特斯拉FSD极速进化，专家: Dojo可直接挑战谷歌云

【EV视界报道】8月19日，特斯拉在美国举办特斯拉人工智能日（AI Day）活动，公布了特斯拉纯视觉方案FSD的进展、神经网络自动驾驶训练、D1芯片、Dojo超级计算机等重磅信息，此后引发各方积极评价。

文章插图

美国麻省理工学院(MIT)深度学习与人工智能(AI)研究科学家Lex Fridman发推文表示，特斯拉人工智能日展示了他一生中见过最令人赞叹的真实世界AI和工程努力。Fridman在YouTube开设的频道拥有125万名订阅者。在加入MIT之前，他在谷歌(Google)从事机器学习工作。

文章插图
Fridman认为，特斯拉可以通过自行研发的Dojo(道场)超级计算机芯片提供“AI训练即服务(AI Training As A Service)”，直接挑战的是全球最大云端服务商AWS(Amazon Web Services)与谷歌云(Google Cloud)，没有理由让Dojo局限于自动辅助驾驶Autopilot的运算。
第一位破解iPhone、PlayStation 3的知名黑客、Comma.ai创办人George Hotz在接受Fridman“AI播客”系列专访时指出，特斯拉将会赢得Level 5自动驾驶竞赛的最后胜利，Comma.ai将会晚特斯拉1-2年抵达终点，Comma.ai将会是自驾车界的Android系统，特斯拉将是自驾车产业的苹果。

文章插图

特斯拉CEO马斯克(Elon Musk)7月26日在2021年第2季财报电话会议上表示，完全自动辅助驾驶(FSD)是特斯拉服务项目的重心，最终将会运作得非常好，届时大家都会想要使用。
马斯克8月19日在人工智能日上被问及特斯拉最终是否会让FSD成为开源软件时回答说，打造FSD系统耗资巨大，除非有人愿意不计酬劳开发这套系统，否则势必收取授权费。如果其他汽车公司想取得FSD授权并应用在他们的车型上，那就太酷了，开发FSD时并没打算仅限应用在特斯拉的电动车上。
Loup Ventures管理合伙人Gene Munster指出，2031年底特斯拉上路的电动车将有八成具备FSD功能，10年后单靠FSD就能让特斯拉拥有8500亿美元的市值。

文章插图

特斯拉的纯视觉传感器方案的实现，离不开多任务学习HydraNets神经网络架构。每辆特斯拉汽车拥有8个环绕车身、覆盖周围360°的摄像头，来获取交通信号灯、信号牌、匝道、路缘等周边信息，为神经网络学习提供了绝佳条件。
Andrej说：“我们希望能够打造一个类似动物视觉皮层的神经网络连接，模拟大脑信息输入和输出的过程。就像光线进入到视网膜当中，我们希望通过摄像头来模拟这个过程。”

文章插图

多任务学习HydraNets神经网络架构可以将8个摄像头获取的画面拼接起来，并平衡视频画面的延迟和精准度。通过人工或自动标注车道、车辆、信号灯、障碍物等环境和动静物体，系统会逐帧分析视频画面，了解物体纵深、速度等信息，再将这些数据交给车队学习。
但是在这个过程中，特斯拉发现了这些参数和空间追踪是很难通过C++这个基础架构实现拼接的；有一些空间数据的输出质量不高；不同摄像头获取的物体信息不同，拼合时很难进行整体把握。
为解决这些问题，特斯拉开发了矢量空间（Vector Space）技术，同时兼具了非凸优化算法（Non-convex）、高维度两大优势。该技术可以通过8个摄像头输入的数据为基础绘制3D鸟瞰视图，形成4D的空间和时间标签的“路网”以呈现道路等信息，帮助车辆把握驾驶环境，更精准的寻找最优驾驶路径。