ประเด็นสำคัญของการตีความโซลูชันการขับขี่อัตโนมัติ FSD ของ Tesla

หน้าแรก คอลัม พื้นฐานอิเล็กทรอนิกส์ ประเด็นสำคัญของการตีความโซลูชันการขับขี่อัตโนมัติ FSD ของ Tesla

2024-05-15 2252

การเยือนปักกิ่งของ Elon Musk: ทำลายน้ำแข็งกับ FSD China

ไม่นานหลังจากการเยือนปักกิ่งของมัสก์ สมาคมผู้ผลิตรถยนต์แห่งประเทศจีนและศูนย์ประสานงานการตอบสนองเหตุฉุกเฉินเครือข่ายคอมพิวเตอร์แห่งชาติได้ออกประกาศเกี่ยวกับการทดสอบข้อกำหนดด้านความปลอดภัยสี่ประการสำหรับการประมวลผลข้อมูลรถยนต์ ในฐานะองค์กรที่ได้รับทุนสนับสนุนจากต่างประเทศ Tesla ได้กลายเป็นหนึ่งในบริษัทรถยนต์กลุ่มแรกๆ ที่ผ่านข้อกำหนดทั้งสี่ข้อ ใน FSD V12 นั้น Tesla ได้ทำการปรับปรุงที่สำคัญในอัลกอริธึมการนำทางและการวางแผนเส้นทาง ระบบนำทางเวอร์ชันใหม่สามารถวางแผนเส้นทางการขับขี่ได้อย่างชาญฉลาด โดยคำนึงถึงปัจจัยต่างๆ เช่น สภาพการจราจร การเปลี่ยนแปลงถนน และความต้องการของผู้ขับขี่ นอกจากนี้ FSD เวอร์ชันใหม่ยังมีความสามารถในการวิเคราะห์การจราจรแบบเรียลไทม์ที่แข็งแกร่งขึ้น ทำให้สามารถปรับเส้นทางตามสภาพจริงได้ ทำให้มั่นใจได้ถึงประสบการณ์การขับขี่ที่ราบรื่นยิ่งขึ้น แม้ว่าบริษัทรถยนต์ของจีนจะล้าหลังในด้านเทคโนโลยีพื้นฐานสำหรับการขับขี่แบบอัตโนมัติ แต่ก็มีข้อได้เปรียบในด้านระบบนิเวศน์และห่วงโซ่อุปทาน ด้วยการพัฒนาโครงสร้างพื้นฐานของการขนส่งอัจฉริยะ พวกเขาคาดว่าจะบูรณาการผลิตภัณฑ์ที่มีการแข่งขันมากขึ้น

ด้วยเทคโนโลยีการขับขี่อัตโนมัติแบบ end-to-end ที่ FSD V12 ทำได้ Tesla เพียงต้องการใช้ข้อมูลการขับขี่ในท้องถิ่นที่มีอยู่มากมายเพื่อฝึกโมเดลการขับขี่อัจฉริยะ เพื่อมอบประสบการณ์การขับขี่ที่เหนือกว่า นอกจากนี้ การลดการใช้โค้ดตามกฎลงอย่างมาก ทำให้ Tesla ไม่จำเป็นต้องสร้างทีมวิศวกรอัลกอริธึมการขับขี่อัจฉริยะหลายพันคนในประเทศจีน ด้วยทีมงานปฏิบัติการในท้องถิ่นประมาณ 20 คนและทีมงานติดป้ายกำกับข้อมูลจำนวนหลายร้อยคน Tesla จึงสามารถรับประกันการลงจอดและการดำเนินงานของ FSD ในตลาดจีนได้อย่างราบรื่น

เมื่อวันที่ 16 พฤษภาคม 2023 หลังจากพูดในการประชุมผู้ถือหุ้นประจำปีของ Tesla Musk ได้ให้สัมภาษณ์กับ CNBC ซึ่งเป็นสื่อการเงินชื่อดังของอเมริกา

เมื่อพูดถึงความสามารถ AI ของ Tesla Musk กล่าวว่า Tesla ล้ำหน้า AI ในโลกแห่งความเป็นจริงไปมาก และอาจกล่าวได้ว่าไม่มีใครเทียบได้ จากนั้นเขาก็ตอบคำถามของเจ้าภาพเกี่ยวกับ ChatGPT และ AI เชิงสร้างสรรค์:

“ผมคิดว่า Tesla จะมี 'ChatGPT Moment' ด้วย ถ้าไม่มีในปีนี้ ผมก็ไม่คิดว่าจะช้ากว่าปีหน้า ซึ่งหมายความว่าวันหนึ่ง จู่ๆ รถยนต์ Tesla 3 ล้านคันก็สามารถขับเองได้... ก็ 5 ล้าน แล้วก็ 10 ล้าน...

หากเราสลับจุดยืนของเรา โดยให้ Tesla สร้างโมเดลภาษาที่สร้างผลลัพธ์ไม่แย่ไปกว่า ChatGPT และ Microsoft และ OpenAI กำลังทำงานเกี่ยวกับการขับขี่แบบอัตโนมัติ ถ้าเราแลกเปลี่ยนงานของเรา ไม่ต้องสงสัยเลยว่าเราจะชนะ"

FSD คือสถาปัตยกรรมซอฟต์แวร์และฮาร์ดแวร์การขับขี่อัตโนมัติแบบลิงก์เต็มรูปแบบ

สถาปัตยกรรม FSD: ซอฟต์แวร์และเฟรมเวิร์กฮาร์ดแวร์การขับขี่อัตโนมัติแบบ end-to-end ที่ครอบคลุมถูกสร้างขึ้นในระดับต่างๆ รวมถึงข้อมูล อัลกอริธึม และพลังการคำนวณ ครอบคลุมการรับรู้ การวางแผน และการดำเนินการ

การวางแผน: จัดการปัญหาการวางแผนเส้นทางแบบหลายวัตถุเป็นหลัก โดยจัดการวิถีสำหรับทั้งตนเองและวัตถุทั้งหมดเพื่อเป็นแนวทางให้ยานพาหนะดำเนินการดำเนินการที่เกี่ยวข้องให้เสร็จสิ้น

โครงข่ายประสาทเทียม: วิเคราะห์อินพุต เช่น สตรีมวิดีโอเพื่อส่งออกสถานะจลน์ศาสตร์ที่สมบูรณ์ (ตำแหน่ง/ความเร็ว/ความเร่ง/ความหยาบ) ที่ควบคุมยานพาหนะ

ข้อมูลการฝึกอบรม: ใช้เทคโนโลยีคำอธิบายประกอบอัตโนมัติ 4D ที่ล้ำสมัย การจำลองที่อัปเกรด และทรัพยากรการประมวลผลบนคลาวด์เพื่อสร้างระบบข้อมูลแบบวงปิด

โครงสร้างพื้นฐานการฝึกอบรม: ประกอบด้วย CPU, GPU, หน่วย Neural Network Accelerator และคอมไพเลอร์ AI คอมไพเลอร์ AI รองรับการทำงานใหม่ๆ ที่จำเป็นโดยโครงข่ายประสาทเทียม โดยแมปการทำงานเหล่านั้นกับทรัพยากรฮาร์ดแวร์พื้นฐานที่เหมาะสมที่สุด

การรวบรวมและการอนุมาน AI: ที่อยู่ที่ใช้งานเครือข่ายประสาทเทียมบนคอมพิวเตอร์ เอ็นจิ้นการอนุมานปัจจุบันสามารถจัดสรรการทำงานของโครงข่ายประสาทเทียมเดี่ยวให้กับระบบชิปอิสระสองระบบ คล้ายกับการมีคอมพิวเตอร์สองเครื่องที่แยกจากกันเชื่อมต่อกันภายในคอมพิวเตอร์ที่ขับเคลื่อนอัตโนมัติเครื่องเดียวกัน

