<p>Vorstellung eines Falls, in dem Autopilot mit Pure Vision ohne Radar verbessert wurde (Zusammenfassung von Slipper auf Clien)<br />
- Zuvor wurden Radar und Vision gemeinsam verwendet<br />
- Wegen Radarrauschen gab es Probleme mit der Zuverlässigkeit der geschätzten Werte<br />
- Daher wurde daran gearbeitet, Position, Geschwindigkeit und Beschleunigung von Objekten allein mit Vision zu schätzen<br />
→ Dafür wurden Fahrvideos der auf öffentlichen Straßen fahrenden Tesla-Flotte genommen und offline automatisch gelabelt (Position, Geschwindigkeit und Beschleunigung wurden eingetragen), um Trainingsdaten aufzubauen <br />
→ Es wurden 221 Anzeichen definiert, an denen sich „schwierige Situationen“ erkennen lassen, und ein in gewöhnlichen Tesla-Fahrzeugen im „Shadow Mode“ laufendes neuronales Netz erfasst diese Anzeichen<br />
→ Wenn Teslas AI-Abteilung eine bestimmte „schwierige Situation“ als Problem einstuft, werden Daten aus ähnlichen Situationen von Tesla-Fahrzeugen gesammelt und zu automatisch gelabelten Trainingsdaten verarbeitet<br />
→ Anschließend wird das damit trainierte neue neuronale Netz erneut im „Shadow Mode“ ausgerollt; dieser Zyklus wird wiederholt<br />
→ Das wurde über 4 Monate hinweg 7-mal wiederholt, und es wurde ein Trainingssatz mit 1 Million Videos einschließlich Edge Cases aufgebaut<br />
→ Die Zahl der Labels beträgt 6 Billionen, der Umfang 1,5 Petabyte<br />
→ Für das Training wurde ein Supercomputer mit 1,8 Exaflops aufgebaut<br />
- Das Ergebnis daraus ist der Pure-Vision-Autopilot<br />
- Er reagiert deutlich schneller, erkennt verschiedene Objekte und zeigt zufriedenstellende Ergebnisse</p>
1 Kommentare