servizio di Hotline
colonnista
colonnista
Punti chiave dell'interpretazione della soluzione di guida autonoma FSD di Tesla
2024-05-15
2252
Visita di Elon Musk a Pechino: rompere il ghiaccio con l'FSD Cina
Poco dopo la visita di Musk a Pechino, l'Associazione cinese dei produttori di automobili e il Centro nazionale di coordinamento della risposta alle emergenze della rete informatica hanno emesso un avviso sulla verifica di quattro requisiti di sicurezza per l'elaborazione dei dati automobilistici. Tesla, in quanto impresa finanziata dall'estero, è diventata una delle prime case automobilistiche a soddisfare tutti e quattro i requisiti. In FSD V12, Tesla ha apportato miglioramenti significativi ai suoi algoritmi di navigazione e pianificazione del percorso. La nuova versione del sistema di navigazione può pianificare in modo intelligente i percorsi di guida, tenendo conto di vari fattori come le condizioni del traffico, i cambiamenti della strada e le preferenze del conducente. Inoltre, la nuova versione di FSD ha capacità di analisi del traffico in tempo reale più potenti, che consentono di adattare i percorsi in base alle condizioni reali, garantendo un’esperienza di guida più fluida. Sebbene le aziende automobilistiche cinesi siano indietro nella tecnologia di base per la guida autonoma, hanno vantaggi in termini di ecologia e catene di approvvigionamento. Con lo sviluppo delle infrastrutture del trasporto intelligente, si prevede che integreranno prodotti più competitivi.
Con la tecnologia di guida autonoma end-to-end raggiunta da FSD V12, Tesla deve solo utilizzare abbondanti dati di guida locali per addestrare modelli di guida intelligenti, fornendo un’esperienza di guida superiore. Inoltre, riducendo in modo significativo l’uso di codici basati su regole, Tesla non ha bisogno di creare un team di migliaia di ingegneri di algoritmi di guida intelligente in Cina. Con solo un team operativo locale di circa 20 persone e un team di etichettatura dei dati composto da centinaia di persone, Tesla può garantire l’atterraggio e il funzionamento senza intoppi di FSD nel mercato cinese.
Il 16 maggio 2023, dopo aver parlato all'assemblea annuale degli azionisti di Tesla, Musk ha rilasciato un'intervista alla CNBC, un noto media finanziario americano.
Discutendo delle capacità di intelligenza artificiale di Tesla, Musk ha affermato che Tesla è molto più avanti nell'intelligenza artificiale del mondo reale e si può dire che non abbia rivali. Ha poi risposto alla domanda dell'host su ChatGPT e l'intelligenza artificiale generativa:
"Penso che anche Tesla avrà un 'ChatGPT moment', se non quest'anno, non credo che sarà più tardi dell'anno prossimo. Ciò significa che un giorno, all'improvviso, 3 milioni di veicoli Tesla potranno guidare da soli... poi sono 5 milioni, poi sono 10 milioni...
Se scambiamo le nostre posizioni, con Tesla che costruisce un modello linguistico che produce risultati non peggiori di ChatGPT, e Microsoft e OpenAI che lavorano sulla guida autonoma, se ci scambiamo i compiti, non c'è dubbio che vinceremo."
FSD è un'architettura software e hardware di guida autonoma full-link
Architettura FSD: una struttura software e hardware completa end-to-end per la guida autonoma è costruita su vari livelli, inclusi dati, algoritmi e potenza di calcolo, comprendendo percezione, pianificazione ed esecuzione.
Pianificazione: affronta essenzialmente i problemi di pianificazione del percorso multi-oggetto, gestendo le traiettorie sia per se stessi che per tutti gli oggetti per guidare il veicolo nel completamento delle azioni di esecuzione corrispondenti.
Reti neurali: analizza input come flussi video per produrre stati cinematici completi (posizione/velocità/accelerazione/rugosità) che controllano il veicolo.
Dati di addestramento: utilizza la tecnologia di annotazione automatica 4D all'avanguardia, simulazione aggiornata e risorse di cloud computing per formare un sistema di dati a circuito chiuso.
Infrastruttura di formazione: include CPU, GPU, unità Neural Network Accelerator e un compilatore AI. Il compilatore AI supporta le nuove operazioni richieste dalle reti neurali, mappandole su risorse hardware sottostanti ottimali.
Compilazione e inferenza AI: risolve l'esecuzione di reti neurali sui computer. L’attuale motore di inferenza può assegnare l’esecuzione di una singola rete neurale a due sistemi di chip indipendenti, come se avessero due computer separati collegati all’interno dello stesso computer a guida autonoma.