ในโซลูชันแบบ end-to-end โครงข่ายประสาทเทียมเป็นกุญแจสำคัญและคาดว่าจะบรรลุโซลูชันที่ดีที่สุดในระดับโลก

เมื่อเปรียบเทียบกับโซลูชันแบบโมดูลาร์ เช่น รุ่นผู้เชี่ยวชาญและรุ่นไฮบริด โซลูชันการขับขี่อัตโนมัติแบบ end-to-end ผสานรวมการรับรู้ การวางแผน และการควบคุม โดยลบโค้ดที่อิงกฎออกจากแต่ละโมดูล ข้อมูลที่รวบรวมจากเซ็นเซอร์หลายตัวจะถูกป้อนโดยตรงไปยังโครงข่ายประสาทเทียมขนาดใหญ่ที่ซับซ้อน ซึ่งหลังจากการคำนวณแล้ว จะสามารถส่งออกคำสั่งควบคุมการขับขี่ได้โดยตรง ส่งผลให้เกิดระบบตั้งแต่ต้นทางถึงปลายทาง ข้อได้เปรียบที่สำคัญที่สุดคือการลดการพึ่งพาแผนที่ที่มีความแม่นยำสูงและลดต้นทุนในระยะกลาง โมเดลนี้มีขีดจำกัดบนที่สูงและสามารถบรรลุโซลูชันที่เหมาะสมที่สุดระดับโลกโดยประมาณได้ ข้อเสีย ได้แก่ การเรียนรู้โมเดลเริ่มต้นที่ช้ากว่า ต้องใช้ข้อมูลการฝึกอบรมจำนวนมากเพื่อให้โมเดลเกิดขึ้นและบรรลุความก้าวหน้าอย่างรวดเร็ว คำอธิบายที่น้อยกว่าสำหรับสถานการณ์ที่เรียบง่ายเมื่อเปรียบเทียบกับสถาปัตยกรรมโมดูลาร์ อุปสรรคในการเข้าสูงเนื่องจากพื้นโมเดลต่ำ การตีความ "กล่องดำ" ตรงกลางได้ไม่ดี ซึ่งอาจส่งผลให้เกิดพฤติกรรมการตัดสินใจที่ไม่สามารถอธิบายได้มากกว่าแบบจำลองผู้เชี่ยวชาญ

"โหมดเงา" ของ Tesla ยังให้การสนับสนุนที่สำคัญสำหรับความก้าวหน้าของ FSD

ด้วยการรวบรวมข้อมูลการขับขี่ต่างๆ ในระหว่างกระบวนการขับขี่ของผู้ใช้ Tesla สามารถรับข้อมูลเคสมุมที่มีมูลค่าสูง และเพิ่มประสิทธิภาพ FSD ได้อย่างต่อเนื่อง ข้อมูลเหล่านี้ถูกจัดเก็บไว้ในศูนย์ข้อมูลของ Tesla และหลังจากการวิเคราะห์และประมวลผลโดยกลไกข้อมูลแล้ว ข้อมูลเหล่านี้สามารถใช้เป็นสื่อการฝึกอบรมสำหรับระบบ ซึ่งจะช่วยปรับปรุงความแม่นยำและความน่าเชื่อถือของ FSD ให้ดียิ่งขึ้น

HW4.0 มีพลังการประมวลผลที่แข็งแกร่งกว่า และรุ่นขนาดใหญ่มีความก้าวหน้าอย่างน่าทึ่ง

