特斯拉AI总监讨论用于自动驾驶的神经网络编程(视频) 特斯拉Model 3量产于24小时内达到4,290每周,638次(谣言) 轻型电动汽车的未来:#CleanTechnica专访Boosted首席执行官Jeff Russakow 比亚迪与深圳两家公司达成500辆电动垃圾车交易 Flytrex无人机交付解决方案旨在减少最后一英里的排放和交通 经销商和电动汽车的问题 清洁技术新闻摘要:新中国电动汽车,煤炭的社会成本,垂直农业,无限范围电动汽车高速公路 窥探特斯拉资本幕 特斯拉Model X牵引真的,真的是大飞机! 通用和本田联手开发下一代电池 奥尔巴尼应该让特斯拉在纽约扩张(Op-Ed) 纽约创业公司HEVO如何将无线充电推向新高度 SpaceInvader —一种利用卡车运输业中多余货物空间的新系统 继续前进,Boaty McBoatface,镇上有一个新的氢燃料电池研究船 沙特阿拉伯向电动汽车的转变可能会受到新许可的女性驾驶员的推动 宝马电动汽车的销售百分比令人印象深刻。那么公司在做什么呢? 在这些荷兰学校的操场上开始学习有关电动汽车充电的知识 电动摩托车公司Alta Motors着眼于扩大全球市场 比亚迪向玛莎葡萄园运输局提供5辆电动巴士 冰岛的20条ABB直流快速充电器网络饱和了1,300公里路线1 运输电动化协议敦促公用事业采用电动汽车充电基础设施 特斯拉在7天内生产7,000辆汽车 与特斯拉大学毕业生聊天 新立法授权夏威夷到2045年实现碳中和 首批Tesla Model 3性能测试驱动器 魁北克计划推出电动汽车快速充电网络并重新投资收入 到2020年,丰田计划通过10款新车瞄准利润丰厚的中国插电式汽车市场 来特斯拉短挤压?股票会在3周内成为“超新星”吗?伊隆暗示会 普通人类家庭如何看待特斯拉Model S 特斯拉卡车推特风暴#ElonTweets 在佛罗里达试驾雪佛兰螺栓(…否) 我在想什么EV转换开始之前的故事 如何在非特斯拉公共充电站使用特斯拉充电适配器(#YouTube) 电动巴士vs自治班车vs乘车共享:公共交通的未来是什么? 这些信仰不同的领导人举行了电动汽车的祝福仪式 五月份交付了多少特斯拉Model 3? 伊隆·马斯克(Elon Musk)的新特斯拉薪酬方案的目的之一 厚积薄发,佳通轮胎新能源家族蓄势登场 沃尔沃用新的垃圾运输卡车将其推向电动卡车 Tesla Model X首次超过Tesla Model S(新#CleanTechnica图表) 菲亚特·克莱斯勒将无奈地参加电动汽车革命 一级方程式赛车不断发展,行驶距离更长 比亚迪对洛杉矶时报的批评表示强烈反对— #Pravduh #RealityCheck 4月份电动汽车行业发生了什么变化? VanMoof宣布推出两款新型电动自行车 2018年日产LEAF的销量在4月的全球主要市场下滑 寻找价值35,000美元的Tesla Model 3 松下承诺减少特斯拉电动汽车电池的钴含量 Elon回应特斯拉Model 3获得消费者报告“不推荐”评级 特斯拉如何在2018年第三季度及以后实现盈利?(#CleanTechnica分析)

特斯拉AI总监讨论用于自动驾驶的神经网络编程(视频)

特斯拉的AI总监Andrej Karpathy参加了TRAIN AI 2018的演讲,然后着手介绍该公司构建Autopilot计算机视觉解决方案的方法。他的演讲标题为“构建软件2.0堆栈”。

当神经网络(也称为机器学习或人工智能)运行节目时,安德烈(Andrej)承担了从传统的基于规则的编程方法中区分编程任务的任务。在典型的互联网术语中,他配音神经网络编程软件2.0,而基于规则的编程则占用了软件1.0的名字。

事实证明,两者之间的差异是巨大的,对神经网络进行编程与对网页或智能手机应用进行编程有很大不同。近年来,随着计算机视觉努力为可识别图像中的每个可能对象定义规则,这一点变得越来越明显。努力工作并不能阻止程序员尝试甚至执行极其复杂的计算机视觉分析。

1990年至2010年对照片分析的早期学习为现代关注视频图像分析奠定了基础,而视频图像分析具有较高的帧速率,因此对计算机资源的压力大大增加。特斯拉(Tesla)的自动驾驶仪(Autopilot)等应用程序要求所有处理都是实时的,即使使用实时数据来预测附近驾驶员将做什么或可能做什么,以减轻影响。[编者注:大量使用计算机处理高质量的自动驾驶是乔治·霍茨(又名地热)指出特斯拉在传统汽车制造商中遥遥领先的主要原因。看到:“地热:特斯拉Autopilot = Apple iOS,Comma.ai = Android(CleanTechnica独家)”。

特斯拉的自动驾驶解决方案在很大程度上依赖于计算机视觉,而不是激光雷达和其他传感器,因为特斯拉的团队认为这从根本上来说是优越的,而且强大的摄像头阵列足以支持完整的自动驾驶解决方案。

安德烈(Andrej)在第15分钟深入研究特斯拉(Tesla)团队用来破解自动驾驶仪的计算机视觉螺母的方法时,便将一切推向了高潮。特斯拉的自动驾驶程序设计团队分为两个主要小组。第一组建立神经网络本身,而第二组专注于神经网络的实际编程,这包括选择神经网络将要学习的一组标记图像。

就像编程代码必须高效一样,安德烈(Andrej)指出,用于对神经网络进行编程的图像必须很大,变化且干净。对神经网络进行编程,更多的是关于识别异常并为适当的行为对软件2.0堆栈进行编程,而不仅仅是在正常情况下对系统进行编程。

考虑使用图像对神经网络进行编程的一种简单方法是交叉路口的交通信号。大多数具有标准的红黄绿堆栈,可以通过提供红灯图像并标记为指示车辆应该停止的信号来进行建模。相反,绿灯表示车辆可以继续通过交叉路口。黄色是同等重要的指标,但出现频率远低于红色和绿色的床友。即使在现实世界中黄灯的频率比绿灯和红灯的频率低很多,也必须对神经网络进行编程,以使其对三者均能很好地理解。

从根本上讲,特斯拉相信其自动驾驶解决方案将在人类驾驶汽车的路上提供更安全的驾驶体验。这在今天是有意义且重要的,但仅暗示了在世界任何地方的道路上任何情况下均可行驶的车辆的更大可能性。特斯拉的自动驾驶汽车今天的死亡人数减少了4倍,首席执行官埃隆·马斯克(Elon Musk)认为,与人类驾驶员相比,他的死亡人数至少可以提高10倍。

安德烈(Andrej)指出,特斯拉拥有世界上最大的机器人部署,由于每个人都配备了硬件,因此目前在路上有25万个机器人具有不同程度的自动驾驶能力。特斯拉今天还没有实现“全自动驾驶”,但它有信心能够实现这一目标,因此它已经出售了“全自动驾驶”作为新S,X和3订单的选装件。

安德烈(Andrej)的整整30分钟的演讲值得关注那些想了解自动驾驶汽车和计算机视觉的发展趋势的数据专家,或者您可以跳至15分钟以了解特斯拉针对计算机视觉的方法的最新信息。其自动驾驶解决方案。

请查看他在Vimeo上的演讲视频,由于其安全性设置,该视频无法嵌入。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。