servicio de teléfono directo
Columnista
Columnista
Puntos clave de la interpretación de la solución de conducción autónoma FSD de Tesla
2024-05-15
2252
Visita de Elon Musk a Beijing: rompiendo el hielo con FSD China
Poco después de la visita de Musk a Beijing, la Asociación China de Fabricantes de Automóviles y el Centro de Coordinación de Respuesta a Emergencias de la Red Nacional de Computadoras emitieron un aviso sobre la prueba de cuatro requisitos de seguridad para el procesamiento de datos de automóviles. Tesla, como empresa con financiación extranjera, se convirtió en una de las primeras empresas automotrices en cumplir los cuatro requisitos. En FSD V12, Tesla realizó mejoras significativas en sus algoritmos de navegación y planificación de rutas. La nueva versión del sistema de navegación puede planificar rutas de conducción de forma inteligente, teniendo en cuenta diversos factores como las condiciones del tráfico, los cambios en la carretera y las preferencias del conductor. Además, la nueva versión de FSD tiene capacidades más sólidas de análisis de tráfico en tiempo real, lo que le permite ajustar las rutas en función de las condiciones reales, lo que garantiza una experiencia de conducción más fluida. Si bien las empresas automotrices chinas están rezagadas en la tecnología subyacente para la conducción autónoma, tienen ventajas en ecología y cadenas de suministro. Con el desarrollo de la infraestructura del transporte inteligente, se espera que integren productos más competitivos.
Con la tecnología de conducción autónoma de extremo a extremo lograda por FSD V12, Tesla solo necesita utilizar abundantes datos de conducción locales para entrenar modelos de conducción inteligentes, proporcionando una experiencia de conducción superior. Además, al reducir significativamente el uso de códigos basados en reglas, Tesla no necesita establecer un equipo de miles de ingenieros de algoritmos de conducción inteligente en China. Con solo un equipo de operaciones local de unas 20 personas y un equipo de etiquetado de datos de cientos de personas, Tesla puede garantizar el aterrizaje y funcionamiento sin problemas de FSD en el mercado chino.
El 16 de mayo de 2023, después de hablar en la reunión anual de accionistas de Tesla, Musk concedió una entrevista a CNBC, un conocido medio de comunicación financiero estadounidense.
Al hablar de las capacidades de IA de Tesla, Musk dijo que Tesla está muy por delante en IA del mundo real y se puede decir que no tiene rival. Luego abordó la pregunta del presentador sobre ChatGPT y la IA generativa:
"Creo que Tesla también tendrá un 'momento ChatGPT', si no este año, entonces no creo que sea más tarde que el próximo año. Esto significa que un día, de repente, 3 millones de vehículos Tesla podrán conducirse solos... luego son 5 millones, luego son 10 millones...
Si intercambiamos nuestras posiciones, con Tesla construyendo un modelo de lenguaje que produce resultados no peores que ChatGPT, y Microsoft y OpenAI trabajando en la conducción autónoma, si intercambiamos nuestras tareas, no hay duda de que ganaremos".
FSD es una arquitectura de software y hardware de conducción autónoma de enlace completo
Arquitectura FSD: se construye un marco integral de hardware y software de conducción autónoma de extremo a extremo en varios niveles, incluidos datos, algoritmos y potencia computacional, que abarca la percepción, la planificación y la ejecución.
Planificación: esencialmente aborda cuestiones de planificación de rutas de múltiples objetos, gestionando trayectorias tanto para uno mismo como para todos los objetos para guiar al vehículo a completar las acciones de ejecución correspondientes.
Redes neuronales: analiza entradas como transmisiones de video para generar estados cinemáticos completos (posición/velocidad/aceleración/rugosidad) que controlan el vehículo.
Datos de entrenamiento: utiliza tecnología de anotación automática 4D de última generación, simulación mejorada y recursos de computación en la nube para formar un sistema de datos de circuito cerrado.
Infraestructura de entrenamiento: incluye CPU, GPU, unidades de acelerador de red neuronal y un compilador de IA. El compilador de IA admite nuevas operaciones requeridas por las redes neuronales y las asigna a recursos de hardware subyacentes óptimos.
Compilación e inferencia de IA: aborda la ejecución de redes neuronales en computadoras. El motor de inferencia actual puede asignar la ejecución de una única red neuronal a dos sistemas de chips independientes, similar a tener dos computadoras separadas conectadas dentro de la misma computadora de conducción autónoma.
