<p>Présentation d’un cas d’amélioration de l’Autopilot avec une approche pure vision sans radar (résumé de Sleeper sur Clien)<br />
- Auparavant, radar et vision étaient utilisés conjointement<br />
- À cause du bruit du radar, il y avait des problèmes de fiabilité dans les valeurs estimées<br />
- Ils ont donc travaillé à estimer la position, la vitesse et l’accélération des objets en n’utilisant que la vision<br />
→ Constitution des données d’entraînement en récupérant les vidéos de conduite de la flotte Tesla circulant sur routes ouvertes, puis en les annotant automatiquement hors ligne (position, vitesse, accélération) <br />
→ Définition de 221 signes permettant d’identifier une « situation délicate », et un réseau neuronal fonctionnant en « mode shadow » sur des Tesla standard détecte ces signes<br />
→ Lorsque l’équipe IA de Tesla juge qu’une « situation délicate » spécifique est problématique, elle collecte des données de situations similaires depuis les véhicules Tesla et crée des données d’entraînement annotées (automatiquement)<br />
→ Répétition du déploiement du nouveau réseau neuronal entraîné de cette manière, à nouveau en « mode shadow »<br />
→ Processus répété 7 fois en 4 mois, avec un jeu d’entraînement construit à partir de 1 million de vidéos, y compris des edge cases<br />
→ Nombre d’annotations : 6 billions, volume : 1,5 pétaoctet<br />
→ Construction d’un superordinateur de 1,8 exaflops pour l’entraînement<br />
- Le résultat est l’Autopilot pure vision<br />
- Il réagit bien plus vite, identifie divers objets et montre des résultats satisfaisants</p>
1 commentaires