Rispetto alle soluzioni modulari come i modelli esperti e i modelli ibridi, le soluzioni di guida autonoma end-to-end integrano percezione, pianificazione e controllo, rimuovendo il codice basato su regole da ciascun modulo. Le informazioni raccolte da più sensori vengono immesse direttamente in complesse reti neurali su larga scala che, dopo il calcolo, possono inviare direttamente comandi di controllo di guida, risultando in un sistema end-to-end. Il vantaggio più significativo è la riduzione della dipendenza da mappe ad alta precisione e la riduzione dei costi nelle fasi intermedie; il modello ha un limite superiore elevato e può raggiungere soluzioni ottimali globali approssimative. Gli svantaggi includono un apprendimento iniziale del modello più lento, che richiede ingenti dati di addestramento affinché il modello emerga e raggiunga rapidi progressi, meno spiegazioni per scenari semplici rispetto alle architetture modulari, un'elevata barriera all'ingresso a causa di un modello basso; scarsa interpretabilità della "scatola nera" al centro, che potenzialmente si traduce in comportamenti decisionali più inspiegabili rispetto ai modelli esperti.
La “Modalità Shadow” di Tesla fornisce anche un supporto cruciale per il progresso della FSD.
Raccogliendo vari dati di guida durante i processi di guida dell'utente, Tesla può ottenere dati sui casi d'angolo di alto valore, ottimizzando continuamente le prestazioni FSD. Questi dati vengono archiviati nel data center di Tesla e, dopo l'analisi e l'elaborazione da parte del motore di dati, possono essere utilizzati come materiale di formazione per il sistema, migliorando ulteriormente la precisione e l'affidabilità dell'FSD.
HW4.0 ha una potenza di calcolo più elevata e i modelli di grandi dimensioni progrediscono notevolmente.
Le principali fonti di progresso tecnico in questa versione beta pubblica di FSD possono provenire dai seguenti aspetti: Innanzitutto, FSD Beta V12 è stato aggiornato per la piattaforma HW4.0, fornendo un supporto hardware più forte per il sistema. Gli aggiornamenti hardware HW4.0 aumentano il frame rate di 4 fotogrammi al secondo per le fotocamere, consentendo un'elaborazione più rapida dei dati immagine e migliorando il riconoscimento dei dettagli stradali. Inoltre, la potenza di calcolo di HW4.0 è raddoppiata rispetto a HW3.0, consentendo a FSD di eseguire elaborazioni e calcoli più efficienti, accelerando il processo decisionale.
Musk ha affermato che il tasso di intervento della FSD V12 è solo l’11% del VXNUMX
Il CEO di Tesla, Elon Musk, ha dichiarato martedì sulla piattaforma X che il tasso di intervento della versione V12 del software "Full Self-Driving" (FSD) di Tesla è solo l'11% della versione V11. Un utente ha scritto: "Rispetto alla V12, la frequenza di intervento della V100 sarà ridotta di oltre XNUMX volte. Non si tratta di un aggiornamento graduale, ma di un salto.
Tesla investirà circa 10 miliardi di dollari in formazione e inferenza sull’intelligenza artificiale
Musk ha anche aggiunto che qualsiasi azienda che non può spendere almeno 10 miliardi di dollari all’anno o implementarli in modo efficiente non può competere sul mercato.
Recentemente, l'FSD V12 end-to-end di Tesla ha gradualmente iniziato a essere distribuito su larga scala agli utenti nordamericani. In breve, FSD V12 raggiunge l'obiettivo della guida autonoma attraverso una grande quantità di dati di video training, consentendo a Tesla di eliminare centinaia di migliaia di righe di codice. Tuttavia, l’addestramento alla guida autonoma basata sull’intelligenza artificiale richiede una grande quantità di potenza di calcolo. Musk ha dichiarato in una trasmissione in diretta lo scorso agosto che Tesla sta per lanciare un cluster GPU composto da 10,000 Nvidia H100 per addestrare il nuovo sistema FSD.
Il fondatore, presidente e CEO di AutoX Xiao Jianxiong ha dichiarato ai First Financial Journalists che l'FSD di Tesla ha utilizzato algoritmi di deep learning end-to-end, che hanno migliorato significativamente le prestazioni rispetto a prima. In passato, si basava su algoritmi di regole basati su codice scritti manualmente, mentre ora utilizza una rete di modelli di grandi dimensioni addestrata con i dati.
Raccomandazioni correlate
粤公网安备44030002007346号