日本毛片的免费高清视频

        1. <tr id="tntjc"></tr>
          <th id="tntjc"></th>
          <big id="tntjc"></big>

        2. <strike id="tntjc"></strike>
        3. 汽車之心
          作者很懶,什么都沒留下

          11

          文章/篇

          8.0萬

          閱讀/次

          拜訪信息

          為了給您提供更快更好的服務,在獲取作者聯系方式前,想對您有個簡單了解. 邀請您填寫如下信息

          提交成功

          非常感謝您的配合,我們的作者會盡快通過您的微信,
          請耐心等待~

          微信號

          15701235851

          全面重寫Autopilot,特斯拉自動駕駛的升維革命

          汽車之心
          2020-09-05 · 09:30
          [ 億歐導讀 ] 那些買了FSD選裝包的特斯拉用戶著急,馬斯克更急。
          特斯拉,特斯拉,自動駕駛

          文章來源于:汽車之心,作者:陳念航,圖片來自“億歐網”

          【編者按】現在的 AP 已經碰到了性能瓶頸,必須要進行升維革命,否則難有大的突破。 

          本文轉載自汽車之心,原作者陳念航;由億歐汽車整理,供業內人士參考。


          在剛過去的8月,馬斯克在推特上公布了關于 Autopilot 以及 FSD 的兩條重要消息: 

          AP 團隊正對軟件的底層代碼進行重寫和深度神經網絡重構;全新的訓練計算機 Dojo 正在開發中。

          重寫 AP,是今年馬斯克在推特上不斷提及的一項重要行動。在回應推友提問時,馬斯克會時不時披露 AP 將有的新功能,比如:

          對路面上的隆起和坑洞(bumps&patholes)的識別;

          對環島路況(roundabouts)的處理等等。

          特斯拉對 AP 的全面重寫,包括了對數據標注、訓練、推理全流程的重構。

          而基于新架構的 FSD 將不再是漸進式的優化,而是一次「量子式躍升」(馬斯克原文是 quantum leap)。馬斯克在7月的世界人工智能大會上表示「有信心在今年完成開發L5級自動駕駛的基本功能」,馬斯克能夠實現他的承諾嗎?

          特斯拉為什么要在這個階段對 AP 軟件進行重寫?重寫 AP 到底要重寫些什么呢?作為當下市面上量產最強的自動駕駛系統,AP 走向何方,FSD 何時到來?

          特斯拉 AP 兩大新進展 

          身兼特斯拉 AP 團隊的最高負責人,馬斯克經常充當著軟件測試員的角色。根據馬斯克在推特上透露,他本人經常開著搭載 FSD 最新測試版本的特斯拉上下班,馬斯克稱在他使用系統的過程中,幾乎不需要人工接管。 

          基于此,他樂觀估計,最快在6-10周后(也就是10月-11月份),就可以向小規模地向用戶推送 FSD 測試版本。 

          作為重寫 AP 的一部分,馬斯克還向外界介紹了其全新的用于神經網絡(NN)訓練的超級計算機 Dojo。 Dojo 在日語中意為「道場」,現在它成為了特斯拉訓練數據的「道場」。 

          Dojo 將專門用于大規模的圖像和視頻數據處理,其浮點運算能力達到了 exaflop 級別,也就是每秒運算百億億次。正因此,馬斯克稱 Dojo 如野獸一般。  

          需要注意的是,Dojo 計算機將配合無監督學習算法(unsupervised learning),來減少特斯拉對于數據人工標注的工作量,這樣來幫助其數據訓練效率實現指數級提升。 馬斯克還在推特上發布英雄帖,為自家的 AI 和芯片團隊招人。 

          目前,Dojo 計算機仍在開發中,從 V1.0 開始,大約一年后才會有成果。 

          有了全新的 AP 軟件架構以及強大的數據訓練計算機 Dojo,難怪馬斯克會對其 FSD 的落地進展如此自信。 但話說回來,特斯拉為什么要在這個階段對 AP 軟件進行重寫?還是以這樣一種推倒重來的方式。 

          為什么特斯拉要重寫 AP? 

