Tesla CEO Elon Musk는 적어도 2019 년부터 'Dojo'라는 신경망 훈련 컴퓨터를 놀리고 있습니다. Musk는 Dojo가 비전 전용 자율 주행을 달성하기 위해 방대한 양의 비디오 데이터를 처리 할 수있을 것이라고 말했습니다. Dojo 자체가 아직 개발 중이지만, Tesla는 오늘 Dojo가 궁극적으로 제공 할 제품의 개발 프로토 타입 버전으로 사용할 새로운 슈퍼 컴퓨터를 공개했습니다.
월요일에 열린 2021 년 컴퓨터 비전 및 패턴 인식 컨퍼런스에서 Tesla의 AI 책임자 인 Andrej Karpathy는 자동차 제조업체가 고품질 광학 카메라를 선호하는 자율 주행 자동차의 레이더 및 라이더 센서를 버릴 수있는 회사의 새로운 슈퍼 컴퓨터를 공개했습니다. 자율 주행에 대한 워크숍에서 Karpathy는 인간이 새로운 환경에 대응할 수있는 컴퓨터를 확보하려면 엄청난 데이터 세트와 해당 데이터를 사용하여 회사의 신경망 기반 자율 주행 기술을 훈련 할 수있는 강력한 슈퍼 컴퓨터가 필요하다고 설명했습니다. 세트. 따라서 이러한 선행 작업을 Dojo로 개발했습니다.
Karpathy에 따르면 Tesla의 최신 슈퍼 컴퓨터에는 10 페타 바이트의 "핫 티어"NVME 스토리지가 있으며 초당 1.6 테라 바이트로 실행됩니다. 1.8 EFLOPS로 그는 이것이 세계에서 다섯 번째로 강력한 슈퍼 컴퓨터가 될 수 있다고 말했지만, 나중에 그의 팀이 TOP500 슈퍼 컴퓨팅 순위에 진입하는 데 필요한 특정 벤치 마크를 아직 실행하지 않았다는 점을 인정했습니다.
Karpathy는 TechCrunch와의 인터뷰에서“총 FLOPS 수를 취하면 실제로 4480 위 자리에 배치 될 것입니다. "5760 번째 자리는 현재 NVIDIA가 자사의 Selene 클러스터와 함께 점유하고 있습니다. Selene 클러스터는 매우 유사한 아키텍처와 유사한 수의 GPU를 보유하고 있습니다 (XNUMX과 우리의 XNUMX이므로 약간 적음)."
머스크는 한동안 자율성에 대한 비전 전용 접근 방식을 옹호 해 왔습니다. 카메라는 레이더 나 라이더보다 빠릅니다. 3 월 현재 북미의 Tesla Model Y 및 Model XNUMX 차량은 고급 운전자 지원 시스템 및 자동 조종 장치를 지원하기 위해 카메라와 기계 학습에 의존하여 레이더없이 제작되고 있습니다.
많은 자율 주행 회사는 라이더와 고화질지도를 사용합니다. 즉, 모든 도로 차선과 연결 방법, 신호등 등을 포함하여 운영중인 장소에 대한 매우 상세한지도가 필요합니다.
Karpathy는 워크숍에서“우리가 취하는 접근 방식은 주로 지구상의 어느 곳에서나 작동 할 수있는 신경망을 주로 사용하는 비전 기반입니다.
"고기 컴퓨터"또는 오히려 인간을 실리콘 컴퓨터로 대체하면 지연 시간 (반응 시간 개선), 360도 상황 인식 및 Instagram을 확인하지 않는 완전히 세심한 운전자를 얻을 수 있다고 Karpathy는 말했습니다.
Karpathy는 Tesla의 슈퍼 컴퓨터가 나쁜 운전자 행동을 수정하기 위해 컴퓨터 비전을 사용하는 방법에 대한 몇 가지 시나리오를 공유했습니다. 여기에는 컴퓨터의 물체 감지 기능이 작동하여 보행자가 부딪히는 것을 방지하는 비상 제동 시나리오와 노란색 신호등을 식별 할 수있는 교통 통제 경고가 포함됩니다. 거리를두고 아직 감속을 시작하지 않은 운전자에게 경고를 보냅니다.
Tesla 차량은 또한 페달 오용 완화라는 기능을 이미 입증했습니다.이 기능은 차량이 경로에있는 보행자를 식별하거나 운전 경로가 부족한 경우에도 운전자가 제동하는 대신 실수로 가스를 밟는 것에 대응하여 보행자를 구할 수 있습니다. 차량 앞 또는 운전자가 강으로 가속하는 것을 방지합니다.
테슬라의 슈퍼 컴퓨터는 초당 36 프레임으로 차량을 둘러싼 XNUMX 개의 카메라에서 비디오를 수집하여 차량 주변 환경에 대한 엄청난 양의 정보를 제공한다고 Karpathy는 설명했습니다.
비전 전용 접근 방식은 전 세계 모든 곳에서 고화질지도를 수집, 구축 및 유지하는 것보다 확장 성이 높지만 물체 감지를 수행하고 운전을 처리하는 신경망이 수집하고이를 처리 할 수 있어야하기 때문에 훨씬 더 어려운 작업입니다. 인간의 깊이 및 속도 인식 기능과 일치하는 속도로 방대한 양의 데이터를 처리합니다.
Karpathy는 수년간의 연구 끝에 도전을 감독 학습 문제로 취급함으로써 해결할 수 있다고 믿습니다. 이 기술을 테스트하는 엔지니어들은 개입없이 인구 밀도가 낮은 지역을 주행 할 수 있다는 것을 발견했지만 "샌프란시스코와 같은 매우 적대적인 환경에서 확실히 더 많은 어려움을 겪고 있습니다."라고 Karpathy는 말했습니다. 시스템이 진정으로 잘 작동하고 고화질지도 및 추가 센서와 같은 것의 필요성을 완화하려면 인구 밀집 지역을 훨씬 더 잘 처리해야합니다.
Tesla AI 팀 게임 체인저 중 하나는 자동 라벨링을 통해 Tesla 카메라에서 차량으로 캡처 한 수백만 개의 비디오에서 도로 위험 요소 및 기타 물체와 같은 항목에 자동으로 라벨을 지정할 수 있습니다. 대규모 AI 데이터 세트에는 종종 많은 수동 라벨링이 필요하며, 이는 특히 신경망에서지도 학습 시스템이 잘 작동하도록하는 데 필요한 깔끔하게 라벨링 된 데이터 세트에 도달하려고 할 때 시간이 많이 걸립니다.
이 최신 슈퍼 컴퓨터를 통해 Tesla는 각각 약 1 초 분량의 동영상 10 백만 개를 축적하고 깊이, 속도 및 가속도로 6 억 개의 물체에 라벨을 붙였습니다. 이 모든 것이 무려 1.5 페타 바이트의 스토리지를 차지합니다. 엄청난 양처럼 보이지만 회사가 비전 시스템에만 의존하는 자율 주행 시스템에서 필요한 종류의 신뢰성을 달성하려면 훨씬 더 많은 시간이 소요될 것입니다. 따라서 더 강력한 슈퍼 컴퓨터를 계속 개발해야합니다. Tesla는보다 진보 된 AI를 추구합니다.
코인 스마트. 유로파 최고의 비트 코인-보르 스
출처 : https://techcrunch.com/2021/06/21/tesla-backs-vision-only-approach-to-autonomy-using-powerful-supercomputer/
