Ecco come Tesla sta usando un supercomputer per addestrare la sua guida autonoma

Aggiornamento: lug 2

La guida autonoma di Tesla è sicuramente unica: si basa solo su telecamere per vedere e capire le strade.


Autopilot di Tesla all'opera

Ad oggi non è ancora possibile acquistare un'auto completamente a guida autonoma, ma le case automobilistiche di tutto il mondo sono in competizione per diventare la prima azienda a lanciare un veicolo a guida autonoma sul mercato.


Un approccio diverso: un problema

Ogni casa automobilistica sta intraprendendo un percorso diverso per raggiungere lo stesso obiettivo.


Alcune fanno uso di metodi di telerilevamento come Light Detection and Ranging (LiDAR), mentre altri si affidano a sensori basati su radar per aiutare a individuare ostacoli difficili da vedere sulla carreggiata.


In genere, le aziende che lavorano sulla tecnologia autonoma utilizzano una combinazione di LiDAR, radar e telecamere.

Poi c'è Tesla, che crede che il riconoscimento delle immagini basato sulla visione utilizzando solo fotocamere sia la chiave per un'autonomia affidabile e conveniente.


Una visualizzazione dall'alto della visione dell'Autopilot di Tesla

Ma c'è un problema nel metodo di Tesla: perfezionare l'autonomia basata sulla visione è difficile. Richiede l'uso di un sistema in continuo miglioramento in grado di adattarsi rapidamente alle nuove e mutevoli condizioni stradali, e quindi deve essere in grado di condividere tali informazioni con altri veicoli sulla carreggiata.



La soluzione: il supercomputer

Questo tipo di apprendimento richiede una potenza di elaborazione significativamente maggiore di quella disponibile in un singolo veicolo: ci vuole un supercomputer.


Durante un discorso all'International Joint Conference on Computer Vision and Pattern Recognition all'inizio di questo mese, il senior director di AI di Tesla, Andrej Karpathy, ha rivelato che la casa automobilistica ha lavorato a un progetto per fare esattamente questo.


Il nuovo supercomputer di Tesla non è stato nominato, almeno non pubblicamente. Il cluster stesso è composto da 720 singoli computer chiamati nodi. Ogni nodo ha otto unità di elaborazione grafica (GPU) Nvidia A100 da 80 GB in grado di eseguire calcoli in virgola mobile ad alta intensità con una potenza quasi 500 volte maggiore rispetto a un processore desktop standard.


Il supercomputer di Tesla

In totale, il cluster ha 5.760 GPU, o hardware sufficiente per ottenere un folle 1,8 exaflop di potenza di elaborazione.


Questo renderebbe il supercomputer di Tesla il quinto ambiente informatico più potente al mondo, almeno sulla carta.



Come funziona?

Le moderne Tesla utilizzano un avanzato sistema di assistenza alla guida chiamato Autopilot.

Questa suite di funzionalità consente al veicolo di utilizzare otto telecamere rivolte verso l'esterno per raccogliere dati sull'ambiente circostante e, quando attivato e ove applicabile, esegue controlli laterali (sterzo) e longitudinali (accelerazione e frenata) sotto la supervisione del conducente.


Anche se non si tratta di una guida autonoma avanzata vera e propria, è un passaggio intermedio che utilizza l'automazione parziale per colmare il divario tra la guida manuale e il controllo completamente autonomo.


Il pilota automatico utilizza le informazioni raccolte da tutti i veicoli Tesla in circolazione per migliorare le sue decisioni di guida. Mentre una Tesla guida lungo la strada, le sue telecamere esterne raccolgono costantemente dati sull'ambiente esterno. I computer all'interno dell'auto studiano questi dati e fanno previsioni su come comportarsi in un dato scenario senza inviare effettivamente i controlli al veicolo stesso.


Rete neurale di Tesla

Queste informazioni sono condivise su un'architettura di apprendimento automatico chiamata rete neurale. Le previsioni vengono quindi registrate e inviate a Tesla per determinare se la decisione era corretta o se i dati sono stati identificati erroneamente.


In caso di errori, i dati passano continuamente attraverso il supercomputer modificandone il comportamento fino a quando non viene elaborato senza errori, addestrando efficacemente il modello di pilota automatico di Tesla in continua evoluzione.


Questo metodo non solo consuma una grande quantità di potenza di calcolo, ma richiede anche uno spazio di archiviazione significativo per accumulare il milione di clip da 10 secondi utilizzate per creare l'addestramento proprietario del set di dati Tesla per il pilota automatico.


Il supercomputer svolge un ruolo importante nell'obiettivo finale di Tesla di essere la prima casa automobilistica in grado di realizzare un veicolo completamente autonomo sulle strade pubbliche.



La testardaggine di Tesla

L'obiettivo decisamente ambizioso di Tesla è stato accolto con un po' di scetticismo dai leader del settore e dagli oppositori dei veicoli a guida autonoma basati esclusivamente sulla visione, soprattutto da quando la casa automobilistica ha respinto l'idea di integrare LiDAR ad alta precisione nella sua suite di guida autonoma.


Nessun veicolo Tesla in circolazione oggi, infatti, fa uso di LiDAR.


In effetti, Elon Musk aveva definito il LiDAR una "stampella" nel 2018, rifiutando la tecnologia a favore del sistema di visione di Tesla prima di eliminare i radar supplementari all'inizio di quest'anno. Quella decisione è costata a Tesla l'etichetta "altamente sicura" da parte della National Highway Traffic Safety Administration.


Nel frattempo, Volvo ha scelto di implementare il LiDAR come caratteristica standard sul prossimo successore del suo SUV XC90.


Per quanto riguarda Tesla, il suo supercomputer di ultima generazione aiuterà ad addestrare il suo modello di guida autonoma.


Ma solo il tempo dirà se la sua tecnologia basata sulla visione prevarrà sui concorrenti, il che significa che è una mossa che potrebbe creare o distruggere la sua posizione di leader nel segmento della guida autonoma.

0 commenti

Post correlati

Mostra tutti

Resta Informatizzato

Non perderti mai un nuovo post.

Grazie per l'iscrizione!