AI en robotica

Tesla Optimus

Een autonome mensachtige robot met twee benen creëren die in staat is om onveilige, repetitieve of saaie taken uit te voeren. Om dat te bereiken moeten softwarestacks worden gebouwd die balans, navigatie, perceptie en interactie met de fysieke wereld mogelijk maken. Wij nemen ingenieurs gespecialiseerd in Deep Learning, computervisie, bewegingsplanning, bedieningselementen en mechanische en algemene software in dienst om enkele van onze moeilijkste technische uitdagingen op te lossen.

Bekijk de mogelijkheden

FSD-chip

Bouw AI-proceschips die onze Full Self-Driving-software ondersteunen en denk ook aan kleine of zeer kleine bouwkundige verbeteringen die de prestaties per watt van silicium kunnen maximaliseren. Voer grootte-, tijd- en vermogensanalyses uit op het ontwerp. Schrijf robuuste testprocedures en scoreborden om werking en prestaties te controleren. Implementeer stuurprogramma's om de chip te programmeren en ermee te communiceren en leg daarbij de nadruk op prestatieoptimalisatie en redundantie. Valideer ten slotte de siliciumchip en zorg ervoor dat deze in massa kan worden geproduceerd voor onze voertuigen.

Neurale netwerken

Voer baanbrekend onderzoek uit om diepe neurale netwerken te trainen op problemen variërend van waarneming tot besturing. Onze cameragestuurde netwerken analyseren onbewerkte beelden om semantische segmentatie, objectdetectie en monoculaire diepteschatting uit te voeren. Onze vogelperspectiefnetwerken gebruiken videobeelden van alle camera's om de indeling van de weg, de statische infrastructuur en 3D-objecten direct naar de weergave van het vogelperspectief over te brengen. Onze netwerken leren van de meest gecompliceerde en diverse scenario's ter wereld, die op iteratieve wijze en in real time worden ontleend aan miljoenen rijdende Tesla's. Een volledig uitgebouwd neuraal Autopilot-netwerk omvat 48 netwerken die 70.000 GPU-uren nodig hebben om getraind te worden 🔥. Samen voeren ze 1.000 verschillende tensoren (voorspellingen) uit op elk tijdstip.

Algoritmen voor autonomie

Ontwikkel de basisalgoritmen die het voertuig besturen door een getrouwe weergave van de omgeving te creëren en trajecten in die ruimte te plannen. Om de neurale netwerken te trainen om dergelijke voorstellingen te voorspellen, moeten algoritmisch nauwkeurige en grootschalige ground truth-gegevens worden gegenereerd door informatie van de sensoren van het voertuig in de ruimte en tijd te combineren. Gebruik state-of-the-art technieken om een robuust planning- en besluitvormingssysteem op te bouwen dat werkt in gecompliceerde realistische situaties die voor onzekerheid zorgen. Beoordeel uw algoritmen op de schaal van het gehele Tesla-wagenpark.

Codefundament

Doorvoer, latentie, correctheid en determinisme zijn de belangrijkste meetwaarden waarmee wij onze code optimaliseren. Leg van onderaf het fundament voor de Autopilot-software en integreer deze naadloos in onze speciale hardware. Implementeer superbetrouwbare bootloaders met ondersteuning voor draadloze updates en maak aangepaste Linux-kernels. Schrijf snelle, geheugenefficiënte low-level code om hoogfrequente gegevens in grote volumes van onze sensoren vast te leggen en deel deze met diverse verbruikersprocessen — zonder de wachttijd van het centrale geheugen te beïnvloeden of kritieke functionele code van CPU-cycli te belasten. Bereken squeeze en pipeline voor verschillende hardwareprocessors, verdeeld over diverse SoC's (System on a Chip).

Infrastructuur voor evaluatie

Bouw evaluatietools en infrastructuur voor open-loop, closed-loop en hardware-in-the-loop op schaal, om het innovatietempo te versnellen, prestatieverbeteringen te meten en regressies te voorkomen. Maak gebruik van geanonimiseerde kenmerkende clips van ons wagenpark en integreer deze in grote pakketten testcases. Schrijf code die onze werkelijke omgeving simuleert en produceer daarbij uiterst realistische beelden en andere sensorgegevens die onze Autopilot-software voeden voor live foutopsporing of geautomatiseerd testen.