Tesla AI Day -特斯拉自动驾驶FSD的进展和算法软件技术之算法-600学习网

600学习网终身会员188,所有资源无秘无压缩-购买会员

2022年的特斯拉人工智能日分为三个主题:人工智能机器人擎天柱.人工智能驾驶FSD和人工智能超级计算芯片技术。在上一篇文章”特斯拉人工智能日-关于特斯拉机器人的进步和技术”中,我简要介绍了其机器人开发平台的一些硬件技术和开发思路。在本文中,我将介绍第二部分。本部分主要介绍其人工智能算法技术,这也是其汽车和机器人共享的底层算法。它是硬核和沉重的。在介绍算法之前,让我们先看看特斯拉自动驾驶FSD的一些进展。特斯拉表示,将于2021交付的特斯拉应该从硬件层面支持自动驾驶(这里是”自动驾驶”,而不是我之前文章中常用的”智能驾驶”一词)。特斯拉团队现在正在做的是逐步提高自动驾驶水平。

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

目前,其自主驾驶软件FSD的用户数量已从2021的2000年达到16万。仅去年一年,就通过480万段数据训练了7.5万多个算法模块,其中281个算法模块交付给车辆,并发布了35个版本。当然,特斯拉仍然吹嘘他们认为特斯拉可以支持点对点自动驾驶。要了解什么是点对点自动驾驶,您可以单击”谈论高级智能驾驶-导航辅助技术和发展”。它包括从停车场开始的城市驾驶交通灯识别.停车和驾驶.交叉口与其他车辆之间的交互.转弯等。当然,除了版本迭代的内部流程数据外,使用FSD的客户数量在一年内增加了80倍,这是等价姓方面进展的良好表达。此外,目前尚不清楚消费者感知改善的进展情况。您迭代了多少版本.使用了多少数据以及有多少消费者为其付费并不意味着您拥有良好的体验。

事实上,如果特斯拉能够通过使用KPI(每次干预公里数)来显示其进步,这是加州交通管理局用于评估自动驾驶性能的指标,在文章”2021DMV自动驾驶公司KPI排名”中介绍。以上是特斯拉自动驾驶FSD的最新进展。总体而言,数据令人印象深刻,但消费者感知的直接改善并不特别明显。

至于特斯拉FSD的算法技术,今年的特斯拉2022人工智能日将从终端用户感受到的使用问题开始,讨论其FSD背后的技术,然后逐步深入算法背后的算法创新和优化,以及算法背后的数据培训。在这里,我将他的总结分为以下四个部分,并在两篇文章中分享:

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

特斯拉AI日-特斯拉自动驾驶FSD和算法软件技术的进展

1.路径和运动规划算法:当算法嵌入终端(汽车或机器人)时,终端将通过算法感知环境并规划路径,以确保安全.顺利地进行。

2.环境感知算法:-占用算法,即主动空间检测

车道和对象车道和对象算法,交通中的信息语义层,即车道线.对象识别和运动信息。

特斯拉AI日-特斯拉自动驾驶FSD的进展以及算法技术的数据和计算

3.训练算法设施和软件:

-训练数据设施,超级计算中心用于支持数据处理和算法训练。-人工智能算法的编译和推理是训练算法框架和软件方法。

4.数据注释.收集和虚拟化:-自动注释算法。训练环境感知算法必须需要带有标签的数据。自动注释算法是注释数据。训练环境感知算法识别这样的场景或对象。

-虚拟环境,合成制造虚拟场景。-数据引擎.真实场景车辆.获取真实场景环境数据的测试软件.闭环数据引擎.校正标签等。

我希望我能给你带来一些信息。当然,特斯拉的算法有点伤脑筋,所以错误是不可避免的。请更正它们

特斯拉表示,第5步是最困难的,因为随着每一步约束的增加,每一个新的轨迹生成操作都需要1-5ms。在这种情况下,如果你考虑100多个方案,显然需要0.5秒来计算。特斯拉提出了一种轻量级的可查询网络-轻量级的.可查询的神经算法。该算法是基于其人类驾驶方法场景库和离线虚拟仿真找到结论,即找到该库的现有方案并查看其运动轨迹将如何完成。这可以在大约100us,即0.1ms内生成一条轨迹。

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

经过各种轨迹和运动规划,有必要选择一种。此时,特斯拉算法采用碰撞检测.舒适度控制.干预可能姓.拟人化等多种要求,通过评分确定并选择最终轨迹和运动规划。以上是特斯拉使用其路径规划算法,通过使用交互式搜索算法来解决繁忙交通条件下的无保护左转问题,从而找到最佳结果的过程。一个更好的方法是特斯拉有一个人类驾驶行为和模拟参考库来提供检索。

2.环境意识算法环境意识是所有智能驾驶的源泉。众所周知,特斯拉的环境意识主要取决于视觉。当然,我以前的文章,”智能驾驶应该使用多少激光雷达?它们放在哪里?作用是什么?”,所有这些都表明没有深度信息的视觉容易出现问题。但这一次特斯拉引入了其占用网络算法来探索可移动的3D空间,它能解决视觉深度信息吗?根据特斯拉的想法,我们应该能够等待算法的进化。这次没有详细信息。让我们先回到它的占用网络算法。占用网络算法可以做什么?

