از پیشرفت FSD فراهم می کند.

با جمع‌آوری داده‌های مختلف رانندگی در طول فرآیندهای رانندگی کاربر، تسلا می‌تواند داده‌های کیفی گوشه‌ای با ارزش بالا را به دست آورد و به طور مداوم عملکرد FSD را بهینه کند. این داده ها در مرکز داده تسلا ذخیره می شوند و پس از تجزیه و تحلیل و پردازش توسط موتور داده، می توان از آنها به عنوان مواد آموزشی برای سیستم استفاده کرد و دقت و قابلیت اطمینان FSD را بیشتر بهبود بخشید.

HW4.0 قدرت محاسباتی قوی تری دارد و مدل های بزرگ پیشرفت قابل ملاحظه ای دارند.

منابع اصلی پیشرفت فنی در این نسخه بتا عمومی FSD ممکن است از جنبه های زیر باشد: اول، FSD Beta V12 برای پلت فرم HW4.0 به روز شده است و پشتیبانی سخت افزاری قوی تری را برای سیستم ارائه می دهد. ارتقاء سخت افزار HW4.0 نرخ فریم را 4 فریم در ثانیه برای دوربین ها افزایش می دهد و پردازش سریعتر داده های تصویر و بهبود تشخیص جزئیات جاده را ممکن می سازد. علاوه بر این، قدرت محاسباتی HW4.0 در مقایسه با HW3.0 دو برابر شده است و به FSD اجازه می دهد تا پردازش و محاسبات کارآمدتری را انجام دهد و سرعت تصمیم گیری را افزایش دهد.

ماسک گفت که نرخ مداخله FSD V12 تنها یک درصد از V11 است

ایلان ماسک، مدیرعامل تسلا روز سه‌شنبه در پلتفرم X گفت که نرخ مداخله نسخه V12 نرم‌افزار «خودران کامل» (FSD) تسلا تنها یک درصد از نسخه V11 است. یک کاربر پست کرد، "در مقایسه با V11، فرکانس مداخله V12 بیش از 100 برابر کاهش می یابد. این یک ارتقاء تدریجی نیست، بلکه یک جهش است.

تسلا حدود 10 میلیارد دلار در آموزش و استنباط هوش مصنوعی سرمایه گذاری خواهد کرد

ماسک همچنین اضافه کرد که هر شرکتی که نتواند حداقل 10 میلیارد دلار در سال هزینه کند یا آن را به طور موثر مستقر کند، نمی تواند در بازار رقابت کند.

اخیراً، FSD V12 سرتاسر تسلا به تدریج در مقیاس وسیع برای کاربران آمریکای شمالی عرضه شده است. به طور خلاصه، FSD V12 به هدف رانندگی خودران از طریق حجم زیادی از داده های آموزشی ویدیویی دست می یابد و به تسلا اجازه می دهد صدها هزار خط کد را حذف کند. با این حال، آموزش رانندگی خودکار با هوش مصنوعی به مقدار زیادی قدرت محاسباتی نیاز دارد. ماسک در یک پخش زنده در آگوست گذشته گفت که تسلا در آستانه راه‌اندازی یک کلاستر GPU متشکل از 10,000 Nvidia H100 برای آموزش سیستم جدید FSD است.

شیائو جیان شیونگ، بنیانگذار، رئیس و مدیر عامل AutoX به خبرنگاران مالی اول گفت که FSD تسلا از الگوریتم های یادگیری عمیق پایان به انتها استفاده کرده است که عملکرد را به طور قابل توجهی نسبت به قبل بهبود بخشیده است. در گذشته بر الگوریتم‌های قانون مبتنی بر کد نوشته شده به صورت دستی متکی بود و اکنون از یک شبکه مدل بزرگ آموزش داده شده با داده استفاده می‌کند.

قبلی

اصطلاحات اولیه بسته بندی پیشرفته

بعدی

10 شرکت برتر نیمه هادی