Tesla AI Autopilot-Chef Andrej Karpathy diskutiert die Skalierbarkeit autonomer Fahrzeuge

von Ma. Claribelle Deveza Juni 19, 2020

Tesla-Autopilot-FSD-Andrej-Karpathy

Ausgewählte Bildquelle: PyTorch/Youtube

Der Leiter des Tesla AI-Autopiloten, Andrej Karpathy, hat kürzlich die Skalierbarkeit autonomer Fahrzeuge und die verschiedenen Ansätze von Unternehmen zur Erreichung eines vollständigen Selbstfahrens erörtert. Basierend auf der Diskussion des AI-Direktors scheint es, dass Teslas Ansatz, autonomes Fahren zu erreichen, viele Herausforderungen mit sich bringt, aber es ist eine unglaublich effektive Strategie, FSD-Funktionen in großem Maßstab einzuführen.

Karpathy vor kurzem führte einen Workshop durch zur Skalierbarkeit autonomer Fahrsysteme. Als KI-Direktor von Tesla ist Karpathy wohl eine der maßgeblichsten Stimmen im Bereich der künstlichen Intelligenz. Seine Beherrschung von KI, neuronalen Netzen und vollständigen Selbstfahrstrategien wurde in seinem jüngsten Vortrag gezeigt, in dem er unter anderem Waymos und Teslas Autonomieansatz verglich.

Der KI-Direktor stellte fest, dass sich Fahrzeuge von Waymo und Tesla auf der Straße zwar gleich verhalten, die Systeme, die sie antreiben, jedoch nicht unterschiedlicher sein könnten. Unternehmen wie Waymo konzentrieren sich auf die Verwendung von Sensoren wie LiDAR und hochauflösenden Karten, die auf den Zentimeter genau abgebildet werden. Autos navigieren dann durch diese vorab kartierte Umgebung, die eine ziemlich sichere Umgebung bietet.

Teslas Ansatz ist visionär. Tesla verwendet Kameras und künstliche Intelligenz und verwendet einen Ansatz, der dem Betrieb eines Fahrzeugs durch einen menschlichen Fahrer sehr ähnlich ist. Dies bedeutet, dass Fahrzeuge lernen müssen, Objekte und Verhaltensweisen auf der Straße zu erkennen, was aufgrund der enormen Datenmenge und des damit verbundenen neuronalen Netzwerktrainings eine sehr entmutigende Aufgabe ist. Karpathy beschrieb diese Unterschiede wie folgt.

„Waymo und viele andere in der Branche verwenden hochauflösende Karten. Sie müssen zuerst ein Auto fahren, das die Umgebung vorab abbildet, Sie müssen LiDAR mit Zentimetergenauigkeit haben und Sie sind auf Schienen. Wissen SiegenauWie Sie an einer Kreuzung abbiegen, wissen Sie genau, welche Ampeln für Sie relevant sind, wo sie positioniert sind und alles. Wir machen diese Annahmen nicht. Für uns sehen wir jede einzelne Kreuzung, an die wir kommen, für dieerstes Mal. Alles muss verkauft werden, genau wie das, was ein Mensch in der gleichen Situation tun würde “, sagte er.

Zugegeben, Teslas Ansatz ist sehr datenintensivund es braucht viel Zeit, um zu meistern und zu verfeinern. Es hat jedoch einen entscheidenden Vorteil gegenüber dem FSD-Ansatz von Unternehmen wie Waymo. Im Gegensatz zu Waymos autonomen Autos, die nur in einem geofenced Gebiet sehr gut funktionieren, könnten Teslas Fahrzeuge ihre Autopilot- und Full Self-Driving-Funktionen überall auf der Welt aktivieren, sofern die Bedingungen für das System ausreichend sind. Dies bedeutet, dass die gesamte Flotte von Tesla mit besseren FSD-Funktionen aufgerüstet werden könnte und die Leistung des Systems gleichermaßen effizient wäre.

Und darauf wurde letztendlich von Karpathy hingewiesen. In seinem Vortrag stellte er fest, dass ein kartenbasierter Ansatz für autonomes Fahren eine „nicht skalierbare“ Strategie ist. Diese Aussage hat viel Gültigkeit, da die autonome Fahrzeugflotte von Waymo, dem Branchenführer, trotz jahrelanger Ausbildung immer noch auf sehr wenige Bereiche beschränkt ist. Die visionäre Strategie von Tesla erfordert andererseits lange und schmerzhafte Stunden Training. Sobald das neuronale Netzwerk jedoch ausreichend trainiert ist, können FSD-Verbesserungen ohne Probleme in großem Maßstab verteilt werden.




← Vorheriger  / Nächster →