Layanan Hotline
Kolumnis
Kolumnis
Poin-poin penting dari interpretasi solusi mengemudi otonom FSD Tesla
2024-05-15
2252
Kunjungan Elon Musk ke Beijing: Memecah Kebekuan dengan FSD China
Tak lama setelah kunjungan Musk ke Beijing, Asosiasi Produsen Mobil Tiongkok dan Pusat Koordinasi Tanggap Darurat Jaringan Komputer Nasional mengeluarkan pemberitahuan tentang pengujian empat persyaratan keamanan untuk pemrosesan data mobil. Tesla, sebagai perusahaan yang didanai asing, menjadi salah satu perusahaan mobil pertama yang memenuhi keempat persyaratan tersebut. Di FSD V12, Tesla membuat peningkatan signifikan pada algoritma navigasi dan perencanaan rutenya. Sistem navigasi versi baru dapat merencanakan rute berkendara dengan cerdas, dengan mempertimbangkan berbagai faktor seperti kondisi lalu lintas, perubahan jalan, dan preferensi pengemudi. Selain itu, versi baru FSD memiliki kemampuan analisis lalu lintas real-time yang lebih kuat, memungkinkannya menyesuaikan rute berdasarkan kondisi aktual, sehingga memastikan pengalaman berkendara yang lebih lancar. Meskipun perusahaan mobil Tiongkok tertinggal dalam hal teknologi yang mendasari mengemudi otonom, mereka memiliki keunggulan dalam hal ekologi dan rantai pasokan. Dengan pembangunan infrastruktur transportasi cerdas, diharapkan dapat mengintegrasikan produk yang lebih kompetitif.
Dengan teknologi mengemudi otonom menyeluruh yang dicapai oleh FSD V12, Tesla hanya perlu menggunakan data mengemudi lokal yang melimpah untuk melatih model mengemudi yang cerdas, sehingga memberikan pengalaman berkendara yang unggul. Selain itu, dengan mengurangi penggunaan kode berbasis aturan secara signifikan, Tesla tidak perlu membentuk tim yang terdiri dari ribuan insinyur algoritma mengemudi cerdas di Tiongkok. Dengan hanya tim operasi lokal yang terdiri dari sekitar 20 orang dan tim pelabelan data yang terdiri dari ratusan orang, Tesla dapat memastikan kelancaran pendaratan dan pengoperasian FSD di pasar Tiongkok.
Pada 16 Mei 2023, setelah berbicara pada rapat pemegang saham tahunan Tesla, Musk memberikan wawancara kepada CNBC, outlet media keuangan terkenal Amerika.
Saat membahas kemampuan AI Tesla, Musk mengatakan bahwa Tesla jauh lebih maju dalam AI di dunia nyata dan bisa dikatakan tak tertandingi. Dia kemudian menjawab pertanyaan pembawa acara tentang ChatGPT dan AI generatif:
“Saya pikir Tesla juga akan memiliki 'momen ChatGPT', jika bukan tahun ini, maka saya kira paling lambat tahun depan. Artinya, suatu hari, tiba-tiba, 3 juta kendaraan Tesla bisa mengemudi sendiri... lalu 5 juta, lalu 10 juta...
Jika kita bertukar posisi, dengan Tesla membangun model bahasa yang memberikan hasil yang tidak lebih buruk dari ChatGPT, dan Microsoft serta OpenAI bekerja pada mengemudi otonom, jika kita bertukar tugas, tidak ada keraguan kita akan menang.”
FSD adalah arsitektur perangkat lunak dan perangkat keras penggerak otonom full-link
Arsitektur FSD: Kerangka kerja perangkat lunak dan perangkat keras otonom menyeluruh yang komprehensif dibangun di berbagai tingkatan termasuk data, algoritme, dan daya komputasi, yang mencakup persepsi, perencanaan, dan pelaksanaan.
Perencanaan: Pada dasarnya mengatasi masalah perencanaan jalur multi-objek, mengelola lintasan untuk diri sendiri dan semua objek untuk memandu kendaraan dalam menyelesaikan tindakan eksekusi yang sesuai.
Jaringan Neural: Menganalisis input seperti aliran video untuk menghasilkan status kinematik lengkap (posisi/kecepatan/akselerasi/kekasaran) yang mengendalikan kendaraan.
Data Pelatihan: Memanfaatkan teknologi anotasi otomatis 4D yang canggih, simulasi yang ditingkatkan, dan sumber daya komputasi awan untuk membentuk sistem data loop tertutup.
Infrastruktur Pelatihan: Termasuk CPU, GPU, unit Akselerator Jaringan Neural, dan kompiler AI. Kompiler AI mendukung operasi baru yang diperlukan oleh jaringan saraf, memetakannya ke sumber daya perangkat keras dasar yang optimal.
