Tesla는 인공 지능을 사용하여 자율 주행을 향상시킵니다.

Tesla는 지난 주 투자자 회의에서 Dojo 슈퍼컴퓨터가 고성능 컴퓨팅 인프라에 합류하면 자율 주행 기능이 크게 향상될 것이라고 밝혔습니다.

Investor Day 컨퍼런스에서 Tesla Autopilot 소프트웨어 디렉터 Ashok Elluswamy는 FSD(완전 자율 주행) 소프트웨어를 실행하는 Tesla 차량(현재 약 400,000명의 고객)이 다음을 통해 보다 스마트한 자율 주행 결정을 내릴 수 있을 것이라고 말했습니다. 하드웨어 업그레이드를 통해 전반적인 인공 지능(AI) 기능이 향상됩니다.

이 회사는 현재 자동차에 장착된 8대의 카메라에서 시각적 데이터를 실시간으로 수집하고 장애물과 그 움직임, 차량, 도로 및 신호등을 식별하는 3D 출력을 생성하고 의사 결정을 내리는 인공 지능 시스템을 보유하고 있습니다. 자동차 의사결정 작업이 모델링됩니다.

Tesla는 더 많은 시각적 데이터를 얻기 위해 자동차 네트워크를 채굴하고 이를 훈련 모델에 제공합니다. 새로운 문제를 해결하기 위해 지속적으로 학습하는 훈련 모델은 AI가 도로의 패턴을 더 잘 이해하는 데 도움이 됩니다. FSD 소프트웨어 업그레이드를 통해 새로운 지식이 자동차에 입력됩니다.

"이 프로세스를 실행하고 반복하면 점점 더 좋아집니다." Elluswamy는 "확장 가능한 FSD의 솔루션은 아키텍처, 데이터 및 컴퓨팅을 올바르게 얻는 것이며 우리는 세계적 수준의 팀을 구성했습니다. 그들은 이 세 가지 노력을 전면에 내세우고 있습니다."

Tesla가 360,000대 이상의 차량을 리콜하도록 강요하는 소프트웨어 결함으로 인해 FSD의 모든 것이 순조롭게 진행되는 것은 아닙니다. 회사는 무선 업데이트를 통해 소프트웨어 수정 사항을 제공했습니다. Tesla 고객은 월 99달러부터 FSD를 구매할 수 있습니다. 구형 Tesla 모델을 사용하는 일부 고객은 FSD 컴퓨터를 설치하기 위해 추가 비용을 지불해야 합니다. Elluswamy는 FSD가 장착된 Tesla가 여전히 미국 전국 평균보다 5~6배 더 안전하다고 주장합니다.

Elluswamy는 다음과 같이 말했습니다. "시스템의 안전성, 신뢰성 및 편의성을 향상시키면 자동차 사용 방식은 물론 현재 사용되는 방식 이상으로 발전할 무인 운전이 가능해집니다." 이 회사는 데이터 센터의 14,000개 GPU에서 AI 시스템을 실행하고 30페타바이트의 비디오 캐시를 활용할 수 있으며 이는 200페타바이트로 증가하고 있습니다. 자동 라벨링에는 약 4,000개의 GPU가 사용되고, 나머지 10,000개의 GPU는 인공지능 데이터 학습에 사용됩니다.

Elluswamy는 "Dojo(교육용 컴퓨터)를 이 영역에 도입하면 이 모든 것이 크게 증가할 것입니다."

Dojo 시스템은 Tesla가 자체 개발한 D1 칩을 기반으로 하며 22.6테라플롭을 제공할 수 있습니다. FP32 성능. 500억 개의 트랜지스터와 10TBps의 온칩 대역폭, 4TBps의 오프칩 대역폭을 갖추고 있습니다.

D1 칩 세트는 고밀도 ExaPOD 캐비닛에 설치되어 1.1엑사바이트의 BFP16 및 CFP8 성능을 제공합니다. Tesla의 온보드 FSB 컴퓨터는 150테라플롭스의 성능을 제공할 수 있으며 주로 추론에 사용됩니다.

Tesla의 하드웨어 담당 수석 이사인 Ganesh Venkataraman은 작년 Hot Chips 컨퍼런스 연설에서 Tesla가 GPU 및 CPU 확장의 결함 때문에 D1 칩을 만들었다고 말했습니다.

