<p>Apresentação de um caso de melhoria do Autopilot com pure vision, sem radar (resumo do Sleeper, do Clien)<br />
- Antes, radar e visão eram usados em conjunto<br />
- Por causa do ruído do radar, havia problemas na confiabilidade dos valores estimados<br />
- Por isso, foi realizado um trabalho para estimar a posição, velocidade e aceleração dos objetos usando apenas visão<br />
→ Foram coletados vídeos de condução da frota Tesla circulando em vias públicas e, offline, esses vídeos foram rotulados automaticamente (anotando posição, velocidade e aceleração) para construir dados de treinamento <br />
→ Foram definidos 221 sinais que permitem identificar uma "situação difícil", e uma rede neural executada em "modo sombra" em veículos Tesla comuns capturava esses sinais<br />
→ Quando a equipe de IA da Tesla julgava que uma determinada "situação difícil" era um problema, coletava dados de situações semelhantes a partir dos veículos Tesla e criava dados de treinamento rotulados (automaticamente)<br />
→ Em seguida, repetia-se o processo de implantar a nova rede neural treinada com esses dados novamente em "modo sombra"<br />
→ Isso foi repetido 7 vezes ao longo de 4 meses, construindo um conjunto de treinamento com 1 milhão de vídeos, incluindo edge cases<br />
→ O número de rótulos foi de 6 trilhões, com volume de 1,5 petabytes<br />
→ Para o treinamento, foi construído um supercomputador com desempenho de 1,8 exaflops<br />
- O resultado disso foi o Autopilot pure vision<br />
- Ele reage muito mais rápido, identifica diversos objetos e apresenta resultados satisfatórios</p>
1 comentários