          現在的 AP 已經碰到了性能瓶頸,必須要進行升維革命,否則難有大的突破。 

          馬斯克用了一個術語來表述這個問題,他認為過去 AP 被困在一個局部最大值(Local Maximum)里面,要向上突破已經非常困難了。  

          其中一個很關鍵的問題在于,原有 AP 軟件架構下,其處理的數據都是不含有時間坐標的 2D 圖像數據。 再想往上去處理 3D 甚至 4D(加上時間維度) 的數據,實現從圖像級處理到視頻級處理的躍遷, AP 固有的軟件和訓練網絡難以勝任。 

          關于引入 4D 數據帶來的影響,一位來自國內自動駕駛公司的工程師向汽車之心分析:

          因為有了時間維度,系統就能知道目標物的運動,對其行為進行預測,而且,系統處理目標物識別、分類以及場景的重構這類任務會更加輕松。

          總之,加入時間維度,很大程度上是提高系統對整體場景的理解。 AP 要再往前走,必須進行革命,所以特斯拉這才決定重寫 AP。

          2-3.jpeg.jpeg

          另一方面,因為數據轉變成 4D,信息量更豐富,整個數據的容量也會變大,這也給特斯拉 AP 現有的用于深度神經網絡訓練的基礎設施帶來了挑戰,所以就有了 Dojo。 所以, AP 為了實現性能和功能上更大的突破,倒逼其對 AP 基礎代碼以及訓練深度神經網絡的基礎設施進行重構。

          這樣工作量龐大的復雜工程也成為 FSD 遲遲推出不了落地版本的重要原因。

          除了在車載軟件和訓練服務器端變革,特斯拉在車載硬件端也做好了準備,就是其自研的 FSD 芯片。

          FSD 已經在去年4月份開始量產并搭載在特斯拉的車端。一位對熟悉特斯拉的業內人士表示:

          在 FSD 發布后的一段時間里,特斯拉 AP 團隊仍是基于 HW 2.x 的硬件(英偉達 Drive PX 平臺)進行功能開發,直到今年年初,特斯拉才開始全面轉向基于 FSD 芯片的軟件開發。

          相較于英偉達 Drive PX 平臺,特斯拉 FSD 芯片在基礎算力和深度神經網絡推理效率方面都有革命性提升,而且在視覺處理性能上,FSD 相較于英偉達的芯片有更大的優勢。

          2-4.png.png

          所以趁著這一次特斯拉重寫 AP,整個系統需要處理的數據升維到了 4D,對計算硬件的要求指數級提高,FSD 的強大性能便終于有了廣闊的用武之地。 

          引入 FSD 芯片的 AP 在性能上會有多大提升? 馬斯克此前在接受 Youtube 視頻博主采訪時透露過:

          如果特斯拉全車的 8 顆攝像頭以36幀/秒的速度運行(性能拉滿),軟件則會基于 FSD 芯片的算力同步進行 3D 標注(2D 圖像+深度信息),這會使標注效率提升3倍,準確性也會大幅提升。 

          特斯拉重寫 AP,除了馬斯克口中所說的要突破「Local Maximun」以及挖掘 FSD 芯片的極限性能這兩方面的原因之外,還有一種可能性存在。硅谷一位資深自動駕駛工程師告訴汽車之心:

          特斯拉現有的 AP 系統和后續要推出的 FSD 是兩套獨立開發的系統。

          前者的架構是針對于 L2/L3 級自動駕駛,而 FSD 的目標從一開始就是 L4/L5 級自動駕駛。因此,兩套系統在架構上有本質的差異,兩者差著一個代際。

          后續,隨著技術不斷進步,FSD 也走向成熟,特斯拉決心把 FSD 和 AP 的框架進行整合。 但問題是,兩個系統中有些模塊可以融合,但是有些模塊是融合不了的,畢竟一個為 L2 開發的系統很難直接演變成 L4 系統。 所以特斯拉 AP 團隊要改寫 AP 軟件的框架和代碼,以實現兩個系統間的完美兼容,這樣的話,后續才能以統一的版本推送給購買了全自動駕駛選裝包的特斯拉車主。 

          實際上,我們也能從 AP 這些年的功能更新中發現一些蛛絲馬跡:

          2017年3月,推送自動泊車和自動輔助變道功能;

          2018年10月,推送自動輔助導航駕駛(NoA)功能;

          2019年9月,推送智能召喚(Smart Summon);

          2020年4月,推送識別交通信號燈和停車標志并作出反應(海外先行)。

          AP 還在最新的迭代過程中更新了一些令人驚喜的小功能:

          比如在城市工況施工區域,沒有車道線的情況下,車身兩側皆為錐形桶,AP 能做到以錐形桶為依據實時繪制車道線。 AP 系統還能檢測到小動物并及時進行避讓,不過特斯拉是把小動物一律識別成人后才做出相應的操作。 

          基本上,在特斯拉官網上標明的 FSD 完全自動駕駛功能,還剩下一項最難的、也最能代表 L4 級自動駕駛能力的更新:在城市街道中進行自動輔助駕駛。為了實現這一難度最大的更新,特斯拉給出的最優解就是重寫 AP。 

          基于以上分析,特斯拉重寫 AP 的原因便包括突破「Local Maximun」、挖掘 FSD 芯片的極限性能以及將系統能力從 L2 進化至 L4。 

          特斯拉重寫 AP,是重寫什么? 

          先來看看特斯拉 AP 現在最新的 AI 軟件堆棧是怎么樣的:

          2-5.png.png

          最底層的是數據、GPU 集群以及 Dojo 計算集群,這一層主要進行數據采集、標注和訓練,生成算法模型;

          往上走就是采用深度神經網絡對模型進行分布式訓練;再往上走就是用損失函數對模型進行評估;

          在評估層之上,是云端推理層和車端 FSD 芯片推理層,到這一層,意味著算法模型走完了大部分流程,然后就是部署到車端;

          在車端,特斯拉通過影子模式(Shadow Mode)將這些算法模型與人類駕駛行為進行比對,檢測是否存在異常。

          這樣的從數據采集到算法部署的閉環,目的就是讓系統性能不斷迭代,更加優秀。

          在這個閉環當中,涉及到數據集、模型訓練神經網絡、云端和車端推理算法等等要素。

          所以,當數據形式從二維的圖像數據(2D)轉換成四維的視頻級數據(4D)后,相應的神經網絡和推理算法都需要進行重寫。 

          據馬斯克透露,特斯拉 AP 新版本的深度神經網絡會將包括感知、路徑規劃、目標識別等所有子神經網絡綜合于一體。 

          特斯拉AI高級總監 Andrej Karpathy 在此前的一次演講中表示:

          我們無法讓每一個任務都享有單獨的神經網絡運算,因為同時處理的任務數實在太多,我們只能把一些運算分攤到共享骨干網絡上。 

          Andrej Karpathy 將這一骨干網絡稱為 HydraNets(Hydra 意為九頭蛇),意思就是有一個主干網絡(Backbone),在這個網絡上有多個不同的出口(Head)來做應用,然后輸出各自的結果。 

          在特斯拉 AP 最新的 AI 軟件堆棧中,有一個最值得關注的部分就是 Dojo 訓練集群,這個集群可以處理海量的圖像、視頻數據。 

          引入這一訓練計算機,一方面是為了滿足特斯拉 AP 系統此后的 4D 視頻數據處理需求。

          另一方面,特斯拉在全球有超過 82 萬輛搭載 HW 2.0/3.0 硬件的車輛每天在道路上行駛,可以采集海量的數據用于 AP 的訓練,而如此海量的數據,必然需要具備強大計算性能計算機來進行處理。 

          Dojo 還有一個特別之處在于,它可以與無監督學習進行配合。 所謂無監督學習,就是無需人工對訓練數據集進行標注,系統可以自行根據樣本間的統計規律對樣本集進行分析,常見任務如聚類等。 

          例如無監督學習在不給任何額外提示的情況下,僅依據一定數量的「狗」的圖片特征,將「狗」的圖片從大量的各種各樣的圖片中將區分出來。 

          有了無監督學習技術加持的 Dojo 計算機,便能以極低的成本對數據進行自動標注和訓練,實現算法性能的指數級提高。 

          不過,用上了無監督學習技術的特斯拉,依然有一支大約500人規模的數據標注團隊。

          因為在一些初始神經網絡模型的搭建過程中,采用人工標注的方式置信度更高。而且,特斯拉并未大規模采用無監督學習技術,現在都還處在嘗鮮階段。 

          那么,Dojo 計算機上搭載的會是誰家的芯片呢? 目前特斯拉自研的 FSD 芯片屬于推理芯片,用于 Dojo 計算機的芯片屬于訓練芯片。

          有業內人士向我們分析表示,Dojo 所采用的芯片應該是 FSD 芯片的擴展版本。 這也是為什么馬斯克在為自家 AI 和芯片團隊招人時,特意公布了其在研發的 Dojo 計算機的情況,大概率要招的人就是為了研發用于 Dojo 計算機的芯片。 

