特斯拉Autopilot計算機視覺及神經網絡最新研究進展

在上個月的 Train AI 會議上，特斯拉 AI 及計算機視覺部門總監(jiān) Andrej Karpathy 談了自己對當前 Autopilot 發(fā)展的見解，Karpathy 表示他目前正利用特斯拉無人車隊的大量數據，試圖通過訓練特斯拉的神經網絡模型，來改善 Autopilot 的自動駕駛能力。

首先，他簡要介紹了計算機視覺軟件的發(fā)展歷史，以及他稱之為 “software2.0” 的過渡時代。所謂的 “software2.0” 時代，是指機器學習能夠代替工程師，設計并創(chuàng)建應用程序。

進一步，他解釋了它是如何應用于特斯拉日常的開發(fā)工作，特別是在無人駕駛方面的應用。

工程師通常把特斯拉的研發(fā)車稱為“機器人”。因此，Karpathy 表示特斯拉擁有全球規(guī)模最大的機器人集群，部署了超過 25 萬輛車。而現在他要做的是，訓練這些機器人并讓它們學會自己開車。

Karpathy 提到加入特斯拉 11 個月以來，他在特斯拉的 Autopilot 部門中推出了更多版本的“軟件 2.0”，他用這些圖像說明了這一點：

這是在今年3月份推出的 Autopilot 軟件更新中推出的，他所指的很可能是重寫了特斯拉使用的神經網絡模型，從而顯著地改善了 Autopilot 的性能。

而現在神經網絡模型正在慢慢接收特斯拉 Autopilot 的代碼，Karpathy 強調該團隊正在致力于數據標簽和創(chuàng)建基礎數據集架構的研究。

Karpathy 還談到，自從加入特斯拉以來，他每天睡眠的時間大大縮短，這其中的原因主要是日常工作由實際建模和算法研究轉向了處理大量數據庫而導致的：

他舉了個例子，描述了由于不同地區(qū)車道種類的多樣性，標記這些不同類型車道線的工作也將變得相當復雜。

他提到的另一個例子是關于交通信號燈的數據集，他說這個數據集真的“非常瘋狂”，如下圖所示：

Karpathy 解釋到構建數據集需要大量的 “時間和精力”，這是非常 “痛苦的” 的一項工作。這就是為什么他們正試圖在特斯拉建立新工具上創(chuàng)建 “ 軟件 2.0 ”，從而幫助他們完成數據庫構建的工作。