Kompilasi & Inferensi AI: Alamat yang menjalankan jaringan saraf di komputer. Mesin inferensi saat ini dapat mengalokasikan eksekusi jaringan saraf tunggal ke dua sistem chip independen, seperti memiliki dua komputer terpisah yang terhubung dalam komputer penggerak otonom yang sama.
Dibandingkan dengan solusi modular seperti model ahli dan model hybrid, solusi mengemudi otonom ujung ke ujung mengintegrasikan persepsi, perencanaan, dan kontrol, menghilangkan kode berbasis aturan dari setiap modul. Informasi yang dikumpulkan dari beberapa sensor langsung dimasukkan ke dalam jaringan saraf kompleks berskala besar, yang, setelah komputasi, dapat langsung mengeluarkan perintah kontrol mengemudi, sehingga menghasilkan sistem end-to-end. Keuntungan yang paling signifikan adalah mengurangi ketergantungan pada peta berpresisi tinggi dan mengurangi biaya pada tahap perantara; model tersebut memiliki batas atas yang tinggi dan dapat mencapai perkiraan solusi optimal global. Kerugiannya mencakup pembelajaran model awal yang lebih lambat, memerlukan data pelatihan yang sangat besar agar model dapat muncul dan mencapai kemajuan yang cepat, penjelasan yang lebih sedikit untuk skenario sederhana dibandingkan dengan arsitektur modular, hambatan masuk yang tinggi karena lantai model yang rendah; interpretasi yang buruk dari "kotak hitam" di tengah, berpotensi menghasilkan perilaku pengambilan keputusan yang lebih tidak dapat dijelaskan dibandingkan model ahli.
"Mode Bayangan" Tesla juga memberikan dukungan penting untuk kemajuan FSD.
Dengan mengumpulkan berbagai data mengemudi selama proses mengemudi pengguna, Tesla dapat memperoleh data kasus sudut bernilai tinggi, yang terus mengoptimalkan kinerja FSD. Data ini disimpan di pusat data Tesla, dan setelah dianalisis dan diproses oleh mesin data, data tersebut dapat digunakan sebagai materi pelatihan untuk sistem, yang selanjutnya meningkatkan akurasi dan keandalan FSD.
HW4.0 memiliki daya komputasi yang lebih kuat, dan model besar mengalami kemajuan yang luar biasa.
Sumber utama kemajuan teknis dalam FSD versi beta publik ini mungkin berasal dari aspek berikut: Pertama, FSD Beta V12 telah diperbarui untuk platform HW4.0, memberikan dukungan perangkat keras yang lebih kuat untuk sistem. Peningkatan perangkat keras HW4.0 meningkatkan kecepatan bingkai sebesar 4 bingkai per detik untuk kamera, memungkinkan pemrosesan data gambar lebih cepat dan meningkatkan pengenalan detail jalan. Selain itu, daya komputasi HW4.0 dua kali lipat dibandingkan HW3.0, memungkinkan FSD melakukan pemrosesan dan perhitungan yang lebih efisien, sehingga mempercepat pengambilan keputusan.
Musk mengatakan tingkat intervensi FSD V12 hanya satu persen dari V11
CEO Tesla Elon Musk mengatakan pada hari Selasa di platform X bahwa tingkat intervensi perangkat lunak "Full Self-Driving" (FSD) Tesla versi V12 hanya satu persen dari versi V11. Seorang pengguna memposting, "Dibandingkan dengan V11, frekuensi intervensi V12 akan berkurang lebih dari 100 kali lipat. Ini bukan peningkatan bertahap, tetapi sebuah lompatan.
Tesla akan menginvestasikan sekitar $10 miliar dalam pelatihan dan inferensi AI
Musk juga menambahkan bahwa perusahaan mana pun yang tidak dapat menghabiskan setidaknya $10 miliar per tahun atau menerapkannya secara efisien tidak akan dapat bersaing di pasar.
Baru-baru ini, FSD V12 end-to-end Tesla secara bertahap mulai diluncurkan ke pengguna Amerika Utara dalam skala besar. Singkatnya, FSD V12 mencapai tujuan mengemudi otonom melalui sejumlah besar data pelatihan video, memungkinkan Tesla menghilangkan ratusan ribu baris kode. Namun, pelatihan mengemudi otonom AI memerlukan daya komputasi yang besar. Musk mengatakan dalam siaran langsung Agustus lalu bahwa Tesla akan meluncurkan cluster GPU yang terdiri dari 10,000 Nvidia H100 untuk melatih sistem FSD baru.
Pendiri, ketua, dan CEO AutoX Xiao Jianxiong mengatakan kepada First Financial Journalists bahwa FSD Tesla telah menggunakan algoritme pembelajaran mendalam ujung ke ujung, yang telah meningkatkan kinerja secara signifikan dibandingkan sebelumnya. Di masa lalu, ini bergantung pada algoritma aturan berbasis kode yang ditulis secara manual, dan sekarang menggunakan jaringan model besar yang dilatih dengan data.
Rekomendasi Terkait
粤公网安备44030002007346号