テスラは人工知能を使用して自動運転を改善します

テスラは先週の投資家会議で、Dojoスーパーコンピューターが自社の高性能コンピューティングインフラに加わることで自動運転機能が大幅に向上すると述べた。

Tesla Autopilot ソフトウェアのディレクター、Ashok Elluswamy 氏は、Investor Day ミーティングでのスピーチの中で、FSD (完全自動運転) を実行していると述べました。 ) ソフトウェアベースのテスラ車 (現在約 400,000 台の顧客) は、ハードウェアのアップグレードを通じて、より賢明な自動運転の意思決定を行うことができるようになり、全体的な人工知能 (AI) 機能が向上します。

同社は現在、車両に搭載された 8 台のカメラから視覚データをリアルタイムで収集し、障害物とその動き、車両、道路、交通を識別する 3D 出力を生成する人工知能システムを導入しています。信号機と車の意思決定を支援するタスクのモデリング。

Tesla は、自動車ネットワークをマイニングしてより多くの視覚データを取得し、それをトレーニング モデルにフィードします。モデルをトレーニングして新しい問題を解決する方法を継続的に学習することで、AI が道路上のパターンをよりよく理解できるようになります。 FSD ソフトウェアのアップグレードを通じて、新しい知識が車にインプットされます。

「このプロセスを実行して繰り返すと、どんどん良くなっていきます。スケーラブルな FSD の解決策は、アーキテクチャ、データ、計算を適切に行うことです。

FSDにとってすべてが順風満帆というわけではなく、ソフトウェアの不具合によりテスラは追加購入を余儀なくされ、リコールが必要となった。 36万台以上の車両。同社は無線アップデートを通じてソフトウェア修正を提供しました。 Tesla の顧客は、月額 99 ドルから FSD を購入できます。古い Tesla モデルを使用している一部の顧客は、FSD コンピューターをインストールするために追加料金を支払う必要もあります。エラスワミー氏は、FSDを搭載したテスラは依然として米国の全国平均より5～6倍安全だと主張している。

#エルスワミーは次のように述べています。「当社のシステムの安全性、信頼性、快適性を向上させることで、無人運転が可能になり、現在の車の使い方を超えた新しい車の使い方が可能になります。 "

現在、同社はデータ センターの 14,000 個の GPU で AI システムを実行し、30 ペタバイトのビデオ キャッシュを利用できますが、これは 200 ペタバイトに増加しています。約 4,000 GPU は自動ラベル付けに使用され、残りの 10,000 GPU は人工知能データ トレーニングに使用されます。

「Dojo (トレーニング コンピューター) をこのスペースに導入すると、そのすべてが大幅に増加します。」 エラスワミー氏

Dojo システムは、22.6 兆の FP32 パフォーマンスを提供できる Tesla の自社開発 D1 チップに基づいています。 500億個のトランジスタと10TBpsのオンチップ帯域幅、および4TBpsのオフチップ帯域幅を備えています。

D1 チップのセットは高密度 ExaPOD キャビネットに収容され、1.1 エクサバイトの BFP16 および CFP8 パフォーマンスを実現します。 Tesla のオンボード FSB コンピューターは 150 テラフロップスのパフォーマンスを提供でき、主に推論に使用されます。

Tesla のハードウェア担当シニア ディレクターであるガネーシュ ヴェンカタラマン氏は、昨年の Hot Chips カンファレンスでの講演で、Tesla が D1 チップを製造したのは、既存の GPU と CPU の拡張機能に欠陥があるためであると述べました。

Venkataraman 氏は次のように述べています。「私たちは多くのボトルネックに気づきました。まず推論側で、それが私たちが FSD コンピューターを行う理由です。その後、同様のトレーニング スケールの問題に気づき始め、その後の作業を理解しました。」測定...出力のニーズに基づいてシステムを最適化できます。」

# 初期のテスラの AI システムは 1 台のカメラと 1 フレームのビデオに依存していましたが、その後は自律型システムに依存していました。車のスプライシングは、計画システムの後処理で行われます。

「それは非常に脆弱で、大きな成功にはつながりませんでした」とエルスワミー氏は語った。

######### ここ数年で、テスラは「マルチカメラビデオの世界」に変わりました。各車両には 8 台のカメラが搭載されており、視覚情報を AI システムに入力し、3D 出力空間を生成します。 AIは障害物の存在、その動き、車線、道路、信号機などについて判断します。 ######

タスク モデリングはコンピューター ビジョンを超え、トランスフォーマー、アテンション モジュール、トークン モデリングの自己回帰など、ChatGPT などの人工知能システムで使用される手法を使用します。

#エルスワミー氏は次のように述べています。「認識システムに対するこのようなエンドツーエンドのソリューションにより、脆弱な後処理ステップを実際に排除し、計画システムに高品質の出力を提供できます。 「計画システムですら静的なものではありません。この問題を解決するために、現在、ますます多くの人工知能システムが使用され始めています。」

自動運転車は、スムーズに走行するために迅速に応答する必要があります。 、リアルタイムの意思決定、安全な意思決定。エラスワミー氏は、自動運転車が周囲の環境（歩行者や信号機を含む）と対話した後に運転の意思決定を行える50ミリ秒の応答時間の例を挙げた。

これは大量のデータであり、従来のコンピューティングでは、「各データには 10 ミリ秒の計算時間が必要で、1,000 ミリ秒を軽く超える可能性があります。これは受け入れられません。」 AI を使用して、これらすべてを 50 ミリ秒の計算にパッケージ化し、リアルタイムで実行できるようにしました」とエルスワミー氏は述べています。 ##テスラは、世界中のさまざまな道路状況や交通傾向に関する車両データを収集することで生データを増強しています。テスラはアルゴリズムを使用して車線、道路境界線、縁石、横断歩道、その他の画像を再構築し、車のナビゲーションを支援するための基礎として使用します。

#これは、車両内のさまざまな車のさまざまな断片を収集し、すべての断片を組み合わせて車の周囲の世界を統一的に表現することによって実現されます」とエルスワミー氏は述べています。

##より多くのデータがシステムに入力されると、トレーニング モデルは継続的に再構築されます。ネットワークをトレーニングするために、テスラは収集したデータに複雑な自動ラベル付けパイプラインを構築し、その上で計算アルゴリズムを実行し、これらのネットワークをトレーニングするためのラベルを生成しました。

###########################「基礎の再構築が完了したら、基礎の上にさまざまなシミュレーションを構築して、トレーニング用に無限の種類のデータを生成します。」 テスラには、敵対的な天候、照明条件、さらには他のオブジェクトの動きさえも合成できる強力なシミュレーターがあります。 「データを追加するたびにパフォーマンスが向上します。」######

以上がテスラは人工知能を使用して自動運転を改善しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。