Tesla está migrando de la lógica de programación a las redes neuronales para la toma de decisiones de FSD: lo que eso significa (video)

¡Compártelo!

El investigador y hacker de firmware de Tesla que se conoce con el nombre de “verde” reveló recientemente que Tesla está migrando hacia redes neuronales (NN) para la toma de decisiones de conducción autónoma total (FSD). Actualmente, los vehículos Tesla están tomando decisiones como “derecho de paso” con lógica de programación integrada en C ++.

El piloto automático de Tesla mejora constantemente. (Imagen: Tesla)

Verde tuiteó, “Miró hacia 2020.48 NN (¡hurra por el tiempo libre de vacaciones!) Es interesante ver que están migrando el derecho de paso adivinando desde C ++ como se ve en las primeras versiones beta de FSD en octubre a NN ahora. El salto cuántico se está implementando poco a poco, supongo “.

Green cree que el fabricante de automóviles con sede en Silicon Valley está implementando esta migración poco a poco, probablemente comenzando con la función de “adivinar el derecho de paso” a otras decisiones más complejas que el automóvil debe tomar mientras conduce.

En esta etapa, Tesla está iterando y mejorando su toma de decisiones FSD Beta con cada actualización de firmware que está impulsando a unos pocos automóviles seleccionados en los Estados Unidos. Con los NN en el circuito, los autos podrán obtener instantáneamente comentarios de Tesla Mothership, que tendrá una gran cantidad de datos de aprendizaje automático para ayudar a tomar una mejor decisión.

Para simplificar esto, la ingeniera del piloto automático de Tesla, Kate Park, explica cómo funciona la visión por computadora en un video reciente producido para niños. Vea el gráfico del video a continuación que explica cómo la toma de decisiones o la detección de objetos se limita al uso de la programación tradicional. Con el uso de Machine Learning + AI + Neural Nets, todo el proceso brinda posibilidades ilimitadas.

El ingeniero de Tesla Autopilot explica cómo las computadoras reconocen objetos a través de la programación tradicional frente al aprendizaje automático + IA. (Fuente: Code.org/Youtube)

Por ejemplo, la programación tradicional no puede reconocer “X” si no se dibuja exactamente con los parámetros definidos (ver imagen de arriba). Pero la combinación de aprendizaje automático, inteligencia artificial y redes neuronales permite que la computadora aprenda múltiples patrones y posibilidades. Puede aparecer una “X” al frente.

Para que la visión por computadora funcione a la perfección, se requieren miles (a veces millones) de imágenes para definir correctamente un objeto. En el caso de Tesla, prácticamente todos los automóviles de la flota envían datos de video de las 8 cámaras para entrenar la red neuronal de la compañía. Tesla tiene miles de millones de millas de datos de conducción del mundo real recopilados de su flota mundial. Esto le da a Tesla una ventaja sustancial sobre otras empresas que trabajan en vehículos autónomos.

A principios de este año, el director ejecutivo de Tesla, Elon Musk, dijo que se está construyendo la poderosa red neuronal de próxima generación de la compañía (denominada Dojo) y que su versión 1.0 debería estar en funcionamiento el próximo año.

Las decisiones de conducción del piloto automático que migran hacia las NN representan un avance sustancial para los esfuerzos de FSD de Tesla. A su vez, 2020 podría arrojar algunos avances notables.

Video: Cómo funciona la visión por computadora por la ingeniera de Tesla Autopilot Kate Park (Fuente: Code.org / Youtube)

Una versión anterior de este artículo se publicó originalmente en Tesla Oracle.

.
Si ha sido una lectura de tu interés, te invitamos a compartir este contenido con la persona que lo va a valorar.

¡Compártelo!

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *