Ajoin uudella itseohjautuvalla Teslalla Las Vegas Loopissa! Se oli PALJON tasaisempaa kuin ihminen ajaa Loopissa. Ei ihmisen panosta. Se ei ollut kiireinen, joten hän antoi meidänkin ratsastaa takaisin. Kuljettaja sanoi, että he antavat pian kyytejä aina lentokentälle asti. Olemme tulevaisuudessa.

Teslan tekoälyjohtajan @aelluswamy uusi 30 minuutin esitys on julkaistu, jossa hän puhuu FSD:stä, tekoälystä ja tiimin viimeisimmästä edistymisestä. Kohokohta esityksestä: • Teslan ajoneuvokanta voi tarjota 500 vuoden ajotietoja joka ikinen päivä. Ulottuvuuden kirous: • 8 kameraa suurella kuvanopeudella = miljardeja merkkejä 30 sekunnin ajokontekstissa. • Teslan on tiivistettävä ja poimittava oikeat korrelaatiot aistisyötteen ja ohjaustoimintojen välillä. Tietojen etu: • Teslalla on pääsy "Niagaran putousten tietoihin" – satojen vuosien kollektiiviseen kaluston ajamiseen. • Käyttää älykkäitä datalaukaisimia harvinaisten kulmatapausten (esim. monimutkaiset risteykset, arvaamaton käyttäytyminen) tallentamiseen. Laatu ja tehokkuus: • Poimii vain olennaiset tiedot, joita tarvitaan mallien tehokkaaseen kouluttamiseen. Virheenkorjaus ja tulkinta: • Vaikka järjestelmä on päästä päähän, Tesla voi silti kehottaa mallia tuottamaan tulkittavissa olevia tietoja: 3D-käyttöaste, tien rajat, esineet, kyltit, liikennevalot jne. • Luonnollisen kielen kysely: kysy mallilta, miksi se teki tietyn päätöksen. • Nämä apuennusteet eivät aja autoa, mutta auttavat insinöörejä virheenkorjauksessa ja turvallisuuden varmistamisessa. Teslan edistynyt Gaussin roiskeet (3D-kohtausmallinnus): • Tesla kehitti mukautetun, erittäin nopean Gaussin roiskejärjestelmän, joka rekonstruoi 3D-kohtauksia rajoitetuista kameranäkymistä. • Tuottaa teräviä ja tarkkoja 3D-renderöintejä jopa muutamasta kamerakulmasta – paljon paremmin kuin tavalliset NeRF/roiskemenetelmät. • Mahdollistaa ajoympäristön nopean visuaalisen virheenkorjauksen 3D-muodossa. Arviointi ja maailmanmallit: • Arviointi on vaikein haaste: mallit voivat toimia hyvin offline-tilassa, mutta epäonnistua todellisissa olosuhteissa. • Tesla rakentaa tasapainoisia ja monipuolisia arviointitietojoukkoja, jotka keskittyvät reunatapauksiin – ei vain helppoon maantieajoon. Esiteltiin opitun maailman simulaattori (neuroverkon luoma videomoottori): • Voi simuloida 8 Tesla-kamerakuvaa samanaikaisesti – täysin synteettinen. • Käytetään testaukseen, koulutukseen ja vahvistusoppimiseen. • Mahdollistaa vastakkaisten tapahtumien ruiskuttamisen (esim. jalankulkijan tai ajoneuvon lisääminen). • Mahdollistaa aiempien epäonnistumisten toistamisen uusien malliparannusten tarkistamiseksi. • Voi toimia lähes reaaliajassa, jolloin testaajat voivat "ajaa" simuloidussa maailmassa. Mitä seuraavaksi: • Skaalaa robotaxi-palvelua maailmanlaajuisesti. • Vapauta täysi autonomia koko Tesla-kalustossa. • Cybercab: seuraavan sukupolven 2-paikkainen ajoneuvo, joka on suunniteltu erityisesti robotaxi-käyttöön ja jonka tavoitteena on alhaisimmat kuljetuskustannukset (halvempi kuin julkinen liikenne). • Samat neuroverkot toimivat Optimus-humanoidirobotissa. • Samaa videontuotantojärjestelmää sovelletaan nyt Optimukseen. • Järjestelmä voi simuloida ja suunnitella robottien liikettä ja mukautua helposti uusiin muotoihin. kansainvälisen tietokonenäkökonferenssin (ICCV) kautta. Koko esitys:

