Tesla Otonom Sürüş Keynote @ CVPR21 özeti

<p>Radarı çıkarıp saf vision ile Autopilot’u iyileştirdikleri örneğin sunumu (Clien’de Slipper kullanıcısının özeti)<br /> - Önceden radar ve vision birlikte kullanılıyordu<br /> - Radar gürültüsü nedeniyle tahmin edilen değerlerin güvenilirliğinde sorun vardı<br /> - Bu yüzden yalnızca vision kullanarak nesnelerin konumunu, hızını ve ivmesini tahmin etme çalışması yapıldı<br /> → Halka açık yollarda dolaşan Tesla filosunun sürüş videoları alınıp çevrimdışı ortamda otomatik olarak etiketlenerek (konum, hız, ivme yazılarak) eğitim verisi oluşturuldu <br /> → 'Zor durum' olduğunu anlayabilen 221 farklı belirti tanımlandı ve normal Tesla araçlarında 'shadow mode' olarak çalışan sinir ağı bu belirtileri yakaladı<br /> → Tesla AI ekibi belirli bir 'zor durumu' sorun olarak değerlendirdiğinde, benzer durumlara ait veriler Tesla araçlarından toplanıp (otomatik olarak) etiketlenmiş eğitim verisi oluşturuldu<br /> → Bununla eğitilen yeni sinir ağının tekrar 'shadow mode'da dağıtılması süreci tekrarlandı<br /> → 4 ay boyunca 7 kez tekrarlandı ve edge case'ler dahil 1 milyon videodan oluşan bir eğitim seti kuruldu<br /> → Etiket sayısı 6 trilyon, veri boyutu 1.5 petabayt<br /> → Eğitim için 1.8 exaflops performansında bir süper bilgisayar kuruldu<br /> - Bunun sonucunda ortaya saf vision Autopilot çıktı<br /> - Çok daha hızlı tepki veriyor, çeşitli nesneleri tanımlıyor ve tatmin edici sonuçlar gösteriyor</p>

[dalinaum]

<p>Pure Vision Autopilot ise phantom brake sorununun daha da kötüleşeceği anlaşılıyor.</p>