據(jù)teslarati報道，特斯同副特斯拉AI/自動駕駛軟件副總裁阿肖克·埃盧斯瓦米罕見揭秘了公司AI系統(tǒng)的拉自駕駛學習機制。
他在國際計算機視覺大會發(fā)表演講后，動駕又在社交平臺X上發(fā)布帖子，何不罕分享了特斯拉“端到端”神經(jīng)網(wǎng)絡(luò)的總裁細節(jié)。
特斯拉端到端系統(tǒng)與競品的爆料差異
埃盧斯瓦米在帖子中表示，多數(shù)其他自動駕駛公司依賴“模塊化、特斯同副多傳感器”系統(tǒng)，拉自會將“感知、動駕規(guī)劃、何不罕控制”三個環(huán)節(jié)拆分開來?？偛?/p>
與之相反，爆料他指出特斯拉的特斯同副方案是將這三個環(huán)節(jié)整合到一個“持續(xù)訓練的神經(jīng)網(wǎng)絡(luò)”中?！疤荻葧目刂茖右恢绷飨騻鞲衅鬏斎雽樱詮亩鴮φ麄€網(wǎng)絡(luò)進行全局優(yōu)化，動駕”他解釋道。
他提到，這種架構(gòu)的優(yōu)勢在于“可擴展性”和“類人類推理能力”。結(jié)合真實駕駛案例，他舉例稱特斯拉AI能學習“細微的價值判斷”，比如判斷“是繞過水坑，還是短暫駛?cè)雽ο蚩哲嚨馈薄?/p>
“自動駕駛汽車時刻面臨‘迷你電車難題’，”?埃盧斯瓦米寫道，“通過學習人類駕駛數(shù)據(jù)，機器人能掌握與人類價值觀一致的判斷標準。”
埃盧斯瓦米強調(diào)，這套系統(tǒng)還能讓AI理解“細微意圖”，比如識別路上的動物“是打算過馬路，還是停在原地”。而這類細微場景，若通過人工編程實現(xiàn)難度極高。
應(yīng)對規(guī)模、可解釋性與仿真三大挑戰(zhàn)
埃盧斯瓦米承認，特斯拉AI面臨的挑戰(zhàn)極為艱巨。其AI系統(tǒng)需處理來自多個攝像頭、導航地圖和運動學數(shù)據(jù)的“數(shù)十億個輸入數(shù)據(jù)單元”。
為應(yīng)對這樣的規(guī)模，他表示特斯拉全球車隊提供了堪稱“數(shù)據(jù)尼亞加拉瀑布”的海量數(shù)據(jù)——每天產(chǎn)生的駕駛數(shù)據(jù)量相當于“500年的人類駕駛時長”。隨后，復雜的數(shù)據(jù)處理流程會篩選出“最具價值的訓練樣本”。
特斯拉還開發(fā)了工具，以確保神經(jīng)網(wǎng)絡(luò)“可解釋、可測試”。公司的“生成式高斯濺射法”?能在毫秒級時間內(nèi)重建3D場景，且無需復雜設(shè)置就能對動態(tài)物體建模。
此外，特斯拉的“神經(jīng)世界模擬器”能讓工程師在“高仿真虛擬環(huán)境”中安全測試新的駕駛模型，實時生成“高分辨率、符合因果邏輯的響應(yīng)”。
埃盧斯瓦米在結(jié)尾提到，這套架構(gòu)最終將應(yīng)用于特斯拉人形機器人Optimus。
“這項工作終將為全人類帶來巨大益處，”他表示，并稱特斯拉是“當前全球AI領(lǐng)域最理想的工作場所”。（轉(zhuǎn)載自電車界）
更多電動車資訊請點擊：http://www.evjee.cn/
相關(guān)文章
精彩導讀
熱門資訊
關(guān)注我們
