Linha de Apoio
Colunista
Colunista
Pontos-chave da interpretação da solução de condução autônoma FSD da Tesla
2024-05-15
2252
Visita de Elon Musk a Pequim: quebrando o gelo com o FSD China
Pouco depois da visita de Musk a Pequim, a Associação Chinesa de Fabricantes de Automóveis e o Centro Nacional de Coordenação de Resposta a Emergências da Rede Informática emitiram um aviso sobre o teste de quatro requisitos de segurança para processamento de dados automotivos. A Tesla, como empresa com financiamento estrangeiro, tornou-se um dos primeiros fabricantes de automóveis a cumprir todos os quatro requisitos. No FSD V12, a Tesla fez melhorias significativas em seus algoritmos de navegação e planejamento de rotas. A nova versão do sistema de navegação pode planejar rotas de condução de forma inteligente, levando em consideração vários fatores, como condições de trânsito, mudanças na estrada e preferências do motorista. Além disso, a nova versão do FSD possui capacidades mais fortes de análise de tráfego em tempo real, permitindo ajustar rotas com base nas condições reais, garantindo uma experiência de condução mais suave. Embora as empresas automóveis chinesas estejam atrasadas na tecnologia subjacente à condução autónoma, têm vantagens na ecologia e nas cadeias de abastecimento. Com o desenvolvimento da infraestrutura de transporte inteligente, espera-se que integrem produtos mais competitivos.
Com a tecnologia de condução autônoma de ponta a ponta alcançada pelo FSD V12, a Tesla só precisa usar dados de direção locais abundantes para treinar modelos de direção inteligentes, proporcionando uma experiência de direção superior. Além disso, ao reduzir significativamente o uso de código baseado em regras, a Tesla não precisa estabelecer uma equipe de milhares de engenheiros de algoritmos de condução inteligentes na China. Com apenas uma equipe de operações locais de cerca de 20 pessoas e uma equipe de rotulagem de dados de centenas de pessoas, a Tesla pode garantir o pouso e a operação suaves do FSD no mercado chinês.
Em 16 de maio de 2023, depois de falar na assembleia anual de acionistas da Tesla, Musk deu uma entrevista à CNBC, um conhecido meio de comunicação financeiro americano.
Ao discutir as capacidades de IA da Tesla, Musk disse que a Tesla está muito à frente na IA do mundo real e pode ser considerada incomparável. Ele então respondeu à pergunta do anfitrião sobre ChatGPT e IA generativa:
"Acho que Tesla também terá um 'momento ChatGPT', se não este ano, então não acho que será depois do próximo ano. Isso significa que um dia, de repente, 3 milhões de veículos Tesla poderão dirigir sozinhos... então são 5 milhões, depois são 10 milhões...
Se trocarmos as nossas posições, com a Tesla a construir um modelo de linguagem que produz resultados não piores do que o ChatGPT, e a Microsoft e a OpenAI a trabalharem na condução autónoma, se trocarmos as nossas tarefas, não há dúvida de que venceremos."
FSD é uma arquitetura de software e hardware de direção autônoma full-link
Arquitetura FSD: Uma estrutura abrangente de software e hardware de direção autônoma de ponta a ponta é construída em vários níveis, incluindo dados, algoritmos e poder computacional, abrangendo percepção, planejamento e execução.
Planejamento: aborda essencialmente problemas de planejamento de caminhos de vários objetos, gerenciando trajetórias para si e para todos os objetos para orientar o veículo na conclusão das ações de execução correspondentes.
Redes Neurais: Analise entradas como fluxos de vídeo para gerar estados cinemáticos completos (posição/velocidade/aceleração/rugosidade) controlando o veículo.
Dados de treinamento: utiliza tecnologia de anotação automática 4D de última geração, simulação atualizada e recursos de computação em nuvem para formar um sistema de dados de circuito fechado.
Infraestrutura de treinamento: Inclui CPU, GPU, unidades aceleradoras de rede neural e um compilador de IA. O compilador de IA oferece suporte a novas operações exigidas pelas redes neurais, mapeando-as para recursos de hardware subjacentes ideais.
