AI og robotikk

Tesla Optimus

Lag en generell, autonom, humanoid biped robot som er i stand til å utføre usikre, repeterende eller kjedelige oppgaver. For å oppnå det endelige målet må man bygge programvarestakkene som muliggjør balanse, navigasjon, oppfatning og samhandling med den fysiske verden. Vi ansetter ingeniører som skal jobbe med dyp læring, datasyn, bevegelsesplanlegging og kontrollere og utvikle mekanisk- og generell programvare for å løse noen av våre vanskeligste tekniske utfordringer.

Se muligheter

FSD-brikke

Bygg AI-avledede brikker for å kjøre programvaren vår for fullverdig selvkjøring. Ta alle, selv de minste, arkitektoniske forbedringene med i betraktning, og utnytt brikkenes ytelse per watt til det ytterste. Lag detaljtegninger, tidsstudier og effektanalyser på designen. Skriv robuste tester og resultattavler for å verifisere funksjonalitet og ytelse. Implementer drivere for å programmere og kommunisere med brikken med fokus på ytelsesoptimalisering og redundans. Når alt er gjort, godkjenn silisiumbrikken og bring den til masseproduksjon i bilene våre.

Neural nettverk

Bruk avansert forskning for å trene dype nevrale nettverk om problemer som spenner fra oppfatning til kontroll. Våre per-kamera-nettverk analyserer råbilder for å utføre semantisk segmentering, objektgjenkjenning og monokulær dybdeestimering. Våre nettverk for fugleperspektiv tar video fra alle kameraer for å vise veiplanlegging, statisk infrastruktur og 3D-objekter direkte ovenfra og ned. Nettverkene våre lærer av de mest kompliserte og mangfoldige scenariene i verden, hentet iterativt fra bilparken vår med millioner av biler i sanntid. En fullverdig versjon av Autopilot-nevrale nettverk involverer 48 nettverk som bruker 70 000 GPU-timer på å trene 🔥. Sammen avgir de 1000 ulike tensorer (spådommer) ved hvert tidspunkt.

Autonomitetsalgoritmer

Utvikle kjernealgoritmene som kjører bilen ved å lage en høyoppløslig representasjon av verden og planlegge baner i det området. For å trene de nevrale nettverkene til å forutsi slike representasjoner bruker du algoritmer til å danne nøyaktige og virkelighetsnære terrengdata i stor skala ved å kombinere informasjon fra bilens sensorer i tid og rom. Bruk hypermoderne teknikker til å bygge et robust system for planlegging og beslutningstaking som fungerer i kompliserte, virkelige situasjoner som kan være tvetydige. Evaluer algoritmene dine over hele Tesla-bilparken.

Kodegrunnlag

Gjennomstrømning, forsinkelse, korrekthet og determinisme er de viktigste beregningene vi optimaliserer koden vår for. Bygge autopilotens programvarebaser fra grunnen, tett integrering med vår egendefinerte maskinvare. Implementere supertrouble bootloaders med støtte for OTA-oppdateringer og hente tilpassede Linux-kjerner. Skrive hurtig, minneeffektiv lavnivåkode for å fange høyfrekvente, høyvolumsdata fra sensorene våre og dele den med flere forbrukerprosesser— uten å påvirke sentral minnetilgangsventetid eller sultende kritisk funksjonskode fra CPU-sykluser. Optimalisere en rekke maskinvareprosessorer på tvers av flere maskinvaresystemer og system-on-chips.

Evaluering av infrastruktur

Bygge evalueringsverktøy for åpen og lukket sløyfe, hardware-in-the-loop og infrastruktur i skala for å akselerere innovasjonsraten, spore ytelsesforbedringer og forebygge regresjoner. Utnytte anonymiserte karakteristiske klipp fra bilparken vår og integrere dem i store suiter av testtilfeller. Skrive kode som simulerer det virkelige miljøet vårt og produsere svært realistisk grafikk og andre sensordata som mater vår Autopilot-programvare ved direkte feilsøking eller automatisert testing.