特斯拉支持使用强大的超级计算机的愿景探讨

在2021年，Tesla of Ai，Andrej Karpathy的Tesla首席的2021年计算机愿景和模式识别会议上揭示了该公司的新超级计算机，允许汽车制造商在自动驾驶汽车上挖掘雷达和激光雷达传感器，以满足高质量的光学摄像头。在他的自动驾驶工作室期间，Karpathy解释说，让计算机以人类需要巨大的数据集，以及一种大规模强大的超级计算机来培训公司的神经网络自动驾驶技术，使用该数据来响应新环境。放。因此，将这些前辈们的发展发展到Dojo。

根据KARPathy的说法，Tesla的最新一代超级计算机有10个“热线”NVME存储的“热线”NVME储存，并在每秒1.6个Terrabytes。凭借1.8 eflops，他表示可能是世界上第五个最强大的超级计算机，但他曾经介绍他的团队尚未运行进入Top500超级计算排名所需的具体基准。

“那说，如果你拍摄的总数，它确实将在第五位的某个地方占地，”卡尔巴西告诉TechCrunch。 “第五个点目前是NVIDIA与他们的SELENE集群占据，它具有非常可比的架构和类似的GPU数量（4480 VS我们的5760，所以有点少）。”

麝香一直在倡导一段时间的愿景，大部分是因为相机比雷达或潮流雷达更快。截至5月，北美的特斯拉模型Y和型号3辆也在没有雷达，依靠相机和机器学习，以支持其先进的驾驶辅助系统和自动驾驶仪。

当雷达和视力不同意时，你相信哪一个？视觉更精确，比传感器融合更好地逐渐下降。

许多自主驾驶公司使用LIDAR和高定义地图，这意味着它们需要他们运行的地方的令人难以置信的地图，包括所有公路车道以及它们如何连接，交通灯等。

“我们采取的方法是基于愿景，主要使用主要在地球上任何地方的神经网络，”在他的研讨会中的卡路里说。

硅计算机替换为“肉类计算机”，而是用硅计算机导致较低的延迟（更好的反应时间），360度的情境感知和一个完全专注的驾驶员，即从未检查他们的Instagram则表示，卡尔巴伐说。

Karpataly分享了Tesla的超级计算机如何使用计算机愿景来纠正糟糕的驾驶员行为的一些情况，包括电脑对象检测踢的紧急制动方案，以便拯救行人的命中，以及可以识别黄灯的交通管制警告距离并向尚未开始减速的驱动程序发送警报。

特斯拉车辆也已经证明了一种称为踏板误用缓解的特征，其中汽车在其路径中识别行人，甚至缺乏驾驶道路，并响应驾驶员意外地踩踏天然气而不是制动，潜在地节省行人车辆前面或防止司机加速到河流中。

Karpatps解释说，Tesla的超级计算机从围绕车辆的八个摄像机收集来自围绕车辆的八个摄像机，这提供了有关汽车周围环境的疯狂信息。

虽然愿景的方法比收集，建立和维持世界各地的高清地图更可扩展，但它也是一个挑战，因为神经网络正在进行对象检测和处理驾驶必须能够收集和处理速度的大量数据，速度与人类的深度和速度识别能力相匹配。

Karpathy说经过多年的研究，他认为可以通过将挑战视为监督的学习问题来完成。测试技术发现技术人员发现他们可以在稀疏的人口中驾驶零点的干预措施，但喀甘格斯说，“绝对在旧金山等普发的环境中毫无陌生地挣扎。”对于系统真正运作良好，减轻了对高清地图和额外传感器等东西的需求，它必须在处理浓密的地区进行更好的情况。

Tesla Ai Team Game Changers之一一直是自动标签的，通过，它可以自动标记巷道危险和其他物体的其他物体，由Tesla相机上的车辆捕获。大型AI数据集经常需要大量的手动标签，这是耗时的，特别是在尝试到达在神经网络上制作监督学习系统所需的干净标记的数据集时。

通过这种最新的超级计算机，Tesla累计了100万视频，每次约10秒，并标有60亿个对象，深度，速度和加速度。 所有这些都占用了1.5张储存的储存。 这似乎是一个大量的数量，但在公司可以实现这种可靠性之前需要更多的程度，它需要脱离独自依赖视觉系统的自动化驾驶系统，因此需要继续开发更强大的超级计算机 特斯拉追求更先进的AI。