IA y robótica

Tesla Optimus

Cree un robot humanoide autónomo, bípedo y multifuncional capaz de realizar tareas peligrosas, repetitivas o aburridas. Para lograr ese objetivo final es necesario crear pilas de software que generen capacidades de equilibrio, navegación, percepción e interacción con el mundo físico. Estamos contratando ingenieros especializados en aprendizaje profundo, visión por ordenador, planificación de movimiento, controles, mecánica y software general para resolver algunos de nuestros retos de ingeniería más difíciles.

Ver oportunidades

Chip FSD

Cree chips de inferencia de IA para ejecutar nuestro software de Conducción autónoma total, teniendo en cuenta cada pequeña mejora de arquitectura y microarquitectura a la vez que exprime el máximo rendimiento de silicio por vatio. Realice análisis de planificación de planta, tiempos y energía en el diseño. Escriba pruebas y marcadores sólidos para verificar la funcionalidad y el rendimiento. Implemente controladores para programar y comunicarse con el chip, centrándose en la optimización del rendimiento y la redundancia. Finalmente, valide el chip de silicio y póngalo en producción en masa en nuestros vehículos.

Redes neuronales

Realiza una investigación vanguardista para entrenar redes neuronales profundas en problemas que afectan desde la percepción hasta el control. Nuestras redes para cada cámara analizan las imágenes sin procesar para realizar una segmentación semántica, una detección de objetos y una estimación monocular de la profundidad. Además, nuestras redes de vista cenital capturan grabaciones desde todas las cámaras para mostrar el diseño de la carretera, las infraestructuras estáticas y los objetos en 3D directamente en la vista superior. Por último, nuestras redes aprenden a partir de las situaciones más complicadas y diversas del mundo, y lo hacen de forma reiterada a partir de nuestra flota de millones de vehículos en tiempo real. Un diseño completo de las redes neuronales de la conducción autónoma implica 48 redes con un entrenamiento de 70.000 horas de GPU 🔥. Con ello, se muestran 1000 tensores (predicciones) diferentes en cada intervalo de tiempo.

Algoritmos de autonomía

Desarrolle los algoritmos principales que impulsan el vehículo creando una representación de alta fidelidad del mundo y planificando las trayectorias en ese espacio. Con el fin de entrenar las redes neuronales para predecir tales representaciones, se deben crear algorítmicamente datos precisos y a gran escala sobre el terreno combinando la información de los sensores del vehículo a través del espacio y el tiempo. Utilice técnicas de vanguardia para crear un sistema sólido de planificación y toma de decisiones que funcione en situaciones complicadas del mundo real en condiciones de incertidumbre. Evalúe sus algoritmos a escala de toda la flota de Tesla.

Fundamentos del código

El rendimiento, la latencia, la corrección y el determinismo son las principales métricas para las que optimizamos nuestro código. Desarrolla las bases del software de conducción autónoma desde los niveles más bajos de la pila, integrándolos perfectamente con nuestro hardware personalizado. Implementa cargadores de arranque ultrafiables con soporte para actualizaciones inalámbricas y abre kernels de Linux personalizados. Escribe código de bajo nivel rápido y con un uso eficiente de la memoria para capturar un gran volumen de datos de alta frecuencia de nuestros sensores y compartirlos con varios procesos de consumidores, sin afectar a la latencia de acceso a la memoria central ni privar de código funcional crítico a los ciclos de la CPU. Aprovecha y canaliza la informática en una variedad de unidades de procesamiento de hardware, distribuidas en varios sistemas en chips.

Infraestructura de evaluación

Crea herramientas e infraestructura de evaluación de hardware en bucle abierto y cerrado a escala para acelerar el ritmo de la innovación, realizar un seguimiento de las mejoras de rendimiento y evitar regresiones. Aprovecha los clips de características anonimizados de nuestra flota e intégralos en grandes conjuntos de casos de prueba. Escribe código que simule nuestro entorno real, produciendo gráficos muy realistas y otros datos de sensores que alimentan nuestro software de conducción autónoma para la depuración en vivo o las pruebas automatizadas.