In den letzten Jahren haben Unternehmen zunehmend versucht, autonome Fahrsysteme zu entwickeln. Während andere sich auf Lidar verlassen, hat Tesla seinen eigenen Weg eingeschlagen und versucht, einen "intelligenten Autopiloten" zu erstellen, der Daten aus vier Dimensionen interpretiert.

Ein teurer Lidar, der jedes Auto hässlich macht, bestimmt die Umgebung des Autos und verlangsamt sich, wenn er ein Objekt im Weg erkennt. Gleichzeitig bestimmen Kameras und Radargeräte, die mit hochentwickelter Software ordentlich um das Tesla-Auto, Kameras und Radargeräte platziert werden, nicht nur Hindernisse, sondern können auch verstehen, um welche Art von Objekt es sich handelt, und die Flugbahn seiner Bewegung bestimmen.

Im Februar 2019 meldete Tesla ein Patent für an "Generierung der Grundwahrheit für maschinelles Lernen aus Zeitreihenelementen", die eine maschinelle Lerntrainingstechnik zur Erzeugung hochgenauer maschineller Lernergebnisse offenbarte. Tatsächlich zeigt es die Methodik der Arbeit des Systems in 4D.

Wenn wir Bilder eines Ereignisses betrachten, sehen wir nur separate Bilder. Wenn wir uns jedoch ein Video ansehen, erhalten wir ein vollständiges Verständnis dessen, was passiert ist, und wir können es korrekt und objektiv bewerten. Das gleiche passiert mit Tesla-Autos, die in 4D "sehen". Wenn Tesla-Kameras Bilder aufnehmen, kombinieren sie diese mit der Zeit (4. Dimension), um Surround-Videos zu erstellen.

Dies ist der entscheidende Punkt, um die Flugbahn dynamisch verdeckter Objekte richtig zu erkennen und zu berücksichtigen, was besonders an Orten mit dichtem Fahrzeug- und Fußgängerverkehr wichtig ist.

Gute Erklärung. 4D ist wichtig für dynamisch verdeckte Objekte, insbesondere an großen Kreuzungen mit dichtem Fahrzeug- und Fußgängerverkehr. Bildrate und Latenz von Bild zu Radvektor ändern sich ebenfalls.

- Elon Musk (@elonmusk) 8. November 2020

Hinter all der beeindruckenden Supermacht von Teslas FSD stehen vorerst riesige Computer, die Milliarden von Meilen Daten mithilfe von maschinellem Lernen über neuronale Netze (NN) verarbeiten. Aber jetzt Tesla entwickelt einen neuen Supercomputer, das Dojo. Ziel ist es, die Geschwindigkeit und Genauigkeit des Trainings gegenüber dem aktuellen Computer mindestens zehnmal zu erhöhen.

Laut Musk sollte die Entwicklung und Erstellung etwa ein Jahr dauern, bis Version 1.0 veröffentlicht wird. Derzeit ist bekannt, dass Dojo mehr als doppelt so schnell sein wird wie der derzeit leistungsstärkste Supercomputer - Fugaku.

Version 1 ist ungefähr ein Jahr entfernt

- Elon Musk (@elonmusk) 8. November 2020

Tesla hat die gesamte Etikettierungssoftware für 4D neu geschrieben und innerhalb eines Jahres (oder so) wird das Dojo einen Beitrag zum NN-Training leisten. Im Moment dauert es ungefähr drei Tage, bis Tesla ein Trainingsmodell bestanden hat, aber dies ist eine sehr lange Zeit. Wenn Sie die Leistung um das Zehnfache erhöhen, verkürzt sich die Zeit auf etwa siebeneinhalb Stunden. Somit können mehrere Schulungen an einem Tag durchgeführt werden, was den Weg zur Autonomie der Stufe 5 erheblich beschleunigt.

Wir haben die gesamte Etikettiersoftware für 4D neu geschrieben. Ganz anders als beim Beschriften einzelner Fotos. Dojo wird etwa ein Jahr lang keinen Beitrag leisten. Es handelt sich meistens um einen verallgemeinerten NN-Trainingscomputer, aber der Benchmark, den wir verfolgen, ist Frames / Sekunde. Muss GPU / TPU-Cluster der nächsten Generation schlagen, sonst ist es sinnlos.

- Elon Musk (@elonmusk) 8. November 2020

© 2020, Eva Fox. Alle Rechte vorbehalten.

_____________________________

Wir bedanken uns für Ihre Leserschaft! Bitte teilen Sie Ihre Gedanken im Kommentarbereich unten.

Artikel bearbeitet von @SmokeyShorts, können Sie ihm auf Twitter folgen

Folgen Sie @EvaFoxU