แหล่งที่มาหลักของความก้าวหน้าทางเทคนิคใน FSD เวอร์ชันเบต้าสาธารณะนี้อาจมาจากประเด็นต่อไปนี้ ประการแรก FSD Beta V12 ได้รับการอัปเดตสำหรับแพลตฟอร์ม HW4.0 ซึ่งให้การสนับสนุนฮาร์ดแวร์ที่แข็งแกร่งยิ่งขึ้นสำหรับระบบ การอัพเกรดฮาร์ดแวร์ HW4.0 จะเพิ่มอัตราเฟรม 4 เฟรมต่อวินาทีสำหรับกล้อง ทำให้สามารถประมวลผลข้อมูลภาพได้เร็วขึ้น และปรับปรุงการจดจำรายละเอียดถนน นอกจากนี้ พลังการประมวลผลของ HW4.0 ยังเพิ่มขึ้นเป็นสองเท่าเมื่อเทียบกับ HW3.0 ทำให้ FSD ดำเนินการประมวลผลและคำนวณได้อย่างมีประสิทธิภาพมากขึ้น และเร่งการตัดสินใจ

Musk กล่าวว่าอัตราการแทรกแซง FSD V12 เป็นเพียงร้อยละ 11 ของ VXNUMX

Elon Musk ซีอีโอของ Tesla กล่าวเมื่อวันอังคารบนแพลตฟอร์ม X ว่าอัตราการแทรกแซงของซอฟต์แวร์ "Full Self-Driving" (FSD) เวอร์ชัน V12 ของ Tesla เป็นเพียงร้อยละ 11 ของเวอร์ชัน V11 ผู้ใช้โพสต์ว่า "เมื่อเทียบกับ V12 ความถี่ในการแทรกแซงของ V100 จะลดลงมากกว่า XNUMX เท่า นี่ไม่ใช่การอัพเกรดทีละน้อย แต่เป็นการก้าวกระโดด

Tesla จะลงทุนประมาณ 10 หมื่นล้านดอลลาร์ในการฝึกอบรมและการอนุมาน AI

Musk ยังเสริมด้วยว่าบริษัทใดก็ตามที่ไม่สามารถใช้จ่ายอย่างน้อย 10 หมื่นล้านดอลลาร์ต่อปีหรือปรับใช้อย่างมีประสิทธิภาพ จะไม่สามารถแข่งขันในตลาดได้

เมื่อเร็วๆ นี้ FSD V12 แบบ end-to-end ของ Tesla ได้เริ่มทยอยเปิดตัวสู่ผู้ใช้ในอเมริกาเหนือในวงกว้าง กล่าวโดยสรุป FSD V12 บรรลุเป้าหมายของการขับขี่อัตโนมัติผ่านข้อมูลการฝึกอบรมวิดีโอจำนวนมาก ทำให้ Tesla สามารถกำจัดโค้ดหลายแสนบรรทัดได้ อย่างไรก็ตาม การฝึกขับขี่อัตโนมัติด้วย AI ต้องใช้พลังการประมวลผลจำนวนมาก Musk กล่าวในการถ่ายทอดสดเมื่อเดือนสิงหาคมปีที่แล้วว่า Tesla กำลังจะเปิดตัวคลัสเตอร์ GPU ที่ประกอบด้วย Nvidia H10,000 จำนวน 100 ตัวเพื่อฝึกระบบ FSD ใหม่

Xiao Jianxiong ผู้ก่อตั้ง ประธาน และซีอีโอ AutoX บอกกับ First Financial Journalists ว่า FSD ของ Tesla ได้ใช้อัลกอริธึมการเรียนรู้เชิงลึกแบบ end-to-end ซึ่งได้รับการปรับปรุงประสิทธิภาพอย่างมากเมื่อเทียบกับเมื่อก่อน ในอดีต มันอาศัยอัลกอริธึมกฎที่ใช้โค้ดที่เขียนด้วยตนเอง และตอนนี้ก็ใช้เครือข่ายแบบจำลองขนาดใหญ่ที่ได้รับการฝึกด้วยข้อมูล

คำศัพท์พื้นฐานของบรรจุภัณฑ์ขั้นสูง

10 บริษัทเซมิคอนดักเตอร์ชั้นนำ