สรุปคีย์โน้ต Tesla Autonomous Driving @ CVPR21
(clien.net)<p>นำเสนอกรณีปรับปรุง Autopilot ด้วย pure vision ที่ตัดเรดาร์ออก (สรุปโดยคุณ Seullipeo จาก Clien)<br />
- ก่อนหน้านี้ใช้ทั้งเรดาร์และวิชันร่วมกัน<br />
- แต่เนื่องจากสัญญาณรบกวนของเรดาร์ จึงมีปัญหาเรื่องความน่าเชื่อถือของค่าที่ประเมินได้<br />
- จึงดำเนินงานเพื่อประเมินตำแหน่ง ความเร็ว และความเร่งของวัตถุโดยใช้เฉพาะวิชัน<br />
→ นำวิดีโอการขับขี่จาก Tesla fleet ที่วิ่งอยู่บนถนนจริงมาใช้ แล้วทำการติดป้ายกำกับแบบอัตโนมัติแบบออฟไลน์ (ใส่ตำแหน่ง ความเร็ว ความเร่ง) เพื่อสร้างข้อมูลสำหรับการฝึก <br />
→ กำหนดสัญญาณบ่งชี้ 221 แบบที่ทำให้รู้ได้ว่าเป็น 'สถานการณ์ที่จัดการยาก' และให้โครงข่ายประสาทที่ทำงานใน 'shadow mode' บนรถ Tesla ทั่วไปตรวจจับสัญญาณเหล่านี้<br />
→ เมื่อทีม Tesla AI ตัดสินว่าสถานการณ์ 'ที่จัดการยาก' แบบใดเป็นปัญหา ก็จะรวบรวมข้อมูลของสถานการณ์คล้ายกันจากรถ Tesla เพื่อสร้างข้อมูลฝึกที่ติดป้ายกำกับแล้วโดยอัตโนมัติ<br />
→ จากนั้นทำซ้ำโดยนำโครงข่ายประสาทใหม่ที่ฝึกด้วยข้อมูลนี้ไปปล่อยใช้อีกครั้งใน 'shadow mode'<br />
→ ทำซ้ำ 7 ครั้งตลอด 4 เดือน และสร้างชุดฝึกจากวิดีโอ 1 ล้านรายการรวมถึง edge cases<br />
→ จำนวนเลเบลมี 6 ล้านล้านรายการ ขนาดข้อมูล 1.5 เพตะไบต์<br />
→ สร้างซูเปอร์คอมพิวเตอร์ประสิทธิภาพ 1.8 exaflops สำหรับการฝึก<br />
- ผลลัพธ์ที่ได้คือ pure vision Autopilot<br />
- ตอบสนองได้เร็วขึ้นมาก ระบุวัตถุได้หลากหลาย และแสดงผลลัพธ์ที่น่าพอใจ</p>
1 ความคิดเห็น