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....