Работаем: Пн - Сб 9:00 - 20:00
  • Позвоните

    +7 495 777 90 26

  • Напишите

    info@teesla.ru

  • Контакты
Посмотрите, как Tesla учится водить в симуляторе

Посмотрите, как Tesla учится водить в симуляторе

Помните ролик о том, как Tesla учится водить в симуляторе во время мероприятия Tesla AI day? В видео были показаны кадры фотореалистичной симуляции, которая учит автомобили Tesla лучше справляться со сложными поворотами. YouTube-канал Two Minute Papers рассматривает этот вопрос гораздо глубже, а также связывает его с конкретными недавними исследованиями в области ИИ.

Во время мероприятия Tesla AI Day компания Tesla поделилась с миром большим количеством своих разработок в области ИИ и показала, как команда Tesla совершенствует технологию на ходу, с целью в один прекрасный день создать полностью автономные автомобили Tesla. Однако многое из этого прошло мимо наших ушей. Здесь Two Minute Papers немного замедляет темп и более четко объясняет некоторые процессы.

В то же время Two Minute Papers использует это видео Tesla, чтобы показать, как выводы из различных академических/исследовательских работ по вопросам ИИ пробивают себе дорогу в реальные приложения — и быстро. В некоторых моментах рассказчик указывает на конкретные работы, связанные с конкретными задачами, которые выполняет Tesla FSD.

Все мы знаем об автомобилях Tesla одну вещь: они оснащены восемью камерами. Одним из ключевых шагов для Tesla является создание «векторного обзора пространства» из этих 8 камер, что похоже на карту или версию видеоигры о дорогах и окружающих объектах. В видеоролике подчеркивается, что это сложная задача, поскольку в автомобиле много камер, и их необходимо объединить для создания одной «трехмерной карты» мира, который они видят. Каждая камера видит только часть своего окружения, и каждая из этих частей должна быть сшита с другими. В видеоролике в качестве примера используется грузовик.

Рассказчика поражает тот факт, что даже документы 2020 года используются для информирования/улучшения разработки Tesla FSD — невероятно быстрый переход от публикации к влиянию на реальный мир ИИ.

Вернемся к примеру из видеоролика Tesla: Есть случай, когда большой грузовик проезжает мимо Tesla. Одна камера видела грузовик целиком, а другая — только кабину. Другая камера видела прицеп, а одна видела кабину грузовика вместе с частичным видом прицепа. Автомобиль должен определить, на что именно он смотрит и какой длины грузовик, чтобы точно поместить его в векторное пространство.

«Для этого нам нужна техника, которая может грамотно объединить информацию со многих камер».

Сложность заключается в различных калибровках, расположении, направлении обзора и других свойствах каждой из камер. Однако, как бы сложно это ни было, это не невозможно, и в видеоролике отмечается, что «трансформаторная нейронная сеть» способна решить эту задачу. Техника, продемонстрированная в видео, работала значительно лучше, чем сеть с одной камерой. Опять же, рассказчик связал это с конкретной опубликованной работой.