據(jù)teslarati報(bào)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(tǒng)的拉自駕駛學(xué)習(xí)機(jī)制。

他在國(guó)際計(jì)算機(jī)視覺(jué)大會(huì)發(fā)表演講后，動(dòng)駕又在社交平臺(tái)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(xì)節(jié)。

特斯拉端到端系統(tǒng)與競(jìng)品的爆料差異

埃盧斯瓦米在帖子中表示，多數(shù)其他自動(dòng)駕駛公司依賴“模塊化、特斯同副多傳感器”系統(tǒng)，拉自會(huì)將“感知、動(dòng)駕規(guī)劃、何不罕控制”三個(gè)環(huán)節(jié)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(jié)整合到一個(gè)“持續(xù)訓(xùn)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(duì)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(gòu)的優(yōu)勢(shì)在于“可擴(kuò)展性”和“類人類推理能力”。結(jié)合真實(shí)駕駛案例，他舉例稱特斯拉AI能學(xué)習(xí)“細(xì)微的價(jià)值判斷”，比如判斷“是繞過(guò)水坑，還是短暫駛?cè)雽?duì)向空車道”。

“自動(dòng)駕駛汽車時(shí)刻面臨‘迷你電車難題’，”?埃盧斯瓦米寫道，“通過(guò)學(xué)習(xí)人類駕駛數(shù)據(jù)，機(jī)器人能掌握與人類價(jià)值觀一致的判斷標(biāo)準(zhǔn)?！?/p>

埃盧斯瓦米強(qiáng)調(diào)，這套系統(tǒng)還能讓AI理解“細(xì)微意圖”，比如識(shí)別路上的動(dòng)物“是打算過(guò)馬路，還是停在原地”。而這類細(xì)微場(chǎng)景，若通過(guò)人工編程實(shí)現(xiàn)難度極高。

應(yīng)對(duì)規(guī)模、可解釋性與仿真三大挑戰(zhàn)

埃盧斯瓦米承認(rèn)，特斯拉AI面臨的挑戰(zhàn)極為艱巨。其AI系統(tǒng)需處理來(lái)自多個(gè)攝像頭、導(dǎo)航地圖和運(yùn)動(dòng)學(xué)數(shù)據(jù)的“數(shù)十億個(gè)輸入數(shù)據(jù)單元”。

為應(yīng)對(duì)這樣的規(guī)模，他表示特斯拉全球車隊(duì)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(dāng)于“500年的人類駕駛時(shí)長(zhǎng)”。隨后，復(fù)雜的數(shù)據(jù)處理流程會(huì)篩選出“最具價(jià)值的訓(xùn)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(cè)試”。公司的“生成式高斯濺射法”?能在毫秒級(jí)時(shí)間內(nèi)重建3D場(chǎng)景，且無(wú)需復(fù)雜設(shè)置就能對(duì)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(cè)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(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(jī)器人Optimus。

“這項(xiàng)工作終將為全人類帶來(lái)巨大益處，”他表示，并稱特斯拉是“當(dāng)前全球AI領(lǐng)域最理想的工作場(chǎng)所”。（轉(zhuǎn)載自電車界）

更多電動(dòng)車資訊請(qǐng)點(diǎn)擊：http://www.evjee.cn/