Autopilot

Kehitämme ja otamme käyttöön autonomiaa laajassa mittakaavassa. Uskomme, että kehittyneeseen tekoälyyn perustuva lähestymistapa näkemiseen ja suunnitteluun yhdessä päättelylaitteiden tehokkaan käytön kanssa on ainoa keino löytää yleisesti toimiva ratkaisu, jolla autosta saadaan täysin itsestään ajava.

Laitteisto

Laitteisto

Kehitä piisiruja täysin itsestään ajavaa ohjelmistoamme varten alusta alkaen huomioimalla kaikki pienen ja mikroarkkitehtuurin parannukset samalla, kun etsit keinoja piisirun suorituskyvyn parantamiseen virrankulutusta lisäämättä. Analysoi mallia elementtien sijoittelun, ajoituksen ja tehon kannalta. Kirjoita vakaita, satunnaistettuja testejä ja tulostauluja toiminnan ja suorituskyvyn tarkistamiseen. Toteuta kääntäjiä ja ohjaimia sirun ohjelmointia ja ohjausta varten ja tee se optimaalista suorituskykyä ja virransäästöä painottaen. Validoi lopuksi piisiru ja vie se massatuotantoon.

Neuraaliverkot

Neuraaliverkot

Hyödynnä viimeisimpiä tutkimustuloksia syvien neuraaliverkkojen kouluttamiseen havainnoinnin ja ohjauksen kaltaisten ongelmien ratkaisussa. Kamerakohtaiset verkkomme analysoivat raakakuvia semanttista segmentaatiota, kohteiden havaitsemista ja monokulaarista syvyysarviointia varten. Lintuperspektiiviä käyttävät verkkomme keräävät videokuvaa kaikista kameroista ja työstävät siitä tiekaavion, staattisen infrastruktuurin ja kolmiulotteisia kohteita suoraan jäsentävään näkymään. Verkot oppivat monimutkaisista ja monipuolisista tositilanteista, jotka saadaan iteratiivisesti ja reaaliajassa lähes 1 miljoonasta ajoneuvostamme ympäri maailman. Autopilot-neuraaliverkkojen täyteen koontiversioon kuuluu 48 verkkoa, joiden kouluttamiseen kuluu 70 000 GPU-tuntia 🔥. Yhdessä ne kykenevät tuottamaan 1 000 erillistä tensoria (ennustetta) jokaisella aika-askeleella.

Autonomia-algoritmit

Autonomia-algoritmit

Kehitä ydinalgoritmeja, jotka ajavat autoa luomalla erittäin tarkan esityksen ympäröivästä maailmasta ja suunnittelemalla liikeratoja siinä tilassa. Luo algoritmien avulla tarkkaa ja laaja-alaista ground truth -dataa, jossa yhdistetään auton anturitietoja tilassa ja ajassa, jotta neuraaliverkot voidaan kouluttaa ennustamaan ympäristön tilanteita. Rakenna uusimpien menetelmien avulla luotettavaa suunnittelu- ja päätöstentekojärjestelmää, joka toimii monimutkaisissa tosimaailman tilanteissa epävarmuustekijöiden häiritsemättä. Arvioi algoritmeja Teslan koko kaluston laajuudelta.

Koodin perusta

Koodin perusta

Suoritusteho, latenssi, oikeellisuus ja determinismi ovat tärkeimpiä mittareitamme koodin optimoinnissa. Rakenna Autopilot-ohjelmiston perustaa pinon alimmilta tasoilta ylöspäin integroimalla se tiiviisti mukautettuun laitteistoomme. Ota käyttöön erittäin luotettavia esilataajia ja langattomien päivitysten tuki, ja tuota mukautettuja Linux-ytimiä. Kirjoita nopeaa, muistia kuormittamatonta matalan tason koodia, jolla kerätään antureista taajaan saadut mittavat tiedot ja jaetaan ne useisiin kuluttajaprosesseihin pidentämättä keskusmuistin käyttöviivettä tai ehdyttämättä suoritinjaksojen kriittisiä toimintakoodeja. Tehosta ja suoraviivaista laskentaa useisiin järjestelmäpiireihin jaetuissa monenlaisissa laitteistojen suorittimissa.

Arviointi-infrastruktuuri

Arviointi-infrastruktuuri

Koosta avoimen ja suljetun silmukan hardware-in-the-loop-arviointityökaluja ja infrastruktuuria laajassa mittakaavassa innovaatioiden nopeuttamiseksi, suorituskykyparannusten seuraamiseksi ja regression välttämiseksi. Hyödynnä kalustostamme saatuja anonymisoituja ominaisuusleikkeitä ja integroi ne laajoihin testipatteristoihin. Kirjoita tosimaailman ympäristöä simuloivaa koodia ja tuota erittäin realistista grafiikkaa ja muuta anturidataa, jotka syötetään Autopilot-ohjelmistoon virheiden reaaliaikaista poistamista ja automaattisia testejä varten.

tarvitaan

Lähetetään...

Kiitos lähettämästäsi lomakkeesta, otamme sinuun yhteyttä!

Pahoittelemme, ettemme voi tällä hetkellä käsitellä pyyntöäsi. Yritä myöhemmin uudelleen.