No tengo ningún conocimiento directo de cómo Tesla está construyendo y entrenando su sistema de piloto automático. Sin embargo, si tuviera que diseñar la IA detrás de un Tesla autónomo, usaría absolutamente los datos recopilados de cada automóvil.
Para motivar cómo Tesla puede arrancar los datos recopilados de los controladores actuales en todo el mundo, definamos algunos objetivos de un sistema de piloto automático AI:
- Geo-navegar de principio a fin
- Evitar accidentes: mantenerse en el camino, evitar personas / obstáculos
- Observe la ley: pare y ceda el paso en las señales de tráfico, pare en las luces, manténgase dentro del límite de velocidad
Para cualquier sistema de IA supervisado, necesitará señales y comentarios (características y etiquetas). Para 1., puede consultar la respuesta de Quora sobre el algoritmo de navegación de Google Maps. Como Tesla construyó su propio sistema de navegación, es probable que use un algoritmo similar. Las señales se pueden recopilar, como la geolocalización de los controladores (lat / long) recopilada a una frecuencia de muestreo. Y se pueden recopilar comentarios implícitos de la desviación del lat / long del conductor de la ruta sugerida para mejorar las predicciones.
- ¿Cuáles son las principales startups de inteligencia artificial en India?
- ¿Por qué los sistemas de recomendación comienzan a recomendar elementos solo después de un pequeño encuentro con un elemento similar?
- ¿Cómo debo construir un robot?
- ¿Se puede reprogramar una red neuronal entrenada como un programa secuencial clásico?
- ¿Cómo se puede aplicar la IA y el aprendizaje automático para resolver la pobreza?
Dando un paso más allá, Tesla puede querer incorporar la predicción de tráfico en sus algoritmos de enrutamiento; Este fue un gran beneficio de Waze y probablemente parte de la razón por la que Google compró Waze. El tráfico dentro de un área se puede medir observando algunos datos de velocidad y acelerómetro promediados en el tiempo de Teslas que atraviesan la misma carretera al mismo tiempo. Extrapolando hacia adelante, Tesla podría predecir el tráfico futuro esperado en un área dada señales históricas. Por ahora, esto puede proporcionar una visión muy escasa del tráfico del mundo; pero a medida que el uso de Tesla crece en un área, la precisión de la predicción del tráfico debería aumentar proporcionalmente.
En cuanto a 2., este es un problema de predicción local: las señales dadas sobre el mundo que rodea inmediatamente a un Tesla (p. Ej., Automóviles, ciclistas, peatones, barandas de seguridad) en caso de que el Tesla: mantenga la velocidad, acelere, desacelere, gire a la derecha o gire a la izquierda. Y, para cada acción potencial, en qué medida debe reaccionar el vehículo, por ejemplo, golpear en los descansos o ralentizar un toque. A partir de octubre del año pasado, todos los automóviles Tesla producidos están equipados con hardware totalmente autónomo. Esto tiene un gran beneficio para la recolección de señales de AI. Cada Tesla en el camino puede grabar continuamente videos de 360 grados, respuestas ultrasónicas, respuestas de radar, datos de acelerómetro y posición de la columna de dirección. Esto proporciona un conjunto de datos etiquetado, actualizado de forma masiva y continua: dadas las señales del sensor local, cómo reaccionó un humano . Incluso sin tener un sistema de IA de producción, este es un valioso banco de señales y comentarios que los ingenieros de IA pueden iniciar para construir la IA del piloto automático. E incluso después de que se hayan construido los sistemas de IA, se registra cualquier falla individual en el piloto automático para mejorar la precisión de la predicción para cada conductor. Por ejemplo, el año pasado Tesla anunció que iban a confiar más en el radar que en las señales visuales para la navegación unos meses después de un accidente que implicaba la reflexión de la luz de un camión.
Y, por último, considero 3. una combinación de 1. y 2 .: un sistema de inteligencia artificial podría unir conjuntos de datos cívicos locales largos / largos e información de mapeo con pistas visuales y de radar para garantizar que el piloto automático aprenda a romperse antes de una intersección, ceder en un cruce o manténgase dentro del límite de velocidad.