Teslan tekoälyjohtajan @aelluswamy uusi 30 minuutin esitys on julkaistu, jossa hän puhuu FSD:stä, tekoälystä ja tiimin viimeisimmästä edistymisestä. Kohokohta esityksestä: • Teslan ajoneuvokanta voi tarjota 500 vuoden ajotietoja joka ikinen päivä. Ulottuvuuden kirous: • 8 kameraa suurella kuvanopeudella = miljardeja merkkejä 30 sekunnin ajokontekstissa. • Teslan on tiivistettävä ja poimittava oikeat korrelaatiot aistisyötteen ja ohjaustoimintojen välillä. Tietojen etu: • Teslalla on pääsy "Niagaran putousten tietoihin" – satojen vuosien kollektiiviseen kaluston ajamiseen. • Käyttää älykkäitä datalaukaisimia harvinaisten kulmatapausten (esim. monimutkaiset risteykset, arvaamaton käyttäytyminen) tallentamiseen. Laatu ja tehokkuus: • Poimii vain olennaiset tiedot, joita tarvitaan mallien tehokkaaseen kouluttamiseen. Virheenkorjaus ja tulkinta: • Vaikka järjestelmä on päästä päähän, Tesla voi silti kehottaa mallia tuottamaan tulkittavissa olevia tietoja: 3D-käyttöaste, tien rajat, esineet, kyltit, liikennevalot jne. • Luonnollisen kielen kysely: kysy mallilta, miksi se teki tietyn päätöksen. • Nämä apuennusteet eivät aja autoa, mutta auttavat insinöörejä virheenkorjauksessa ja turvallisuuden varmistamisessa. Teslan edistynyt Gaussin roiskeet (3D-kohtausmallinnus): • Tesla kehitti mukautetun, erittäin nopean Gaussin roiskejärjestelmän, joka rekonstruoi 3D-kohtauksia rajoitetuista kameranäkymistä. • Tuottaa teräviä ja tarkkoja 3D-renderöintejä jopa muutamasta kamerakulmasta – paljon paremmin kuin tavalliset NeRF/roiskemenetelmät. • Mahdollistaa ajoympäristön nopean visuaalisen virheenkorjauksen 3D-muodossa. Arviointi ja maailmanmallit: • Arviointi on vaikein haaste: mallit voivat toimia hyvin offline-tilassa, mutta epäonnistua todellisissa olosuhteissa. • Tesla rakentaa tasapainoisia ja monipuolisia arviointitietojoukkoja, jotka keskittyvät reunatapauksiin – ei vain helppoon maantieajoon. Esiteltiin opitun maailman simulaattori (neuroverkon luoma videomoottori): • Voi simuloida 8 Tesla-kamerakuvaa samanaikaisesti – täysin synteettinen. • Käytetään testaukseen, koulutukseen ja vahvistusoppimiseen. • Mahdollistaa vastakkaisten tapahtumien ruiskuttamisen (esim. jalankulkijan tai ajoneuvon lisääminen). • Mahdollistaa aiempien epäonnistumisten toistamisen uusien malliparannusten tarkistamiseksi. • Voi toimia lähes reaaliajassa, jolloin testaajat voivat "ajaa" simuloidussa maailmassa. Mitä seuraavaksi: • Skaalaa robotaxi-palvelua maailmanlaajuisesti. • Vapauta täysi autonomia koko Tesla-kalustossa. • Cybercab: seuraavan sukupolven 2-paikkainen ajoneuvo, joka on suunniteltu erityisesti robotaxi-käyttöön ja jonka tavoitteena on alhaisimmat kuljetuskustannukset (halvempi kuin julkinen liikenne). • Samat neuroverkot toimivat Optimus-humanoidirobotissa. • Samaa videontuotantojärjestelmää sovelletaan nyt Optimukseen. • Järjestelmä voi simuloida ja suunnitella robottien liikettä ja mukautua helposti uusiin muotoihin. kansainvälisen tietokonenäkökonferenssin (ICCV) kautta. Koko esitys: