IT之家 10 月 26 日报道，特斯拉人工智能和自动驾驶软件副总裁 Ashok Eluswamy 近日罕见地爆料了该公司的人工智能系统如何学习驾驶。 IT之家注意到，Elswami 在参加计算机视觉国际会议后，通过 X 社交媒体平台发表了一篇长文，详细介绍了特斯拉“端到端”神经网络的技术原理。 Elaswamy表示，目前大多数自动驾驶公司都依赖模块化、传感器密集型系统，将感知、规划和控制三个环节相互分离。另一方面，特斯拉采取了完全不同的方法，将这三个功能集成到一个统一的、持续训练的神经网络中。 “梯度信号从控制层传播回传感器输入，从而实现整个网络的全局优化，”他解释道。他指出，该技术的优势在于架构是可扩展性和近似人类思维的推理能力。他以现实世界的驾驶场景为例，表示特斯拉的人工智能可以学习并掌握微妙的价值判断，例如决定是否在道路上的水周围行驶或暂时移至对向车道以确保通行。当然。 “自动驾驶汽车一直面临着‘迷你电车问题’，”埃尔斯瓦米写道。 “通过人类驾驶数据的训练，机器人可以学习符合人类价值观的行为规则。”他还强调，该系统使人工智能能够理解复杂的意图决策，例如识别路上的动物是准备过马路还是静止不动。这种微妙的行为很难使用传统的编程方法手动编码。 Eraswami承认，这条技术道路仍然面临着巨大的挑战。特斯拉的人工智能系统必须处理来自多个摄像头、导航地图和 k 的数十亿个“输入令牌”气动数据。为了处理如此大量的数据，特斯拉根据其世界各地的车队开发了所谓的“数据级联”。我们创建了大量资源来帮助您。每天产生的驾驶数据相当于500年的真实驾驶经验。然后，高级数据管道选择最有价值的训练样本。为了提高神经网络的可解释性和可测试性，特斯拉开发了一系列专用工具。其中，“Generative Gaussian Splatting”技术可以在毫秒内重建3D场景，并对动态物体进行建模，无需配置复杂。此外，特斯拉内部开发的神经世界模拟器使工程师能够在高度真实的虚拟环境中安全地测试新的驾驶模型，并实时生成高分辨率的因果逻辑响应。 Eluswamy 最后表示，未来将使用相同的神经网络架构。关于特斯拉的人形机器人“擎天柱”。“这项研究最终将为全人类带来巨大的好处，”他说，并称特斯拉是“目前世界上最好的人工智能研究平台”。
特别提示：以上内容（包括图片、视频，如有）由自有媒体平台“网易账号”用户上传发布。本平台仅提供信息存储服务。
注：以上内容（包括图片和视频，如有）由仅提供信息存储服务的社交媒体平台网易号用户上传发布。
