Autopilot 自動輔助駕駛

我們大規模地開發和部署自動駕駛技術,深信以先進 AI 技術為基礎的願景和規劃,以及推理硬件的有效運用,是實現全自動無人駕駛普及應用的唯一途徑。

硬件

硬件

從零打造應用於全自動駕駛軟件的矽晶片,研究改進每個小型和微型的工程結構,同時努力提升矽晶片的最大瓦性能。在晶片設計上,執行平面規劃、時間和功率分析。撰寫可靠、運用隨機抽樣方式的測試報告和計分方法,來驗證晶片的功能和性能。安裝編譯器和驅動器,以進行編程及與晶片通訊,並將重點放在達至最佳性能和省電效益。驗證矽晶片後,將其投入大量生產。

神經網絡

神經網絡

應用最先進的研究技術,訓練深層神經網絡處理處理從知覺到操控層面的問題。我們的每個攝影機網絡,均透過分析原始影像,進行語義分割、物體檢測和單像景物深度估測。我們的鳥瞰網絡可從所有攝影機中擷取影像,直接輸出俯覽圖,顯示道路分佈、靜態建築物和 3D 物件。我們的網絡會從現實世界裡的多種複雜情況中學習,並反覆擷取來自近百萬部車輛的即時資料。完整的 Autopilot 自動輔助駕駛神經網絡約包含 48 個網絡,需要 70,000 個 GPU 小時訓練 🔥,每個時段可輸出 1,000 組不同的張量(預測量)。

自動駕駛演算法

自動駕駛演算法

透過模擬現實世界建構高像真度的圖像或資料,規劃該空間的軌跡,開發能夠駕駛車輛的核心演算法。為了訓練神經網絡來對這些圖像或資料進行預測,系統結合來自不同時間、地點由車輛感測器收集的資料,運用演算法建立準確、大規模的地面真實資料庫。使用最先進的技術,建立強大的規劃和決策系統,在不確定的複雜現實情況中運作。用 Tesla 整個車隊規模的資料,來評估你的車輛所使用的演算法。

基礎程式碼

基礎程式碼

流量、誤差、正確程度和確定性是我們優化程式碼的主要指標。由基礎起逐步搭建 Autopilot 自動輔助駕駛軟件,緊密整合定制硬件。安裝強勁的啟動程式,用以支援無線軟件更新及定制的 Linux 核心系統。編寫快速且節省存儲空間的底層程式碼,以從車隊的感測器中擷取高頻、大量的資料,分享至多個使用者程序,而不會對中央記憶體存取造成延誤或出現 CPU 週期中缺失關鍵功能程式碼的情況。各種硬件的處理單元使用擠壓和管線運算,分佈在多個晶片系統 (SoC) 上。

基礎架構評估

基礎架構評估

大規模建立開環和閉環的硬件在環 (HiL) 評估工具和基礎架構,以加速創新步伐、追踪效能改進,及預防回歸 (regression)。利用車隊的匿名影片,將之整合到大型測試套件內。撰寫模擬真實環境的程式碼,輸出高像真度的圖像和其他感測器資料,並傳送給 Autopilot 自動輔助駕駛軟件,進行即時除錯或自動化測試。

必要

提交中

感謝你提交申請,我們將會與你聯絡!

抱歉,我們目前無法處理你的申請,請稍後再試。