2022 Tesla AI Day -特斯拉自动驾驶FSD的进展和算法软件技术之数据以及虚拟

阅读本书更多章节>>>>

2022 Tesla AI Day -特斯拉自动驾驶FSD的进展和算法软件技术之数据以及虚拟

附赠自动驾驶学习资料和量产经验：链接

人工智能算法犹如电影的主演，我们很多时候看电影只看到主演们的精彩，但其实电影的创意和呈现都来自于背后的导演和制片等团队。而人工智能算法背后的有关数据的软件，设施，虚拟犹如电影的导演和制片等团队。他们是塑造算法，成就算法的核心力量。

本文我将通过2022特斯拉AI Day发布的信息，继上文Tesla AI Day -特斯拉自动驾驶FSD的进展和算法软件技术之算法

1. 路径以及运动规划算法：当算法植入到终端（车或者机器人），终端通过算法感知环境，规划路径，确保安全，平顺前进。

2. 环境感知算法：

- Occupancy 算法，也就是可活动空间探测

- Lane & Objects 车道以及物体算法，交通中的信息语义层也就是车道线，物体识别以及运动信息。**之后分享下算法背后的数据以及相关软件设施，**大体框架如下：

3. 训练算法设施以及软件：

- 训练数据的设施，超算中心用来支持数据处理，算法训练。- 人工智能算法的编译器以及推理，就是训练算法的框架以及软件方法。

4. 数据标注，采集和虚拟：

- 自动标注算法，训练环境感知算法必须需要已经具有标签的数据，自动标注算法就是标注数据，训练环境感知算法识别这类场景或者物体。

- 环境虚拟，合成制造虚拟场景。- 数据引擎，现实场景车辆，测试软件获取真实场景环境数据，闭环数据引擎，更正标签等。

3.训练算法设施以及软件

算法都是基于数据训练出来的，也就是需要大数据喂出来。特斯拉表示需要训练Occupancy Networks算法，特斯拉目前已经从采集视频中提取出14.4亿张图片，需要训练这些数据，需要10万个GPU满负荷工作一个小时到90度的计算。

但现实中特斯拉构建的3个超算中心，采用了1.4万个GPU，其中4000个用于自动标注数据，其中10000个用于训练算法。

3. 自动标注旅程，当然自动标注只会去标注新添加的旅程，而不是去重构所有的片段，所以大概半个小时标注一段旅程而不是人工标注的几个小时。特斯拉宣称，这种标注方式极其容易规模化，只需要有计算单元以及驾驶旅程信息，如上图所示，就视屏的时间内，来自于53台车的数据，就自动标注了50组数据。当然特斯拉也表示自动标注的方法应用在特斯拉算法的各个方面。

但特斯拉表示现实的数据，获取困难同时很难去标注，但是传统的3D的场景的重构却异常缓慢。 所以特斯拉表示在虚拟验证方面其应用新的方法5分钟就能够构建3D虚拟场景。

虚拟验证能做什么？

特斯拉的建模是首先把场景的真值（Ground truth）输入3D建模软件Houdini，先开始构建道路的边缘，在构建路面地理特征，之后将车道信息投影进入路面，接下来使用道路中间的边缘形成绿化岛。这样基本的主要特征形成，那么道路两边的树以及建筑物都可以随机构建。

这种场景估计任何脑洞大开的虚拟验证都不会想到，必须要有实际场景来识别这类corner case极端场景，所以自动驾驶真实场景数据的收割必须要有，而且还是动态发展的，不同时间，不同城市，不同文化的数据都会不一样。所以特斯拉构建了一个工具去识别错误的判断并去纠正标签，并把这个片段归类为需要重新评估的系列。这个场景特斯拉把它诊断为挑战性的在转弯处有停车的场景，目前特斯拉识别了126个这样的场景，挖掘以及促进训练了1.39万视频数据，来提升预测准确性。

需要解决这类场景，特斯拉需要挖掘成千上万这种场景，而特斯拉可以利用数据采集车辆（客户的车，或者自己试验车），以及设备去采集和更正标签来解决这种琐碎的场景。

特斯拉把这种数据引擎框架实施到所有算法的持续优化中，特斯拉的数据引擎，是一个完整的从实验车型，虚拟验证，终端用户的流。无论它们是 3D多机位视频数据，是否人工标记 自动标记或模拟数据无论是离线模型还是在线模型。

特斯拉能够大规模的的使用数据引擎的基础设施为特斯拉的算法提供数据食物，的主要原因还有其庞大的车队：终端用户汽车影子模式传输客户使用FSD时候的介入信息，实验车队的再确认数据。总结

看完这个特斯拉的算法，数据等结构之后，我的第一想法是“高级的码农玩的是思维方式和艺术结构，而不是按照规则去交付”。当然我肯定无法评价这个算法结构是好还是坏，但可以肯定的是特斯拉的智能驾驶算法是一种坚定的态度思维。

特斯拉的算法态度和思维是“基于视觉的人工智能算法，一定能够汽车或机器人自动驾驶和导航，犹如人类仅仅使用眼睛和大脑实现安全驾驶或行走到达目的地”。这种态度和思维如人工智能算法的数学基础“任意两点之间一定存在一条可以将他们连接起来的直线”。当然特斯拉的最终理想是将此类算法拓展到AGI(Artificial general intelligence,通用人工智能( AGI ) 理解或学习人类可以完成的任何智力任务的能力。)，让我们拭目以待，不过可以肯定的是这条道路必定是坎坷的，每一个人类基本上花大概18年才成年才具备进入社会独立的能力，而且一生都不断的接触新东西不断学习，所以何况是刚刚起步的人工智能。

阅读本书更多章节>>>>

本文链接：https://www.kjpai.cn/gushi/2024-04-16/159620.html，文章来源：网络cs，作者：纳雷武，版权归作者所有，如需转载请注明来源和作者，否则将追究法律责任！