          特斯拉 FSD 走向何方  

          無論是大力投入資源重寫 AP 基礎代碼和深度神經網絡,還是廣納賢才開發性能強大的數據訓練計算機 Dojo,都體現了特斯拉要先人一步搞定完全自動駕駛的決心。 

          特斯拉擁有龐大規模的數據采集車隊,也聚集了 300 多位全球頂尖的自動駕駛和深度學習方面的軟硬件研發人才,從數據到算法到商業化,特斯拉在自動駕駛領域有著其他廠商無法比擬的優勢。 

          在這些優勢的加持之下,特斯拉仍然遲遲無法量產真正意義上的完全自動駕駛功能,那些買了 FSD 選裝包的特斯拉用戶著急,馬斯克則更急。 

          所有人都在期待著重寫完成后的 AP 系統能真正進化至 FSD 版本,而這一切都要等到今年年底見真章。 在重寫 AP 的同時,特斯拉也沒有停止在硬件層面的持續研發。 

          據媒體報道,特斯拉正與博通合作研發新款 HW 4.0 自動駕駛芯片,其性能比 FSD 還要強大 3 倍,計劃明年第四季度進行大規模量產,由臺積電負責生產。 特斯拉在 AP 層面,是一個接一個的大動作,而這一切動作都有一個統一的目標:更優秀的 AP、更強大的 FSD。 

          即使現在其表現還不盡如人意,但未來值得期待。

          本文經授權發布,版權歸原作者所有;內容為作者獨立觀點,不代表億歐立場。如需轉載請聯系原作者。

          各工作崗位將被AI取代的概率

          選擇崗位,查看結果

          制圖員和攝影師

          87.9%

          打賞支持

          5
          5
          10
          20
          50
          80
          100
          其它金額
          任意賞:

          參與評論

          最新文章

          1、 若貴平臺是網站或者APP,在進行單篇原創文章轉載時,需在文章標題或者導語下方,注明文章來源以及作者名稱;若尋求5篇及以上的長期內容合作,需與億歐公司內容運營部門取得聯系,并簽訂轉載合作協議。

          【若貴司平臺轉載億歐公司原創文章已經超過5篇,請及時與我們聯系補簽轉載合作協議,計算時間以2019年2月10日之后為準】

          2、 若貴平臺是微信公眾號,在進行單篇原創文章轉載時,請聯系億歐公司內容運營人員進行單篇文章的白名單開通,同樣需要注明文章來源及作者名稱;若尋求2篇及以上的長期內容合作,需與億歐公司內容運營部門取得聯系,并簽訂轉載合作協議??蓪⒐救Q(簡稱)、公司網址、微信公眾號、微信或者電話等信息發送至hezuo@iyiou.com,會有工作人員與您取得聯系。

          關閉

          快來掃描二維碼,參與話題討論吧!

          快捷登錄 密碼登錄
          獲取驗證碼

          新用戶登錄后自動創建賬號

          登錄表示你已閱讀并同意《億歐用戶協議》

          快捷登錄 密碼登錄

          賬號為用戶名/郵箱的用戶 選擇人工找回

          關聯已有賬戶

          新用戶或忘記密碼請選擇,快捷綁定

          賬號為用戶名/郵箱的用戶 選擇人工找回

          快速注冊

          獲取驗證碼

          創建關聯新賬戶

          發送驗證碼

          找回密碼

          獲取驗證碼
          賬號為用戶名 / 郵箱的用戶 選擇人工找回

          未完成注冊的用戶需設置密碼

          如果你遇到下面的問題

          我在注冊/找回密碼的過程中無法收到手機短信消

          我先前用E-mail注冊過億歐網但是現在沒有辦法通過它登錄,我想找回賬號

          其他問題導致我無法成功的登錄/注冊

          請發送郵箱到service@iyiou.com,說明自己在登錄過程中遇到的問題,工作人員將會第一時間為您提供幫助

          賬號密碼登錄

          樂樂呵呵@微信昵稱

          該億歐賬號尚未關聯億歐網賬戶

          關聯已有賬戶

          曾經使用手機注冊過億歐網賬戶的用戶

          創建并關聯新賬戶

          曾用微信登錄億歐網但沒有用手機注冊過億歐的用戶

          沒有注冊過億歐網的新用戶

          先前使用郵箱注冊億歐網的老用戶,請點擊這里進入特別通道
          意見反饋
          意見反饋
          億歐公眾號 億歐公眾號
          小程序-億歐plus 小程序-億歐plus
          返回頂部
          日本毛片的免费高清视频

              1. <tr id="tntjc"></tr>
                <th id="tntjc"></th>
                <big id="tntjc"></big>

              2. <strike id="tntjc"></strike>