Venkataraman은 다음과 같이 말했습니다. "우리는 많은 병목 현상을 발견했습니다. 먼저 추론 측면에서 FSD 컴퓨터를 사용하는 이유입니다. 그런 다음 비슷한 교육 규모 문제를 발견하기 시작했고 작업량을 이해한 후... 우리는 다음을 기반으로 할 수 있습니다. 출력을 최적화해야 합니다.”

초창기 Tesla의 AI 시스템은 단일 카메라와 단일 비디오 프레임에 의존했으며, 이는 자율주행 자동차 계획 시스템의 후처리에서 결합되었습니다.

Elluswamy는 "매우 취약했고 큰 성공으로 이어지지 못했습니다."라고 말했습니다.

지난 몇 년 동안 Tesla는 "멀티 카메라 비디오 세계"로 변모했습니다. 각 차량에는 시각적 정보를 AI 시스템에 공급하는 8개의 카메라가 있으며, AI 시스템은 3D 출력 공간을 생성합니다. AI는 장애물 유무, 이동 경로, 차선, 도로, 신호등 등에 대한 결정을 내립니다.

작업 모델링은 컴퓨터 비전을 뛰어넘어 Transformers, 주의 모듈 및 토큰의 자동 회귀 모델링을 포함하여 ChatGPT와 같은 인공 지능 시스템에 사용되는 기술을 사용합니다.

Elluswamy는 다음과 같이 말했습니다. "인식에 대한 이러한 엔드투엔드 솔루션을 통해 우리는 실제로 취약한 후처리 단계를 제거하고 계획 시스템에 고품질 출력을 제공합니다. 계획 시스템조차도 정적이지 않습니다. 더 보기 그리고 이제 이 문제를 해결하기 위해 더 많은 인공지능 시스템이 사용되기 시작했습니다.”

자율주행차는 실시간으로 원활하고 안전한 결정을 내리기 위해 신속하게 대응해야 합니다. Elluswamy는 자율주행차가 주변 환경(보행자 및 신호등 포함)과 상호작용한 후 운전 결정을 내릴 수 있는 50밀리초 응답 시간의 예를 제시했습니다.

그것은 엄청난 양의 데이터이며, 기존 컴퓨팅에서는 "각 데이터 조각에 10밀리초의 계산 시간이 필요하며 이는 쉽게 1,000밀리초를 초과할 수 있습니다. 이는 용납할 수 없는 일입니다. 하지만 AI를 사용하면 우리는 이를 압축할 수 있습니다."라고 Elluswamy는 말했습니다. 이 모든 것이 50밀리초의 계산으로 실시간 실행될 수 있습니다.”

Tesla는 전 세계의 다양한 도로 상황과 교통 동향에 대한 데이터를 수집하여 차량을 보강하고 있습니다. . Tesla는 알고리즘을 사용하여 차선, 도로 경계, 연석, 횡단보도 및 기타 이미지를 재구성한 후 자동차의 탐색을 돕는 기초로 사용합니다.

Elluswamy는 "이는 차량에 있는 다양한 자동차의 다양한 조각을 수집하고 모든 조각을 자동차 주변 세계의 통합된 표현으로 결합함으로써 달성됩니다."라고 말했습니다. 시스템에서는 훈련 모델이 지속적으로 재구성됩니다. 네트워크를 교육하기 위해 Tesla는 수집된 데이터에 복잡한 자동 라벨링 파이프라인을 구축하고, 이에 대해 계산 알고리즘을 실행한 다음, 이러한 네트워크를 교육하기 위한 라벨을 생성했습니다.

Elluswamy는 "기초 재구성이 완료되면 기초 위에 다양한 시뮬레이션을 구축하여 훈련을 위한 무한히 다양한 데이터를 생성할 수 있습니다." Tesla는 적대적인 날씨, 조명 조건, 심지어는 심지어는 합성할 수 있는 강력한 시뮬레이터를 보유하고 있습니다. 다른 물체의 움직임. "데이터를 추가할 때마다 성능이 향상됩니다.

위 내용은 Tesla는 인공 지능을 사용하여 자율 주행을 향상시킵니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!