Autopilot 自動輔助駕駛

Tesla 大規模開發和部署自駕技術。我們深信,利用進階電腦視覺與規劃的先進人工智慧技術為基礎,搭配有效運用AI推論硬體,是達成全自動駕駛通用解決方案的唯一途徑。

硬體

硬體

從頭打造可完整支援全自動駕駛軟體的矽晶片,充分改良其中每個架構與微米級架構,同時努力提升每瓦電力所能提供最大的矽晶效能。在設計上,我們會執行晶片設計平面規劃、時間和功率分析。撰寫強大且隨機化的測試和指標,以驗證其功能性和效能。導入編譯程式和驅動程式以設計晶片並與晶片通訊,我們將重點放在效能最佳化和省電上。驗證矽晶片的效能後,將投入大量生產。

神經網路

神經網路

應用劃時代的研究與技術訓練深層神經網路,處理從感知到控制的問題。我們的每個攝影機網路都會分析原始影像以進行語義分析、物體偵測和單眼深度計算。我們的鳥瞰網絡可從所有攝影機擷取影像,從高處往下看的視角輸出道路佈局、靜態基礎架構以及 3D 物體。我們的網路會從世界上最複雜多樣的情況中學習,並以迭代方式擷取自 Tesla 近百萬部車輛的即時資訊。完整的 Autopilot 自動輔助駕駛神經網路包含 48 個網路,花費 70,000 GPU 小時來訓練 🔥,共在每個時步輸出 1,000 個不同的張量 (預測值)。

自駕演算法

自駕演算法

透過創造高擬真的世界以及在其空間規劃的車輛軌跡來開發驅動車輛的核心演算法。為了訓練神經網路以預測這樣的世界,我們透過演算法結合車輛感測器跨越空間和時間的資訊,建立準確和大規模的真實基準資料。使用最先進的技術來建構穩健的規劃和決策系統,讓系統能在複雜且充滿不確定性的現實世界中順利運行,並以整個 Tesla 車隊的規模來評估您的演算法。

程式碼基礎

程式碼基礎

流通量、延遲性、正確性與決定性是我們最佳化程式碼的主要指標。Autopilot 自動輔助駕駛軟體從堆疊的最底層建立基礎,並與 Tesla 客製化硬體緊密整合。透過 OTA 空中下載更新支援並導入客製化 Linux 核心,實現極度可靠的開機載入程式。透過編寫快速且節省儲存空間的底層程式碼,從感測器擷取大量且高頻率使用的資料,並分享給多個取用程序。該過程不會影響中央記憶體存取延遲或因 CPU 週期而使關鍵功能程式碼遲滯。運算可橫跨各種硬體運算單元,在多個系統晶片中分佈。

評估基礎架構

評估基礎架構

大規模建構開和閉迴路、迴路內建硬體評估工具和基礎設施以加快創新步伐,追蹤效能改進並防止退化。透過車隊提供的匿名特徵記錄片段,將其整合到大型測試案例組件中。編寫模擬真實環境的程式碼,產生高解析度圖形和其他感測器資料,為 Tesla 自動駕駛軟體提供即時除錯或自動化測試。

必填

提交中

感謝您提交,我們將會與您聯絡!

抱歉,我們目前無法處理您的要求,請稍後再試。