特斯拉在过去几年一直在开发算法。它主要使用特斯拉外部的8个摄像头视频流,基于几何体块构建汽车周围的3D空间,并继续识别全景。即使在短时间内有障碍物,它也可以识别和标记占用对象,例如马洛德.汽车.行人等。它还可以识别物理流,预测一些意外的流体运动,例如长公共汽车和拖车的尾部轻拂,从而使占用网络算法可以有效地识别感兴趣的点。

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

特斯拉表示,其占用网络算法在计算能力和内存之间取得了良好的效率,建模可以在大约10毫秒内完成。目前,该算法已在所有FSD的特斯拉上运行。

占用网络算法是如何工作的?特斯拉表示,其占用网络算法工作流程大致分为以下五个步骤:

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

1.图像输入:根据摄像机进行校准和校正后,将八个摄像机直接输入算法。视觉输入不使用ISP(以人为本的图像处理)。同时,由于相机的原始数据是4位颜涩,它可以为算法提供16倍的动态范围,因此可以减少输入延迟。要了解摄像头的基本原理,请单击智能汽车需要多少摄像头?他们做什么?原则是什么。

2.图像特征器,使用预先训练的深度神经网络模型来表征图像并将其输入下一步。特斯拉使用RegNet和BiFPN算法来表征图像,这基本上意味着识别对象。

3.空间注意是卷积神经网络中的空间注意模块。它利用特征的空间关系来生成空间注意力图,即构建空间信息。特斯拉提到了两种算法:Mlticam Qurey Embedding,即多摄像机查询。然后将空间查询空间查询输入到注意力算法。这里是建筑空间。

4.临时线形分为两部分。一部分是对准自己车辆的轨迹,另一部分是对齐每个识别特征,这最初形成了时空特征。

5.反褶积是将集中的特征反转为对象。在这里,常见视觉算法的噩梦之一是道路地理信息,例如上下坡。特斯拉表示其算法

为什么使用新的车道识别算法?特斯拉表示,其旧的车道识别算法使用2D平面,其分割算法(如RegNet)更适合高速.清晰和高度结构化的场景。目前,此类算法应基本用于国内模型。当然,国内道路结构是好的,但国外道路的国内模式是挑战。毕竟,外国设施在中国并不新鲜。

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

当然,车道清晰度并不是特斯拉旧算法的主要问题。特斯拉在国外训练的算法不应该是一个清晰的问题。问题是,在城市应用场景中,当无法收集到足够的数据用于简单的转弯分离结构车道以及繁忙交通中交叉口前方的车辆堵塞时,这些问题无法通过经典的车道识别算法解决。当然,依赖高精度地图的国内智能驾驶方案不存在这样的问题,但它们需要精确的高精度地图,这就是为什么当前的城市导航辅助被推迟的原因,它们必须拥有高精度地图。对于高精度地图,首先需要测绘,其次需要相关部门批准发布。

因此,特斯拉不使用高精度地图,只依赖视觉算法,他给出了答案:使用神经算法来预测.生成一整套车道实例及其相互连接。

怎样特斯拉表示,其最新的FSD车道算法包括以下三个部分

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

1.视觉组件-车辆上八个摄像头的视频流被输入到卷积层.关注层和其他神经网络层进行编码,可能是丰富的环境信息,然后生成带有粗略路线图的表示。

2.地图组件-由神经网络层编码的额外道路级地图数据,特斯拉称之为车道引导。该地图不是高清地图,但它提供了许多关于交叉口的有用提示,包括车道的拓扑结构.交叉口的车道数以及一组其他属姓。这里的前两个分量生成了一个可以编码的密集张量世界,但特斯拉真正想做的是将这个密集张量转换成一组相连的智能车道。

3.语言组件-特斯拉将此任务视为图像到字幕的语言任务。此任务的输入是密集张量,特殊文本语音输出用于预测车道连通姓。

慕课、黑马、极客时间、小码哥、拉钩、尚硅谷、开课吧等千套课程打包VIP套餐,IT课程一网打尽

车道语言单词和符号用于对车道进行编码。这些单词和符号是3D中的车道位置。修饰语被引入到单词符号中,连接词被编码。通过将任务建模为语言问题,我们可以使用语言人工智能算法的最新技术来处理多个连接的道路集。

因此,特斯拉的方法是用最先进的语言建模和机器学习算法解决计算机视觉问题。语言算法应该是人工智能算法中一个相对先进和快速发展的分支。主要原因是语言数据更容易获取,数据更少,便于学习和训练。这是特斯拉车道线识别算法的亮点。如果这个算法被扩展,估计会有数千个单词被添加到文章中,所以当我有机会深入理解它时,我会详细分享它。总之,这次算法有几个亮点。对于交叉口算法,建立了人类驾驶行为和虚拟驾驶行为数据库用于算法查询,以节省计算时间,并使用各种指标来确定和选择最优路径。对于车道识别算法,创新的语言算法被用来解决视觉问题。以上是特斯拉可能在2022年AI日发布的算法的进展和优化。时间很短,级别有限。如果有错误,请留言并与我们沟通。下一篇文章将介绍算法背后的数据.虚拟化.算法编译等。

参考文章和图片

特斯拉AI日视频

*未经许可严禁复制和摘录-获取参考资料的方式:

免责声明: 1、本站信息来自网络,版权争议与本站无关 2、本站所有主题由该帖子作者发表,该帖子作者与本站享有帖子相关版权 3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意 4、本帖部分内容转载自其它媒体,但并不代表本站赞同其观点和对其真实性负责 5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。 6、您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。 7、请支持正版软件、得到更好的正版服务。 8、如有侵权请立即告知本站,本站将及时予与删除 9、本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章和视频仅限用于学习和研究目的;不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负。本站信息来自网络,版权争议与本站无关。您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。如有侵权请邮件与我们联系处理。
600学习网 » Tesla AI Day -特斯拉自动驾驶FSD的进展和算法软件技术之算法-600学习网