В Tesla объяснили, почему её машинам не нужны лидары

Главный специалист Tesla по искусственному интеллекту Андрей Карпати, выступая на Международной конференции по компьютер­ному зрению 2021 (CVPR), объяснил, почему компания не собирается использовать лидары при разработке технологий автономного вождения.

• Основной технологией для автопилотиро­вания является глубокое машинное обучение с применением нейронных сетей. Поскольку машина может ошибаться при считывании информации с камер, для её подстраховки используются дополнитель­ные устройства — лидары и радары. Однако, по словам Карпати, при работе с лидарами нужно иметь карты высокой чёткости с местами, где будет ездить автомобиль, — это очень накладно и трудно.
• Tesla же планирует опираться только на камеры. Машина будет ориентиро­ваться по принципу «здесь и сейчас», не используя никаких предваритель­ных карт. По словам Карпати, автопилот таким способом изначально очень тяжело обучить, однако, как только будут достигнуты успехи, это даст невероятный прорыв. Для автономного ориентиро­вания в любой ситуации автомобилю нужны будут лишь несколько камер без дополнительных устройств.
• Остаются некоторые вопросы по поводу того, сможет ли машинное зрение обходиться без лидаров для определения дальности и скорости объектов. По мнению Карпати — смогут.
• Для обучения нейронной сети Tesla понадобились миллионы видео­записей, на которых были тщательно расписаны объекты, а также их свойства. Также алгоритм учился на видео с нестандартными дорожными ситуациями.
• Флот автомобилей Tesla собрал 1,5 петабайта данных, состоящих из одного миллиона 10-секундных видеороликов и 6 миллиардов объектов. Компания частично автомати­зировала процесс маркировки этих видео, задействовав нейросети, что значительно ускорило процесс обработки данных.
• Инженерам компании было важно выделить из видео те данные, которые нужны автопилоту для движения по дорогам. Полученная информация неоднократно корректиро­валась, в результате были выделены особые «триггеры» (всего около 200), при которых алгоритму требуются особое внимание и корректировка данных (к примеру, когда машина въезжает или выезжает из туннеля или проезжает автомобили с грузом, закреплённым на крыше). На выявление и отработку всех «триггеров» ушло четыре месяца.
• Всего было семь разных итераций алгоритма распознавания — сначала его обучали на первичных данных, потом развернули на реальных автомобилях, дальше уже обучали с учётом ошибок и особых сценариев. Так раз за разом алгоритм улучшался.
• Система машинного зрения Tesla продемонстрировала свою стабиль­ность при работе в разных условиях видимости.

Ранее Илон Маск скептически высказался о технологии лидаров. Он считает, что это тупиковая технология и те, кто ей следуют, заблуждаются.

Для обучения нейронных сетей Tesla использует мощнейшие супер­компьютеры. В будущем компания планирует только наращивать их мощность, а недавно она ввела в строй совсем новый. По заявлению Андрея Карпати, на данный момент это пятый по вычислительной мощности компьютер в мире. В конце года Tesla планировала выпустить супер­компьютер Dojo. Компания работала над ним последние несколько лет. Он будет ещё мощнее представ­ленного сейчас.