Compilação e inferência de IA: aborda a execução de redes neurais em computadores. O mecanismo de inferência atual pode alocar a execução de uma única rede neural a dois sistemas de chips independentes, semelhante a ter dois computadores separados conectados no mesmo computador de direção autônoma.
Em comparação com soluções modulares, como modelos especializados e modelos híbridos, as soluções completas de condução autônoma integram percepção, planejamento e controle, eliminando códigos baseados em regras de cada módulo. As informações coletadas de vários sensores são inseridas diretamente em redes neurais complexas de grande escala, que, após computação, podem gerar comandos de controle de direção diretamente, resultando em um sistema ponta a ponta. A vantagem mais significativa é a redução da dependência de mapas de alta precisão e a redução de custos em fases intermédias; o modelo tem um limite superior alto e pode alcançar soluções ótimas globais aproximadas. As desvantagens incluem aprendizado inicial mais lento do modelo, exigindo enormes dados de treinamento para que o modelo surja e alcance um progresso rápido, menos explicação para cenários simples em comparação com arquiteturas modulares, uma alta barreira de entrada devido a um piso de modelo baixo; fraca interpretabilidade da "caixa preta" no meio, resultando potencialmente em comportamentos de decisão mais inexplicáveis do que os modelos especializados.
O “Modo Sombra” de Tesla também fornece suporte crucial para o progresso do FSD.
Ao coletar vários dados de direção durante os processos de direção do usuário, a Tesla pode obter dados de casos de canto de alto valor, otimizando continuamente o desempenho do FSD. Esses dados são armazenados no data center da Tesla e, após análise e processamento pelo mecanismo de dados, podem ser usados como materiais de treinamento para o sistema, melhorando ainda mais a precisão e a confiabilidade do FSD.
HW4.0 tem maior poder de computação e modelos grandes progridem notavelmente.
As principais fontes de progresso técnico nesta versão beta pública do FSD podem vir dos seguintes aspectos: Primeiro, o FSD Beta V12 foi atualizado para a plataforma HW4.0, fornecendo suporte de hardware mais forte para o sistema. As atualizações de hardware HW4.0 aumentam a taxa de quadros em 4 quadros por segundo para câmeras, permitindo um processamento mais rápido de dados de imagem e melhorando o reconhecimento de detalhes da estrada. Além disso, o poder computacional do HW4.0 é duplicado em comparação ao HW3.0, permitindo que o FSD execute processamento e cálculos mais eficientes, agilizando a tomada de decisões.
Musk disse que a taxa de intervenção do FSD V12 é de apenas um por cento do V11
O CEO da Tesla, Elon Musk, disse terça-feira na plataforma X que a taxa de intervenção da versão V12 do software "Full Self-Driving" (FSD) da Tesla é de apenas um por cento da versão V11. Um usuário postou: "Em comparação com o V11, a frequência de intervenção do V12 será reduzida em mais de 100 vezes. Esta não é uma atualização gradual, mas um salto.
Tesla investirá cerca de US$ 10 bilhões em treinamento e inferência de IA
Musk também acrescentou que qualquer empresa que não consiga gastar pelo menos 10 mil milhões de dólares anualmente ou implementá-los de forma eficiente não pode competir no mercado.
Recentemente, o FSD V12 ponta a ponta da Tesla começou gradualmente a ser implementado em larga escala para usuários norte-americanos. Em suma, o FSD V12 atinge o objetivo de condução autônoma através de uma grande quantidade de dados de treinamento em vídeo, permitindo que Tesla elimine centenas de milhares de linhas de código. No entanto, treinar essa direção autônoma de IA requer uma grande quantidade de poder computacional. Musk disse em uma transmissão ao vivo em agosto passado que a Tesla está prestes a lançar um cluster de GPU composto por 10,000 Nvidia H100s para treinar o novo sistema FSD.
O fundador, presidente e CEO da AutoX, Xiao Jianxiong, disse ao First Financial Journalists que o FSD da Tesla usou algoritmos de aprendizado profundo de ponta a ponta, que melhoraram significativamente o desempenho em comparação com antes. No passado, ele dependia de algoritmos de regras baseados em código escritos manualmente e agora usa um grande modelo de rede treinado com dados.
Recomendações relacionadas
粤公网安备44030002007346号