En comparación con las soluciones modulares, como los modelos expertos y los modelos híbridos, las soluciones de conducción autónoma de extremo a extremo integran percepción, planificación y control, eliminando el código basado en reglas de cada módulo. La información recopilada de múltiples sensores se ingresa directamente en redes neuronales complejas a gran escala que, después del cálculo, pueden generar directamente comandos de control de conducción, lo que da como resultado un sistema de extremo a extremo. La ventaja más significativa es la reducción de la dependencia de mapas de alta precisión y la reducción de costos en las etapas intermedias; el modelo tiene un límite superior alto y puede lograr soluciones óptimas globales aproximadas. Las desventajas incluyen un aprendizaje inicial más lento del modelo, que requiere datos de entrenamiento masivos para que el modelo surja y logre un progreso rápido, menos explicaciones para escenarios simples en comparación con las arquitecturas modulares, una barrera de entrada alta debido a un piso de modelo bajo; mala interpretabilidad de la "caja negra" en el medio, lo que potencialmente resulta en comportamientos de decisión más inexplicables que los modelos expertos.
El "Modo Sombra" de Tesla también proporciona un apoyo crucial para el progreso de FSD.
Al recopilar diversos datos de conducción durante los procesos de conducción del usuario, Tesla puede obtener datos de casos de esquina de alto valor, optimizando continuamente el rendimiento del FSD. Estos datos se almacenan en el centro de datos de Tesla y, después de analizarlos y procesarlos por el motor de datos, pueden usarse como materiales de capacitación para el sistema, mejorando aún más la precisión y confiabilidad del FSD.
HW4.0 tiene una mayor potencia informática y los modelos grandes progresan notablemente.
Las principales fuentes de progreso técnico en esta versión beta pública de FSD pueden provenir de los siguientes aspectos: Primero, FSD Beta V12 se ha actualizado para la plataforma HW4.0, proporcionando un soporte de hardware más sólido para el sistema. Las actualizaciones de hardware HW4.0 aumentan la velocidad de fotogramas en 4 fotogramas por segundo para las cámaras, lo que permite un procesamiento más rápido de los datos de imágenes y mejora el reconocimiento de los detalles de la carretera. Además, la potencia informática del HW4.0 se duplica en comparación con el HW3.0, lo que permite a FSD realizar procesamientos y cálculos más eficientes, acelerando la toma de decisiones.
Musk dijo que la tasa de intervención del FSD V12 es solo el uno por ciento del V11.
El director ejecutivo de Tesla, Elon Musk, dijo el martes en la plataforma X que la tasa de intervención de la versión V12 del software "Full Self-Driving" (FSD) de Tesla es sólo el uno por ciento de la versión V11. Un usuario publicó: "En comparación con V11, la frecuencia de intervención de V12 se reducirá más de 100 veces. Esto no es una actualización gradual, sino un salto.
Tesla invertirá unos 10 millones de dólares en entrenamiento e inferencia de IA
Musk también añadió que cualquier empresa que no pueda gastar al menos 10 millones de dólares al año o implementarlos de manera eficiente no puede competir en el mercado.
Recientemente, el FSD V12 de extremo a extremo de Tesla ha comenzado a implementarse gradualmente a gran escala para los usuarios norteamericanos. En resumen, FSD V12 logra el objetivo de la conducción autónoma a través de una gran cantidad de datos de entrenamiento en video, lo que permite a Tesla eliminar cientos de miles de líneas de código. Sin embargo, entrenar la conducción autónoma con IA requiere una gran cantidad de potencia informática. Musk dijo en una transmisión en vivo en agosto pasado que Tesla está a punto de lanzar un grupo de GPU compuesto por 10,000 Nvidia H100 para entrenar el nuevo sistema FSD.
El fundador, presidente y director ejecutivo de AutoX, Xiao Jianxiong, dijo a First Financial Journalists que el FSD de Tesla ha utilizado algoritmos de aprendizaje profundo de extremo a extremo, que han mejorado significativamente el rendimiento en comparación con el anterior. En el pasado, dependía de algoritmos de reglas basados en código escritos manualmente y ahora utiliza una gran red modelo entrenada con datos.
Recomendaciones relacionadas
粤公网安备44030002007346号