據teslarati報道，特斯同副特斯拉AI/自動(dòng)駕駛軟件副總裁阿肖克·埃盧斯瓦米罕見(jiàn)揭秘了公司AI系統的拉自駕駛學(xué)習機制。

他在國際計算機視覺(jué)大會(huì )發(fā)表演講后，動(dòng)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。

特斯拉端到端系統與競品的爆料差異

埃盧斯瓦米在帖子中表示，多數其他自動(dòng)駕駛公司依賴(lài)“模塊化、特斯同副多傳感器”系統，拉自會(huì )將“感知、動(dòng)駕規劃、何不罕控制”三個(gè)環(huán)節拆分開(kāi)來(lái)?？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(gè)環(huán)節整合到一個(gè)“持續訓練的神經(jīng)網(wǎng)絡(luò )”中?！疤荻葧?huì )從控制層一直流向傳感器輸入層，拉自從而對整個(gè)網(wǎng)絡(luò )進(jìn)行全局優(yōu)化，動(dòng)駕”他解釋道。

他提到，這種架構的優(yōu)勢在于“可擴展性”和“類(lèi)人類(lèi)推理能力”。結合真實(shí)駕駛案例，他舉例稱(chēng)特斯拉AI能學(xué)習“細微的價(jià)值判斷”，比如判斷“是繞過(guò)水坑，還是短暫駛入對向空車(chē)道”。

“自動(dòng)駕駛汽車(chē)時(shí)刻面臨‘迷你電車(chē)難題’，”?埃盧斯瓦米寫(xiě)道，“通過(guò)學(xué)習人類(lèi)駕駛數據，機器人能掌握與人類(lèi)價(jià)值觀(guān)一致的判斷標準?！?/p>

埃盧斯瓦米強調，這套系統還能讓AI理解“細微意圖”，比如識別路上的動(dòng)物“是打算過(guò)馬路，還是停在原地”。而這類(lèi)細微場(chǎng)景，若通過(guò)人工編程實(shí)現難度極高。

應對規模、可解釋性與仿真三大挑戰

埃盧斯瓦米承認，特斯拉AI面臨的挑戰極為艱巨。其AI系統需處理來(lái)自多個(gè)攝像頭、導航地圖和運動(dòng)學(xué)數據的“數十億個(gè)輸入數據單元”。

為應對這樣的規模，他表示特斯拉全球車(chē)隊提供了堪稱(chēng)“數據尼亞加拉瀑布”的海量數據——每天產(chǎn)生的駕駛數據量相當于“500年的人類(lèi)駕駛時(shí)長(cháng)”。隨后，復雜的數據處理流程會(huì )篩選出“最具價(jià)值的訓練樣本”。

特斯拉還開(kāi)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(shí)間內重建3D場(chǎng)景，且無(wú)需復雜設置就能對動(dòng)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(shí)時(shí)生成“高分辨率、符合因果邏輯的響應”。

埃盧斯瓦米在結尾提到，這套架構最終將應用于特斯拉人形機器人Optimus。

“這項工作終將為全人類(lèi)帶來(lái)巨大益處，”他表示，并稱(chēng)特斯拉是“當前全球AI領(lǐng)域最理想的工作場(chǎng)所”。（轉載自電車(chē)界）

更多電動(dòng)車(chē)資訊請點(diǎn)擊：http://www.evjee.cn/