<p>Trình bày trường hợp cải thiện Autopilot bằng pure vision bỏ radar (tóm tắt bởi Sleeper trên Clien)<br />
- Trước đây sử dụng kết hợp radar và vision<br />
- Do nhiễu radar, đã có vấn đề về độ tin cậy của các giá trị ước tính<br />
- Vì vậy đã tiến hành công việc ước tính vị trí, tốc độ và gia tốc của vật thể chỉ bằng vision<br />
→ Xây dựng dữ liệu huấn luyện bằng cách lấy các video lái xe từ đội xe Tesla đang lưu thông trên đường công cộng và tự động gán nhãn ngoại tuyến (ghi vị trí, tốc độ, gia tốc) <br />
→ Định nghĩa 221 dấu hiệu cho biết đó là một 'tình huống khó xử lý', và mạng nơ-ron chạy ở 'shadow mode' trên các xe Tesla thông thường sẽ phát hiện các dấu hiệu này<br />
→ Khi bộ phận AI của Tesla đánh giá một 'tình huống khó xử lý' cụ thể là vấn đề, họ sẽ thu thập dữ liệu của các tình huống tương tự từ các xe Tesla để tạo dữ liệu huấn luyện đã được gán nhãn (tự động)<br />
→ Lặp lại việc triển khai mạng nơ-ron mới được huấn luyện từ dữ liệu này trong 'shadow mode'<br />
→ Đã lặp lại 7 lần trong 4 tháng và xây dựng tập huấn luyện gồm 1 triệu video, bao gồm cả edge cases<br />
→ Số lượng nhãn là 6 nghìn tỷ, dung lượng là 1.5 petabyte<br />
→ Xây dựng siêu máy tính có hiệu năng 1.8 exaflops để huấn luyện<br />
- Kết quả tạo ra từ đó là pure vision Autopilot<br />
- Phản ứng nhanh hơn nhiều, nhận diện được đa dạng vật thể và cho thấy kết quả đáng hài lòng</p>
1 bình luận