Giám đốc điều hành của Tesla Elon Musk gần đây đã công bố Tesla Bot của công ty. Robot có tên gọi Optimus shuffled trên sân khấu, vẫy tay, và bơm cánh tay trong một điệu nhảy tốc độ chậm. Musk dự đoán robot có thể có giá 20.000 USD trong vòng 3-5 năm nếu tất cả đều theo kế hoạch. Nhưng câu hỏi là, nó có thể làm gì cho chúng ta. Nhưng trước khi chúng tôi vào được đó, hãy nhìn vào những thiết bị chính lái chiếc Tesla Bot.
Bộ chấp hành bot của Tesla
The Bộ chấp hành là hệ thống điều khiển chính cho bất kỳ robot nào. Bạn có thể nói rằng một robot không có gì hơn là một máy tính với các bộ phận chuyển động, hay nói cách khác, một Robot là một máy tính với Actuators và cảm biến. Tesla đã phát triển các bộ Actuators riêng cho Bot, nó sử dụng 3 loại thiết bị truyền động quay và 3 loại. Bộ chấp hành tuyến tính.
Nếu bạn đang tự hỏi tại sao Tesla không sử dụng các thiết bị truyền động tuyến tính được chuẩn hóa như FIRGELLI Thiết bị truyền động, bởi vì chúng có một số ràng buộc có nghĩa là họ phải phát triển hệ thống riêng của mình để khiến cho Robots trở nên nhẹ hơn, hiệu quả năng lượng, mật độ công suất cao và chi phí thấp. Tesla tuyên bố họ muốn mua Bot để bán lẻ với giá 20.000 USD mỗi người. Đây là một mệnh lệnh cao cho một thứ gì đó có thể yêu cầu 23 Actuators, và PC mạnh, nhiều cảm biến và một bộ pin để làm cho nó kéo dài hơn vài giờ, cộng với một bộ xương mạnh mẽ để giữ tất cả lại với nhau.
Bộ truyền động tuyến tính của Tesla bot
Các thiết bị truyền động tuyến tính được phát triển rất cụ thể cho một vai trò cụ thể, điều này có nghĩa là chúng sẽ không thực sự được sử dụng cho bất kỳ ứng dụng nào khác ngoài một robot. Bộ truyền động của họ sử dụng một hệ thống Roller hành tinh và Tesla gọi nó, nhưng đây là mã cơ bản cho thiết kế leadbvít, và thay vì một cuộn dây từ trường truyền thống ở giữa động cơ, họ quyết định sử dụng một thiết kế động cơ lõi. Điều này có nghĩa là thiết kế của Ball rất hiệu quả và sử dụng ít điện năng hơn, nhưng cũng đắt hơn. Và họ sử dụng một hệ thống điện không Brushless có nghĩa là nhịp sống sẽ nhanh hơn đáng kể và cho phép các chế độ ổ đĩa được kiểm soát bởi phần mềm.
Chiều dài của chuyến đi chỉ khoảng 2 " dài, và như bức ảnh cho thấy chúng nâng một cây Piano ở 500KG, điều này khá là trọng lượng. Bạn có thể thắc mắc tại sao nó cần phải nâng nhiều trọng lượng như vậy?, đó là bởi vì khi được cài đặt trong một bộ xương bằng kim loại, các thiết bị truyền động đi lại cần khuếch đại lên những gì nó đang di chuyển. Vì vậy, nếu di chuyển chân của một robot, chân cần phải có thể di chuyển khoảng 150 con, hoặc hơn 2 foot chiều dài chân cần đu từ khoảng không đến một vòng cung 3 feet. Cơ thể huda đã tiến hóa hơn 100.000 năm cho phép con người làm điều này bằng cơ bắp chân, nhưng nhận được một thiết bị truyền động thẳng để làm điều này không phải là việc dễ dàng. Vì vậy, điểm mà tôi đang làm là, mặc dù The Actuator có thể nâng lên 500Kg trọng lượng trên 2 inch, một khi các thiết bị truyền động kết nối với đòn bẩy, lực sẽ giảm đáng kể, tùy thuộc vào tỷ lệ đòn bẩy, và tốc độ tăng lên khiến cho một cuộc giao dịch thương mại tốt.
Tesla bot trình bày.
Đây là những gì Tesla đã nói về những bài thuyết trình mới nhất mà họ đưa ra vào ngày 302022.
Món quà của Elon Musk: WTôi có vài điều thú vị để cho anh xem, tôi nghĩ anh sẽ rất ấn tượng đấy. Tôi muốn đặt ra một số kỳ vọng đối với người máy Optimus của chúng ta như các bạn biết năm ngoái chỉ là một người trong bộ đồ robot nhưng chúng ta không phải là một người máy bay xa và tôi nghĩ rằng bạn biết so với điều đó sẽ rất ấn tượng. Và chúng ta sẽ nói về những tiến bộ trong AI cho việc tự lái xe đầy đủ cũng như cách họ áp dụng cho nhiều hơn nữaNói chung với những vấn đề về AI của thế giới thực như một con robot hình người và thậm chí còn vượt xa điều đó Tôi nghĩ có một vài tiềm năng mà những gì chúng ta đang làm ở đây, Tesla có thể đóng góp ý nghĩa cho AGI, và tôi nghĩ thật sự cho chúng ta biết một thực thể tốt để làm điều đó từ quan điểm quản trị bởi vì chúng ta là một công ty giao dịch công khai chúng ta có một lớp cổ phiếu và điều đó có nghĩa là công chúngĐiều khiển Tesla và tôi nghĩ đó thực sự là một điều tốt nếu tôi phát điên là anh có thể sa thải tôiRất quan trọng, có lẽ tôi không điên. Tôi không biết. Vì vậy, chúng ta sẽ nói rất nhiều về tiến độ của chúng ta trong chế độ tự động AI cũng như tiến bộ trong cùng với dojo, và sau đó chúng ta sẽ đưa cả đội ra ngoài và làm một bài q & a dài để bạn có thể hỏi những câu hỏi khó. Bất cứ điều gì bạn thích những câu hỏi về công nghệ hiện sinh nếu nó muốn có càng nhiều thời gian cho Q&A càng tốt để có thể thấy rằng bạn đoán những gì hằng ngày.
Hey guys tôi là Milan I làm việc về chế độ lái tự động và nó là cao su tôi là một kỹ sư cơ khí trong dự án cũng vậy nên chúng tôi nên mang theo Bot trước khi chúng tôi đi trước lần đầu tiên chúng tôi thử robot này mà không cần bất kỳ cần cẩu hỗ trợ
Cơ cấu cơ khí không có cáp gì, tôi muốn gia nhập với các anh.
Tối nay, nhưng đây là lần đầu tiên anh sẵn sàng đi.Máy tính lái xe tự động chạy trong xe Tesla của bạn bằng cách đây là lần đầu tiên robot hoạt động mà không có dây buộc vào tối nay, vậy nên robot có thể thực sự làm nhiều hơn là chúng tôi chỉ cho bạn thấy chúng tôi không muốn nó rơi vào mặt nó, vì vậy chúng tôi sẽ cho bạn xem một vài đoạn video mà bây giờ robot đang thực hiện một vài thứ khác, um, ít rủi ro hơn.
Yeah chúng tôi muốn thể hiện thêm một chút về những gì chúng tôi đã làm trong vài tháng quaNgoài việc đi lại và nhảy múa trên sân khấu và bắt đầu khiêm tốn nhưng bạn có thể thấy mạng lưới thần kinh tự động chạy như
Được huấn luyện lại trên nền tảng mới mà tôi có thể thấy được.Một cái nhìn thấy được đó là con robot đó là thứ mà thế giới robot nhìn thấy nên nó rất rõ ràng những vật thể như thế này là vật thể nó sẽ nhặt nó lên. Chúng tôi sử dụng quy trình tương tự như chúng tôi đã làm việc lái tự lái để thu thập dư ̃ liệu trong việc đào tạo mạng của bạn mà chúng tôi triển khai trên
Robot là một ví dụ minh họa cho cơ thể hơn một chút.
một điều gì đó mà chúng tôi muốn cố gắng đóng đinh trong vài tháng trong vài tháng tới tôi sẽ nói đến sự hoàn hảoĐây thực sự là một nhà ga ở Nhà máy Fremont.
Đó không phải là thứ duy nhất chúng ta có để chỉ ra hôm nay, để những gì bạn thấy là cái mà chúng tôi gọi là Bumble C, đó là loại robot phát triển thô của chúng tôi sử dụng các thiết bị chấp hành bán off-the-shelf nhưng chúng tôi thực sự đã đi xa hơn một bước so với đội đã làm một công việc tuyệt vời và chúng tôi thực sự có một robot tối ưu với a
Tesla thiết kế hoàn toàn ở cả hệ thống kiểm soát cục pin.Mọi thứ vẫn chưa sẵn sàng đi nhưng tôi nghĩ nó sẽ bước đi trong vài tuần nữa, nhưng chúng tôi muốn cho các bạn xem con robot và một thứ gì đó thực sự khá gần với những gì sẽ được sản xuất, và và cho bạn thấy tất cả những điều nó có thể làm như vậy hãy mang nó ra ngoài
Chúng tôi hy vọng sẽ có được một đơn vị sản xuất Optimus.
di chuyển tất cả các ngón tay di chuyển một cách độc lập ngón cái, có hai
của tự do nên nó có ngón cái đối lập và bàn tay trái và phải.
Nó có thể vận hành công cụ và làm những việc hữu ích, mục tiêu của chúng ta là tạo ra một thứ hữu ích
Robot hình người càng nhanh càng tốt và chúng tôi cũng thiết kế nó bằng cách sử dụng
Cùng một kỷ luật mà chúng ta sử dụng trong việc thiết kế chiếc xe để thiết kế nó để sản xuất nó có thể xảy ralàm cho robot ở mức cao với chi phí thấp với độ tin cậy cao để điều đó cực kỳ quan trọng là tôi muốn nói các bạn đều đã thấy những cuộc biểu tình robot hình người rất ấn tượng và điều đó thật tuyệt vời nhưng điều đó là gì? Họ thiếu một bộ não, họ không có trí thông minh
định hướng thế giới một mình và chúng cũng rất đắt đỏ,và được thực hiện với thể tích thấp, trong khi đây là xã hội lạc quan và có khả năng cực kỳ robot nhưng thực hiện với khối lượng rất cao có thể cuối cùng là hàng triệu đơn vị và nó sẽ phải tốn kém hơn rất nhiều so với một chiếc xe hơi.
Tôi sẽ nói là ít hơn hai mươi ngàn đô la sẽ là của tôi.
Tiềm năng lạc quan là tôi cảm kích bằng cách rất hiệu quả
Mọi người, như những bản demo của Tesla đang đếnĐược rồi, tốt lắm là tốt rồi. Các đội tuyển vào và nhóm đã đặt vào một công việc tuyệt vời ... những ngày làm việc ... uh ... uh ... uh, uh, uh, uh, uh, uh, uh, uh, uh, uh, uh, ngày làm việc 7 ngày một tuần để 3am dầu để đến buổi trình diễn hôm nay, tôi tự hào về những gì họ đã làm là làm một công việc tuyệt vời mà tôi chỉ muốn trao một bàn tay cho toàn bộ nhóm này để được thực hiện để tinh chỉnh Optimus và cải thiện nó rõ ràng đây chỉ là phiên bản Optimus vàĐây thực sự là lý do chúng ta tổ chức sự kiện này để thuyết phục một số người tài năng nhất trên thế giới như các bạn gia nhập Tesla và giúp biến nó thành hiện thực và đưa nó đến thành hiện thực để có thể giúp đỡ hàng triệu người và những tiềm năng mà nó thích nó thực sự rất là phiền não bởi vì bạn phải nói như thế nào là nền kinh tế một nền kinh tế phát triển năng suất lao động với năng suất lao động đầu ra bình quân đầu người không rõ nền kinh tế có nghĩa là nền kinh tế có nghĩa là một nền kinh tế sẽ trở thành một vô hạn vô tận để những gì bạn biết được thực hiện trong kịch bản lành mạnh um the this có nghĩa là tương lai của sự phong phú trong tương lai nơi mà um không có nghèo đói nơi mọi người bạn
có thể có bất cứ điều gì bạn muốn về sản phẩm và dịch vụNó thực sự là một sự biến đổi cơ bản của nền văn minh như chúng ta biết rõ ràng là chúng ta muốn chắc chắn rằng sự chuyển đổi là một sự tích cực và an toàn và đó cũng là lý do tại sao tôi nghĩ Tesla là một thực thể làm điều này là một lớp cổ phiếu công khai được giao dịch công khai sở hữu bởi công chúng là rất quan trọng và không nên bỏ qua tôi nghĩ rằng điều này là cần thiết bởi vì sau đó nếu công chúng không thích những gì Tesla làm công chúng có thể mua cổ phần của Tesla và bỏ phiếu khác đi.
Đây là chuyện quan trọng nhất mà tôi không thể làm theo những gì tôi muốn.Đôi khi người ta nghĩ rằng điều đó là không đúng, vì vậy bạn biết đó là điều quan trọng mà thực thể công ty cho rằng nó là một điều gì đó mà công chúng có thể ảnh hưởng chính xác và vì vậy tôi nghĩ cấu trúc Tesla là lý tưởng cho điều đó và như tôi đã nói rằng bạn biết lái xe tự lái chắc chắn sẽ có một tác động to lớn trên thế giới um tôi nghĩ họ sẽ cải thiện
năng suất giao thông vận tải ít nhất một nửa độ lớn có lẽ là mộtMức độ lớn hơn tôi nghĩ là không rõ ràng là không rõ ràng những gì mà chúng ta cần làm theo đúng cách chúng ta cần làm điều đó một cách cẩn thận và an toàn và đảm bảo rằng kết quả là một điều có lợi cho nền văn minh và một khi tôi không thể làm điều đó là điều cực kỳ quan trọng Và tôi hy vọng bạn sẽ cân nhắc việc tham gia Tesla để đạt được những mục tiêu đó tại Tesla chúng tôi thực sự quan tâm đến việc làm điều đúng ở đây luôn luôn khao khát làm điều đúng và và thực sự không trả tiền cho con đường với mục đích tốt và tôi nghĩ con đường đến địa ngục chủ yếu được lát với những ý định xấu nhưng mỗi lần một lần nữa lại có một ý định tốt trong đó vì vậy chúng tôi muốn làm điều đúng để bạn có thể cân nhắc việc tham gia vào chúng tôi và giúp làm cho nó xảy ra ...Đang chuyển sang giai đoạn tiếp theo, cảm ơn Elon.
Được rồi, bây giờ anh đã thấy một cặp robot ngày nay thực hiện một dòng thời gian nhanh, nên năm ngoái chúng tôi đã tiết lộ ra robot Tesla.
Nhưng một khái niệm không đưa chúng ta đến rất xa chúng ta biết chúng ta cần một nền tảng phát triển và hội nhập thực sự
đi học thật nhanh càng tốt để con robot đi ra ngoài và làm những thói quen nhỏ cho các bạn.
Đã 6 tháng xây dựng phần nâng cấp phần mềm tích hợp phần mềm qua các tháng kể từ đó
Song song chúng ta cũng đang thiết kế thế hệ tiếp theo.
Vậy tên này bắt nguồn từ quá trình thiết kế loại xe mà bạn biết chúng ta đang tận dụng tất cả
những người học rằng chúng ta đã có rất nhiều thay đổi kể từ năm ngoái nhưng có một vài điều
Chúng ta vẫn còn một sự tập trung chi tiết vào hình dạng con người chúng ta nghĩ.
Vấn đề là vì một vài lý do nhưng thật vui khi chúng ta dành rất nhiều thời gian nghĩ về việc cơ thể con người tuyệt vời như thế nào
Một sự chuyển động đáng kinh ngạc này thường rất là tuyệt vời.
Tập thể dục là nếu bạn đặt ngón tay lên cái ghế trước mặt bạn sẽ nhận thấy rằng có một phạm vi lớn của chuyển động mà
Bạn có ở vai và khuỷu tay của bạn ví dụ mà không cần di chuyển ngón tay bạn có thể di chuyển khớp
Về nơi này nhưng robot bạn biết chức năng chính của nó là thực hiện công việc hữu ích và
Có lẽ không nhất thiết phải cần tất cả các mức độ tự do đó ngay lập tức nên chúng ta đã loại bỏ nó xuống đến mức tối thiểu.
của 28 bậc tự do cơ bản và sau đó tất nhiên tay chúng ta cùng với đó
Con người cũng khá hiệu quả trong một số thứ và không hiệu quả trong những thời điểm khác, ví dụ như chúng ta có thể ăn một ít.
Lượng thức ăn để duy trì bản thân trong vài giờ ... nhưng khi chúng ta chỉ ngồi quanh không.
Nhưng chúng ta thật không hiệu quả, chúng ta đang đốt cháy năng lượng trên nền tảng robot của chúng ta.
chúng ta sẽ giảm thiểu mức tiêu thụ năng lượng nhàn rỗi đó giảm xuống thấp nhất có thể và cách chúng ta có thể
Flip a switch và ngay lập tức robot biến thành một thứ gì đó hữu ích
Vậy hãy nói về thế hệ mới nhất này một số chi tiết, chúng ta sẽ lên màn hình ở đây, các bạn sẽ thấy
Cam là thiết bị truyền động chúng ta sẽ có được một chút và trong màu xanh hệ thống điện của chúng ta.
Vậy bây giờ chúng ta có nghiên cứu dựa trên con người và chúng ta có nền tảng phát triển đầu tiên mà chúng ta có cả hai
nghiên cứu và thực hiện để rút ra tư ̀ thiết kê ́ này chúng tôi sử dụng thiết kê ́ xe đó
cho nên chúng ta sẽ lấy nó từ khái niệm thông qua thiết kế và phân tích và
sau đó xây dựng và xác thực theo cách chúng ta sẽ tối ưu hóa cho những thư ́ như chi phí và hiệu quả
bởi vì đó là số liệu quan trọng để đưa sản phẩm này đến quy mô cuối cùng bằng cách nào chúng ta sẽ làm tốt chúng ta là
làm giảm bớt số phận của chúng ta và năng lượng tiêu thụ của chúng ta với mọi yếu tố có thể chúng ta sẽ làm những việc như
làm giảm cảm biến và dây dẫn ở các điểm cực của chúng ta bạn có thể tưởng tượng ra nhiều khối lượng trong tay và bàn chân của bạn sẽ đi đến
trở nên vô cùng khó khăn và quyền lực cần phải di chuyển xung quanh và chúng ta sẽ tập trung cả hai chúng ta
phân phối quyền lực và tính toán của chúng ta cho trung tâm vật lý của nền tảng
Vì vậy, ở giữa thân mình, đó chính là Torso chúng ta có gói pin của chúng ta, nó có kích thước 2,3 kilowatt giờ
đó là hoàn hảo cho một ngày làm việc thật sự của một ngày làm việc thật sự độc đáo về cục pin này.
Nó có tất cả pin điện tử được tích hợp vào một PCB đơn trong gói nên có nghĩa là mọi thứ
Từ cảm nhận đến việc quản lý điện tích và phân phối điện là tất cả trên một tất cả
tại một nơi chúng ta cũng đã tận dụng cả phương tiện sản phẩm và sản phẩm năng lượng của chúng ta.
Tất cả các tính năng chính của pin này để hợp lý hóa sản xuất thật sự hiệu quả và
hệ thống làm mát đơn giản quản lý pin và cũng an toàn và tất nhiên chúng ta có thể tận dụng Tesla's
Cơ sở hạ tầng và chuỗi cung ứng hiện có làm cho nó trở thành một phần của bộ não của chúng ta
Không phải ở đầu, nhưng nó cũng rất gần với thân của chúng tôi và chúng tôi có máy tính trung tâm, vì vậy bạn đã biết Tesla
Trên mỗi chiếc xe chúng tôi sản xuất đều có máy tính tự lái hoàn toàn. Chúng tôi muốn tận dụng lợi thế của phần cứng tự lái và
Phần mềm cho nền tảng hình người, nhưng vì nó khác nhau về yêu cầu và hình dạng, chúng tôi
Đầu tiên là thay đổi một số thứ, vì vậy chúng ta vẫn sẽ làm điều đó - nó sẽ làm mọi thứ mà bộ não con người làm.
Xử lý dữ liệu hình ảnh để đưa ra quyết định ngay lập tức dựa trên nhiều đầu vào cảm giác và giao tiếp
Để hỗ trợ giao tiếp, nó đi kèm với kết nối không dây và hỗ trợ âm thanh
Ngoài ra, nó còn có các tính năng bảo mật cấp phần cứng quan trọng để bảo vệ cả robot và con người.
Xung quanh robot, vì vậy bây giờ chúng ta có cốt lõi của riêng mình
Chúng tôi cần một số chi tiết của anh chàng này và chúng tôi rất muốn cho bạn thấy bộ truyền động của chúng tôi và
bàn tay chức năng, nhưng trước khi chúng tôi làm điều này, tôi muốn giới thiệu Malcolm, người sẽ nói một chút
Cơ sở cấu trúc robot của chúng tôi [vỗ tay]
Cảm ơn rất nhiều.
Tesla có khả năng hoàn thành các hệ thống rất phức tạp - nó thực sự phức tạp hơn nhiều so với các vụ tai nạn bạn thấy
Đây là một vụ va chạm mô phỏng trên Model 3, chồng lên đỉnh của vụ va chạm vật lý thực tế
Thật ra, thật không thể tin được nó chính xác đến mức nào chỉ để cho bạn hiểu được sự phức tạp của mô hình này
Nó bao gồm mỗi máy giặt Bolton nút mỗi hàn điểm và nó có 35 triệu độ tự do, điều này thật tuyệt vời
Thật vậy, nếu chúng ta không có một chiếc xe như vậy, chúng ta sẽ không thể tạo ra chiếc xe an toàn nhất thế giới".
Vì vậy, chúng ta có thể sử dụng khả năng và phương pháp của mình từ phía ô tô để gây ảnh hưởng đến robot không?
Chúng tôi có thể làm một mô hình bởi vì chúng tôi có phần mềm crash và chúng tôi sử dụng cùng một phần mềm ở đây và chúng tôi có thể làm cho nó crash
Mục đích của việc này là để đảm bảo rằng nếu nó rơi trong điều kiện lý tưởng, nó sẽ không rơi, nhưng đó là tổn thương bề mặt.
Ví dụ, chúng tôi không muốn phá vỡ hộp số trên cánh tay của nó, tương đương với trật khớp vai robot
Thật khó khăn và tốn kém để sửa chữa, vì vậy chúng tôi muốn phủi bụi và tiếp tục làm một công việc đã hoàn thành.
Nếu chúng ta cũng có thể áp dụng cùng một mô hình và chúng ta có thể điều khiển bộ truyền động bằng cách sử dụng đầu vào từ mô hình đã được giải quyết trước đó
Biến nó thành hiện thực, đó là tạo ra hành động cho nhiệm vụ mà chúng ta muốn robot thực hiện.
Nhiệm vụ là nhặt các hộp, quay lại và ngồi xổm lên cầu thang, bất cứ nhiệm vụ nào chúng ta có thể chơi
Mô hình này chỉ cho thấy đi bộ đơn giản, chúng ta có thể tạo ra áp lực trong tất cả các thành phần giúp chúng ta
Tối ưu hóa các thành phần. Đây không phải là robot khiêu vũ.
Trên thực tế, hành vi khuôn mẫu là năm mô hình hàng đầu của robot, thường khi con người chế tạo robot, họ đảm bảo
Chế độ đầu tiên là gần chữ số duy nhất trên cùng, lên đến 10 Hz
Ai đã làm điều này để làm cho việc kiểm soát đi bộ dễ dàng hơn, đi bộ khó khăn nếu bạn không thể đảm bảo
Chân bạn lắc lư ở đó, điều này có thể tạo ra một robot và chúng tôi muốn tạo ra hàng ngàn, thậm chí hàng triệu
Chúng tôi không có sự sang trọng để làm cho họ từ sợi carbon titan, chúng tôi muốn làm cho họ từ nhựa, nhưng không
Quá cứng nhắc, vì vậy chúng tôi không thể có những mục tiêu cao mà tôi gọi là mục tiêu ngu ngốc
Chúng ta phải để họ làm việc với các mục tiêu thấp hơn, và nếu bạn nghĩ về nó, điều đó có tốt không?
Cái này, nhưng chúng tôi chỉ là những túi thạch và xương ướt, và nếu tôi đứng trên đó, chúng tôi không thường xuyên
Chân tôi không rung ở tần số 10 hertz và chúng tôi làm việc ở tần số thấp, vì vậy chúng tôi
Nó chỉ làm cho việc kiểm soát trở nên khó khăn hơn, vì vậy chúng tôi lấy thông tin từ nó, dữ liệu phương thức
độ cứng và đưa nó vào hệ thống điều khiển để nó có thể đi bộ
Chỉ cần thay đổi thuế một chút nhìn vào đầu gối chúng ta có thể lấy cảm hứng từ
Sinh học, chúng ta có thể nhìn vào lợi thế cơ học của đầu gối là gì, và hóa ra nó thực sự đại diện cho
Tương tự như liên kết bốn thanh, điều này rất phi tuyến tính, điều này không đáng ngạc nhiên vì nếu
Bạn nghĩ rằng khi bạn uốn cong chân xuống, đầu gối của bạn sẽ có mô-men xoắn lớn hơn nhiều so với khi bạn uốn cong.
thẳng, vì vậy bạn sẽ mong đợi một chức năng phi tuyến tính, trong thực tế, sinh học là phi tuyến tính
Điều này rất phù hợp với nó, vì vậy đây là bốn
Các liên kết rõ ràng không phải là bốn liên kết vật lý, như tôi đã nói, các tính năng tương tự, nhưng tôi cá rằng đó là
Không khoa học lắm, hãy khoa học hơn một chút, chúng tôi đã hoàn thành tất cả các nhiệm vụ thông qua biểu đồ này, nhưng điều này
Nó cho thấy những người đi bộ ngồi xổm và tôi nói về nhiệm vụ mà chúng tôi đang làm dưới áp lực và đó là cảnh nói chuyện.
Đầu gối chống lại đầu gối uốn cong trên trục ngang, điều này cho thấy yêu cầu đầu gối phải thực hiện tất cả các chuyển động này
Nhiệm vụ, sau đó lướt sóng trên đỉnh núi, đó là những gì cần thiết
Hãy để robot thực hiện các nhiệm vụ này.
Nếu chúng ta nhìn vào bốn liên kết, nó thực sự là một đường cong màu xanh lá cây, nó nói
Bốn liên kết thực sự tuyến tính hóa các đặc tính của lực, thực sự làm giảm lực
Đó là lý do tại sao bộ truyền động có lực thấp nhất có thể, lực hiệu quả nhất mà chúng ta muốn tiêu thụ năng lượng từ từ.
Đường cong màu xanh là gì, đường cong màu xanh thực sự là, nếu chúng ta không có liên kết bốn thanh, chúng ta chỉ có một cánh tay
Mở rộng chân của tôi với một thiết bị truyền động trên đó, một liên kết hai thanh đơn giản
Đây là điều tốt nhất bạn có thể làm với một liên kết hai đơn giản cho thấy rằng điều này sẽ được thực hiện trong
Thiết bị truyền động không hiệu quả, vậy nó sẽ trông như thế nào trong thực tế
Bạn sẽ thấy tốt, nhưng nó được quấn chặt trong đầu gối của bạn và bạn sẽ thấy một tốt đẹp
Sau một giây, bạn sẽ thấy kết nối đầy đủ, nó chạy trên bộ truyền động, được tạo ra bởi
Lực và dịch chuyển trên thiết bị truyền động, bây giờ chuyển bạn đến accordion
Vì vậy, tôi muốn nói chuyện với bạn về quy trình thiết kế và bộ truyền động
Danh mục đầu tư, uh, trong robot của chúng tôi, nên......
Ô tô và robot Khi nói đến thiết kế hệ thống truyền động, điều quan trọng nhất ở đây là chất lượng năng lượng và chi phí
Từ ô tô đến robot, hầu hết kinh nghiệm thiết kế của chúng tôi đều được truyền lại.
Vì vậy, trong trường hợp cụ thể, bạn sẽ thấy một chiếc xe với hai đơn vị ổ đĩa
Được sử dụng để tăng tốc hoặc lái xe với tốc độ từ 0 đến 60 dặm/giờ
Các thành phố điều khiển các trang web trong khi robot có 28 thiết bị truyền động và
Không rõ nhiệm vụ ở cấp độ chấp hành là gì, vì vậy chúng tôi có những nhiệm vụ như vậy
Là cấp độ cao hơn, chẳng hạn như đi bộ, leo cầu thang hoặc mang theo vật nặng, tất cả đều cần được chuyển đổi thành
hợp thành các thông số kỹ thuật chung, vì vậy chúng tôi sử dụng mô hình của chúng tôi
Tạo mô-men xoắn cho các khớp của chúng tôi - quỹ đạo tốc độ
Sau đó nó sẽ được nhập vào mô hình tối ưu hóa của chúng tôi và chạy
Quá trình tối ưu hóa là
Robot có thể xoay và đi bộ, vì vậy khi chúng ta có tốc độ mô-men xoắn này
Chúng tôi đã vẽ đường đi trên biểu đồ hiệu quả của bộ truyền động và chúng tôi có thể đi theo
Quỹ đạo tạo ra tiêu thụ năng lượng và tích lũy năng lượng
Mối quan hệ giữa năng lượng và thời gian của nhiệm vụ để chúng ta có thể xác định hệ thống
Chi phí của một thiết bị truyền động cụ thể và đặt một điểm đơn giản vào đám mây, sau đó chúng tôi làm điều đó
Đây là hàng trăm ngàn thiết bị truyền động thu được bằng cách giải quyết trong cụm của chúng tôi, với đường màu đỏ cho thấy biên giới Pareto
Đây là khu vực ưa thích mà chúng tôi sẽ tìm kiếm khu vực tốt nhất, vì vậy X có nghĩa là
Chúng tôi đã chọn thiết kế thiết bị truyền động ưa thích cho khớp cụ thể này, vì vậy bây giờ chúng tôi cần làm điều đó cho mỗi khớp
có 28 khớp để tối ưu hóa và chúng ta phân tích đám mây chúng ta phân tích Đám mây lần nữa cho mỗi khớp
Và trục đỏ lần này biểu thị thiết kế thiết bị truyền động đầu tiên cho mọi người.
Vấn đề ở đây là chúng ta có quá nhiều thiết kế truyền động độc đáo và
Ngay cả khi chúng ta tận dụng lợi thế của Symmetry vẫn còn quá nhiều để tạo ra thứ gì đó.
sản xuất chúng tôi cần có khả năng giảm số lượng thiết kế truyền động độc đáo do đó chúng tôi đã chạy một cái gì đó
là nghiên cứu bình thường mà chúng ta phân tích lại Mây của chúng ta lần này.
Thiết bị chấp hành đồng thời đáp ứng yêu cầu hiệu suất chung cho nhiều hơn một khớp cùng lúc so với
Kết quả đầu tư là 6 bộ truyền động và chúng hiển thị trong một màu sắc bản đồ con số giữa
Và các thiết bị truyền động cũng có thể được xem trong slide này, chúng ta có 3 vòng quay và
3 thiết bị truyền động thẳng hàng đều có lực lượng sản lượng lớn hoặc Torque mỗi khối lượng
Thiết bị truyền động quay đặc biệt có bộ ly cơ khí được tích hợp trên liên lạc góc cạnh tốc độ cao
Quả bóng và mặt tốc độ cao và tốc độ thấp.
mang và bánh răng là một loại dụng cụ sóng và có ba cảm biến tích hợp
Đây và cái máy nam châm vĩnh cửu của thiết bị truyền động thẳng
Tôi rất tiếc là thiết bị truyền động tuyến tính có những con lăn hành tinh và một hành tinh đảo ngược.
Là một đoàn xe thiết bị cho phép hiệu quả và tính toán và độ bền
để chứng minh khả năng của lực lượng vận động hành động tuyến tính của chúng ta.
đã lập một thí nghiệm để kiểm tra nó dưới những giới hạn của nó
Và tôi sẽ cho các bạn thưởng thức video này.
Vậy bộ truyền động có thể nhấc máy.
Nửa âm 9 mét hòa tấu piano vĩ đại
và
Đây là một yêu cầu nó không phải là thứ hay để có bởi vì cơ bắp của chúng ta có thể làm
Giống nhau khi chúng được điều khiển trực tiếp khi chúng bị điều khiển trực tiếp hoặc các cơ bắp có thể làm điều tương tự.
Đầu gối là một hệ thống liên kết bị liên kết.
vào vận tốc ở cuối ngọn đồi của chúng ta vì mục đích tạo ra cho
sự nhanh nhẹn của cơ thể con người nên đây là một trong những điều tuyệt vời về cơ thể con người và tôi là
Tôi muốn được chào đón đồng nghiệp Mike của tôi, người sẽ nói chuyện với anh về bàn tay
Thiết kế cảm ơn bạn rất nhiều cảm ơn
Vậy chúng ta mới thấy một con người mạnh thế nào và một con người có thể trở nên như thế nào.
Con người cũng cực kỳ khéo léo, con người có khả năng di chuyển
ở 300 độ mỗi giây nó có hàng chục ngàn cảm biến xúc giác
và nó có khả năng nắm bắt và điều khiển hầu hết mọi vật thể trong cuộc sống hàng ngày của chúng ta
cho thiết kế robot của chúng ta được lấy cảm hứng từ sinh học chúng ta có năm ngón tay
Ngón tay của chúng ta được điều khiển bởi các gân kim loại vừa linh hoạt và mạnh mẽ chúng ta có khả năng hoàn thành rộng rãi
Gradient độ cao khẩu độ trong khi cũng được tối ưu hóa để hấp thu chính xác các đối tượng nhỏ và tinh tế nhỏ.
Vậy tại sao con người như bàn tay robot, lý do chính là nhà máy của chúng ta và thế giới xung quanh chúng ta.
thiết kế là ergonomic vậy nghĩa là nó đảm bảo cho các vật thể trong nhà máy của chúng ta có thể lấy được
Nhưng nó cũng đảm bảo rằng những vật thể mới mà chúng ta có thể chưa bao giờ thấy trước đây có thể bị con người chạm vào và bởi chúng ta
Cánh tay robot cũng khá thú vị bởi vì nó nói rằng những vật này được thiết kế cho bàn tay của chúng ta
thay vì phải thay đổi bàn tay của chúng tôi để đi cùng đối tượng mới
Một số thông tin cơ bản về bàn tay của chúng ta là có 6 cơ cấu chấp hành và 11 độ tự do nó có một bộ điều khiển trong đó
chạy các ngón tay và nhận cảm biến phản hồi cảm biến thực sự quan trọng đối với
tìm hiểu thêm về các đối tượng mà chúng ta đang gặm cỏ và cũng là khả năng để chúng ta nhận ra ở đâu
tay chúng ta đang ở trong không gian một trong những khía cạnh quan trọng của bàn tay là nó thích ứng được khả năng thích ứng này
có liên quan đến cơ bản là cơ chế phức tạp cho phép bàn tay thích ứng với các đối tượng đang được ghép
Một phần quan trọng khác là chúng ta có một ngón tay không thể quay lại.
và vận chuyển vật thể mà không cần phải bật lại động cơ tay mà bạn vừa nghe chúng tôi đi
Chúng tôi đã thiết kế phần cứng của Tesla Hardware bây giờ chúng tôi sẽ giao nó cho Milan và nhóm tự chủ của chúng tôi để mang thứ này
Người máy có thể cảm ơn
Tất cả những điều tuyệt vời mà chúng tôi đã trình bày trước đó trong video đã được đăng tải.
Có thể chỉ trong vài tháng, nhờ có một từ tuyệt vời mà chúng ta đã thực hiện chế độ lái tự động trong vài năm qua.
Hầu hết các thành phần này được chuyển sang môi trường Bots nếu bạn nghĩ vê ̀ nó chúng tôi đang di chuyển
Từ một robot trên bánh xe đến một con robot ở chân nên một số thành phần khá giống nhau và một số yêu cầu khác
Kích thích nặng hơn, ví dụ mạng neural neural của máy tính
báo cáo trực tiếp từ lái tự động đến tình hình Bots.
chúng ta đang nói chuyện chi tiết hơn nữa với đội lái tự động giờ đang chạy trên con robot ở đây
Video này chỉ có thay đổi thực sự là dữ liệu huấn luyện mà chúng tôi phải nhớ lại
chúng tôi cũng đang tìm cách cải thiện các mạng thuê ́ này bằng cách sử dụng công việc trên trường Radiance của bạn để lấy
hình vẽ tích cực lớn của môi trường Boots cho ví dụ ở đây một số
máy đọc mà bot có thể phải tương tác với
một vấn đề thú vị khác để nghĩ đến là trong môi trường trong nhà chủ yếu là với ý thức của tín hiệu GPS như thế nào
chuẩn bị đi đến địa điểm tìm thấy trạm sạc gần nhất nên chúng ta đã được huấn luyện.
thêm nhiều mạng neuron để xác định tần số cao các điểm then chốt bên trong
Bots camera stream và theo dõi chúng qua nhiều khung thời gian khi bot hướng đến môi trường của nó
Và chúng ta đang sử dụng những điểm đó để ước lượng tốt hơn về tư thế và quỹ đạo trong môi trường của nó.
Nó đang đi bộ, chúng tôi cũng đã làm một số việc.
Mô phỏng mô phỏng theo đúng nghĩa đen mà chúng ta đã tích hợp quá trình chuyển đổi của robot
Và đây là video của mã điều khiển chuyển động chạy trong trình mô phỏng mô phỏng toán tử cho thấy
Sự tiến hóa của robot đi lại theo thời gian và như bạn có thể thấy chúng ta bắt đầu khá chậm trong tháng 4 và bắt đầu tăng tốc
Khi chúng ta mở khóa nhiều khớp hơn và kỹ thuật nâng cao hơn như là cân bằng vũ khí trong vài tháng qua
Quá trình này rất khác biệt khi chúng ta chuyển từ xe sang Boots.
và vì vậy tôi nghĩ rằng nó có chiều sâu hơn một chút và tôi muốn các đồng nghiệp bắt đầu nói về điều này
nước ngoài
Chào mọi người, tôi là kỹ sư robot trong dự án và tôi sẽ nói về việc đi bộ
Có vẻ dễ dàng khi người ta làm điều đó mỗi ngày anh không cần phải nghĩ về nó.
nhưng có một số khía cạnh của việc đi lại đang thách thức từ góc độ kỹ thuật ví dụ
Nhận thức về thể chất có nghĩa là có một đại diện tốt cho bản thân, độ dài của chân tay bạn là gì
khối lượng tay chân của bạn có kích thước của bàn chân bạn, tất cả các vấn đề cũng có một cổng hiệu quả năng lượng bạn
có thể tưởng tượng có những phong cách đi bộ khác nhau và tất cả đều hiệu quả như nhau
Cân bằng quan trọng nhất không rơi và dĩ nhiên cũng phối hợp chuyển động
Tất cả các chi của anh cùng nhau làm tất cả những điều này một cách tự nhiên nhưng là kỹ sư hay các nhà máy móc chúng ta có
nghĩ về những vấn đề này và nếu tôi sẽ cho bạn thấy cách chúng ta giải quyết chúng trong việc lập kế hoạch và kiểm soát dịch chuyển của chúng ta
Nên chúng ta bắt đầu với kế hoạch chuyển động và đại diện của liên kết.
nghĩa là mô hình động lực học động lực học của robot và các tính chất liên lạc và sử dụng mô hình đó và mong muốn
Ðường dẫn cho nhà quy hoạch Locomotion của chúng ta tạo ra quỹ đạo tham chiếu cho toàn bộ hệ thống
điều này có nghĩa là quỹ đạo khả thi liên quan đến giả định mô hình của chúng ta
Planner hiện đang làm việc trong ba giai đoạn nó bắt đầu lên kế hoạch bước chân và kết thúc với toàn bộ hệ thống ảnh chuyển động
Hãy lặn sâu hơn một chút về cách hoạt động của nó trong đoạn video chúng ta thấy bước chân đang được lên kế hoạch
Chân trời theo đường dẫn mong muốn và chúng ta bắt đầu tư ̀ đây và thêm vào đó
Quỹ đạo kết nối những bước chân này sử dụng ngón chân và tấn công giống như con người như con người.
và điều này cho chúng ta một bước tiến lớn hơn và ít uốn cong hơn cho hiệu quả cao của hệ thống
Giai đoạn cuối cùng là tìm một trung tâm của quỹ đạo khối lượng cho chúng ta một chuyển động khả thi tính động của
Toàn bộ hệ thống giữ thăng bằng như chúng ta đều biết kế hoạch tốt nhưng chúng ta
Cũng phải nhận ra chúng trong thực tế, hãy nói là cậu biết cách chúng ta có thể làm điều này.
[Tiếng vỗ tay] Cảm ơn Felix xin chào mọi người.
Anand và tôi sẽ nói với anh về việc kiểm soát nên hãy lên kế hoạch chuyển động của Felix.
Vừa nói và đặt nó vào thế giới thực trên một con robot thực sự để xem chuyện gì sẽ xảy ra.
Nó cần một vài bước và ngã xuống giếng có một chút thất vọng.
Nhưng chúng ta thiếu một vài mảnh chìa khóa ở đây sẽ làm cho nó hoạt động.
Như Felix đã đề cập đến kế hoạch chuyển động đang sử dụng một phiên bản lý tưởng hóa của
bản thân và một phiên bản của thực tế xung quanh nó không chính xác
nó cũng thể hiện ý định của nó thông qua quỹ đạo và các nhánh của nó.
Lực lượng và hành tinh mà nó muốn phát huy trên thế giới này.
thực tế lại phức tạp hơn bất kỳ mô hình tương tự nào cũng không phải là robot
Đơn giản hóa nó có rung động và chế độ tuân thủ tiếng cảm biến và trên và trên
và trên thế giới thực, khi bạn đặt robot trong thế giới thực
Các lực lượng bất ngờ gây ra những động lực không được mô phỏng mà về cơ bản là người lập kế hoạch không biết và rằng
làm cho sự mất ổn định đặc biệt là cho một hệ thống tự động ổn định như vận động biped
Vậy chúng ta có thể làm gì với nó, chúng ta đo lường thực tế chúng ta sử dụng cảm biến và sự hiểu biết
Thế giới hãy tính toán tình trạng và tình trạng của nhà nước với tôi ở đây bạn có thể thấy thái độ và xương chậu thế nào
về cơ bản là hệ thống hình cầu trong một con người cùng với trung tâm của quỹ đạo khối lượng được theo dõi khi robot đi bộ
trong môi trường văn phòng bây giơ ̀ chúng ta có tất cả các mảnh chúng ta cần
để đóng vòng lặp lại để chúng ta sử dụng mô hình bot tốt hơn của chúng ta sử dụng sự hiểu biết về thực tại
Chúng ta đã đạt được thông qua sự ước tính của Bang và so sánh những gì chúng ta muốn so với những gì chúng ta mong đợi.
Thực tế đang thực hiện với chúng ta để thêm hiệu chỉnh cho hành vi của
Robot ở đây người máy chắc chắn không đánh giá cao việc bị đánh lừa nhưng không có gì.
Một công việc đáng nể để đứng thẳng vào điểm cuối cùng này là một con robot.
Đi bộ là không đủ chúng ta cần dùng tay và cánh tay của nó.
Hãy nói về sự thao túng
[Tiếng vỗ tay]
Xin chào mọi người tên tôi là kỹ sư robot Eric. Tôi muốn nói chuyện
Về việc chúng ta đã làm cho robot điều khiển mọi thứ trong thế giới thực chúng ta muốn thao túng các vật thể.
Nhìn càng tự nhiên càng tốt và nhanh chóng đến mức chúng ta đã làm
Chúng ta đã phá vỡ quá trình này thành 2 bước đầu tiên là tạo ra một thư viện tham khảo chuyển động tự nhiên hoặc chúng ta có thể
Hãy gọi chúng là biểu tình và sau đó chúng ta đã chuyển đổi các tham chiếu chuyển động trực tuyến với thế giới hiện tại
Vậy hãy nói rằng chúng ta có một cuộc biểu tình của con người về việc chọn một vật thể mà chúng ta có thể nhận được một chuyển động của nó
thao tác được hiển thị ngay đây như một loạt các khung khóa thể hiện các vị trí của bàn tay
Cung điện Torso chúng ta có thể lập bản đồ cho robot bằng cách sử dụng hệ thống động học nghịch đảo và nếu chúng ta thu thập một
Bây giờ chúng ta có một thư viện chúng ta có thể làm việc với nhưng một minh chứng đơn giản là không phải
có thể tổng quát được với sự thay đổi trong thế giới thực, ví dụ như thế này chỉ là làm việc cho một cái hộp rất đặc biệt
vị trí mà chúng ta đã làm là chạy các quỹ đạo tham chiếu này qua một
Chương trình tối ưu hóa quỹ đạo quyết định nơi tay phải cân bằng như thế nào
trong khi nó cần điều chỉnh chuyển động đến thế giới thực.
Nếu hộp này ở trong vị trí này thì vị trí tối ưu sẽ tạo ra cái này.
thay vào đó Milan sẽ nói về uh
Tiếp theo là gì cho Optimus uh Tesla y cảm ơn Larry
Hi vọng là bây giờ các cậu có một ý tưởng tốt về những gì chúng ta đã trải qua vài tháng qua
Um, chúng tôi bắt đầu làm những việc có thể sử dụng nhưng nó không phải là hữu ích, vẫn còn một con đường dài và thú vị.
Tôi nghĩ điều đầu tiên trong vài tuần tới là tìm Optimus ít nhất.
Với Bumble C, nguyên mẫu lỗi khác mà anh đã thấy trước đó và có lẽ là Beyond, chúng ta cũng sẽ bắt đầu.
tập trung vào việc sử dụng thật sự tại một trong những nhà máy của chúng tôi và thực sự cố gắng để đóng đinh nó và tôi đã hết tất cả
các yếu tố cần thiết để triển khai sản phẩm này trong thế giới thực tôi đã đề cập trước đó
Bạn biết điều khiển trong nhà để quản lý hay thậm chí phục vụ tất cả
các thành phần cần thiết để mở rộng sản phẩm này nhưng tôi không biết bạn nhưng sau khi
nhìn thấy những gì chúng ta đã chứng minh tối nay ... tôi chắc rằng chúng ta có thể làm được điều này trong vài tháng hoặc vài năm tới và tôi sẽ làm
sản phẩm này là hiện thực và thay đổi toàn bộ nền kinh tế nên tôi muốn cảm ơn toàn bộ đội Optimus về việc chăm chỉ
Mấy tháng vừa qua tôi nghĩ việc này thật tuyệt vời đã được hoàn thành trong vòng 6 hay 8 tháng.
rất nhiều [Vỗ tay]
Cám ơn mọi người
Chào, tôi là Ashok Tôi sẽ dẫn dắt đội lái tự động cùng với Milan Thượng đế nó sẽ rất khó để đứng đầu
Dù sao thì Optimus cũng sẽ cố gắng.
Mỗi Tesla đã được xây dựng trong vài năm qua, chúng tôi nghĩ có
Phần cứng để làm cho xe tự lái chúng ta đã làm việc trên phần mềm
tăng độ tự chủ cao hơn và cao hơn lần này khoảng năm ngoái chúng ta đã có
Khoảng 2 000 xe đang lái phần mềm FSD beta của chúng tôi kể từ đó chúng tôi có nhiều
cải thiện phần mềm là mạnh mẽ và khả năng mà hiện nay chúng tôi đã bán nó cho 160 000 khách hàng như hiện nay
[Tiếng vỗ tay]
Đây không phải là tự do, nó đến từ mồ hôi và máu của đội kỹ thuật trong một năm qua.
Ví dụ, chúng tôi đã đào tạo 75 000 mô hình mạng thần kinh chỉ mới được một năm.
Gần như là một mô hình mỗi tám phút mà bạn biết là ra khỏi đội và sau đó chúng ta đánh giá chúng trên diện rộng của chúng ta
Và sau đó chúng tôi tàu 281 của những mô hình đó thực sự cải thiện hiệu suất của chiếc xe
và không gian cải tiến này đang diễn ra trong ngăn xếp phần mềm lập kê ́ hoạch
Cơ sở hạ tầng các công cụ thậm chí thuê mọi thứ đang tiến triển lên cấp độ
phần mềm beta FSG khá có khả năng lái xe nó nên có thể định hướng từ
Bãi đỗ xe để xử lý việc CDC lái xe dừng đèn giao thông và ngừng các biển báo
thương lượng với các đối tượng tại các giao điểm làm thay đổi và vân vân
Tất cả những thứ này xuất phát từ các dòng máy quay đi qua mạng thần kinh của chúng ta, nó sẽ chạy trên chiếc xe đó.
không trở lại máy chủ hay bất cứ thứ gì nó chạy trên xe và tạo ra tất cả các đầu ra để hình thành mô hình thế giới
Xung quanh chiếc xe và phần mềm lập kế hoạch lái xe dựa trên đó
Hôm nay chúng ta sẽ đi vào rất nhiều thành phần tạo nên hệ thống Mạng lưới nghề nghiệp hoạt động như căn cứ.
lớp hình học của hệ này là hệ thần kinh video đa camera
mạng từ những hình ảnh dự đoán sự chiếm đóng đầy đủ của thế giới xung quanh
Người máy, để mọi thứ có thể xây dựng nên những bức tường của những chiếc xe.
Bạn có dự đoán rằng nó đặc biệt hiện tại nó dự đoán chúng cùng với chuyển động tương lai của chúng
trên đỉnh của hình học cơ sở này chúng ta có nhiều lớp ngữ nghĩa hơn.
định hướng đường chúng ta cần ống kính nhưng sau đó đường có rất nhiều
các làn đường khác nhau và chúng kết nối bằng mọi cách vì vậy nó thực sự là một vấn đề rất khó cho máy tính điển hình
kỹ thuật tầm nhìn để dự đoán tập hợp của máy bay và hệ kết nối của chúng để chúng ta đạt đến mọi ngôn ngữ
Công nghệ và sau đó kéo trạng thái của nghệ thuật từ các tên miền khác và không chỉ thị giác máy tính để thực hiện nhiệm vụ này.
Có thể cho xe cộ chúng ta cần nhà nước sơ đồ của chúng để kiểm soát chúng.
Tất cả những điều này trực tiếp đến từ các mạng lưới thần kinh video, những dòng video thô trở thành các mạng lưới.
về việc xử lý và sau đó đầu ra toàn bộ trạng thái động học mà vị trí vận tốc gây ra tình trạng gia tốc tất cả
trực tiếp ra khỏi các mạng lưới với quá trình xử lý tối thiểu mà thực sự hấp dẫn tôi bởi vì làm cách nào mà
Có khả năng cả thế giới này làm ta sống ở chỗ phép thuật này có thể là những mạng lưới dự đoán thứ tư
đạo hàm của những vị trí này khi người ta nghĩ chúng ta không thể phát hiện các đối tượng này
Ý kiến của tôi là nó không có miễn phí nó nó đòi hỏi hàng tấn dữ liệu nên chúng tôi đã có một chút ô tô phức tạp
các hệ thống thông qua dư ̃ liệu cảm biến thô chạy một tấn tính toán ngoại tuyến trên
máy chủ có thể mất vài giờ mạng lưới thần kinh đắt tiền vẫn là thông tin thành nhãn
-Mạng lưới thần kinh xe trên đỉnh chúng ta cũng dùng hệ thống mô phỏng để tổng hợp
tạo hình ảnh và vì nó là mô phỏng chúng ta có tất cả nhãn hiệu
tất cả những thứ này đi qua một đường ống dẫn động cơ dữ liệu được bôi trơn.
Đào tạo một mô hình cơ sở với một số dữ liệu nó cho xe xem những thất bại là gì và một khi bạn biết những thất bại
Chúng tôi yêu cầu hạm đội cho các trường hợp nó không thể cung cấp các nhãn hiệu đúng và thêm dữ liệu vào tập luyện tập luyện
Quy trình này sẽ sửa chữa một cách có hệ thống các vấn đê ̀ và chúng tôi làm mọi tác vụ chạy trong xe
Và để đào tạo mạng lưới thần kinh khổng lồ năm nay chúng ta mở rộng cơ sở hạ tầng đào tạo bằng cách gần như
40 đến 50% so với chúng ta khoảng 14 000 gpu hôm nay qua nhiều lần
Chúng tôi cũng làm việc trên trình biên dịch AI của chúng tôi.
Bây giơ ̀ hô ̃ trợ các thao tác mới cần thiết bởi các mạng thần kinh này và ánh xạ chúng cho loại tốt nhất của cơ sở
Tài nguyên phần cứng và động cơ suy luận của chúng tôi hôm nay có khả năng phân phối việc thực hiện
một mạng thần kinh duy nhất trên hai hệ thống độc lập trên tàu cơ bản là hai máy tính độc lập
trong máy tính tự lái xe và để làm được điều này chúng ta phải kiểm soát chặt chẽ
latency của hệ thống mới này vì vậy chúng tôi đã triển khai mã chương trình nâng cao hơn trên nền tảng FSD đầy đủ
Tất cả các mạng thần kinh này chạy trong xe cùng nhau tạo ra không gian vectơ lại là mô hình của
Thế giới xung quanh robot hay xe hơi và hệ thống lập kế hoạch hoạt động dựa trên những quỹ đạo đó
tránh va chạm hoặc làm trơn tiến triển hướng đến đích sử dụng kết hợp tối ưu hóa dựa trên mô hình
cộng với mạng thần kinh giúp tối ưu hóa nó thật sự nhanh
Hiện tại chúng tôi rất hào hứng để trình bày những tiến bộ trên tất cả những lĩnh vực mà chúng tôi có kỹ thuật dẫn đến
vào và giải thích những khối này và sức mạnh này không chỉ là chiếc xe nhưng cũng những thành phần tương tự cũng chạy trên chiếc Optimus
Robot mà Milan đã trình bày trước đó, tôi hoan nghênh bảng điều khiển để bắt đầu nói về phần lập kế hoạch
Chào tất cả những gì tôi có thể sử dụng tình huống giao điểm này
lặn thẳng vào cách chúng ta thực hiện việc lập kế hoạch và ra quyết định ở chế độ tự động để chúng ta đang tiếp cận giao lộ này
từ một đường phố và chúng ta phải nhường đường cho tất cả các phương tiện vượt qua đúng như chúng ta sắp bước vào
Giao điểm của người đi bộ ở phía bên kia của giao lộ quyết định băng qua đường.
Không có đường băng bây giờ chúng ta phải nhường chỗ cho người đi bộ này cho xe từ bên phải và
cũng hiểu mối quan hệ giữa Người đi bộ và xe ở phía bên kia của giao lộ
vậy là rất nhiều phụ thuộc vào trong các đối tượng mà chúng ta cần giải quyết ngay lập tức
và con người thực sự rất giỏi trong việc này chúng ta nhìn vào một khung cảnh hiểu tất cả các tương tác có thể đánh giá cao nhất
Những người có triển vọng và thường kết thúc bằng việc lựa chọn một
Hãy nhìn vào một vài tương tác mà hệ thống lái tự động đánh giá chúng ta có thể đã đi trước vụ này.
Người đi bộ với khởi đầu rất hung dữ trong hồ sơ giờ, rõ ràng chúng ta đang trở thành một tên khốn với
Người đi bộ và chúng tôi sẽ đánh lừa Người đi bộ và thú cưng dễ thương của anh ta chúng tôi có thể đã di chuyển rất chậm.
cho một khoảng trống giữa người đi bộ hoặc chiếc xe từ bên phải trở lại chúng tôi đang trở thành một tên khốn cho xe
Đến từ bên phải nhưng bạn không nên từ chối hoàn toàn tương tác này trong trường hợp này chỉ là tương tác an toàn có sẵn
Cuối cùng, sự tương tác mà chúng ta đã quyết định ở lại chậm hơn
Lỗ hổng và sau đó hoàn thành sau khi tất cả các đặc vụ đi qua.
Bây giờ đánh giá tất cả các tương tác này là không tầm thường khi bạn quan tâm đến người mẫu
các dẫn xuất bậc cao hơn cho các tác nhân khác ví dụ những gì là longitudinal
Theo yêu cầu của xe từ bên phải khi bạn khẳng định trước nó dựa hoàn toàn vào việc kiểm tra va chạm với
Dự đoán mô-đun sẽ chỉ đưa bạn đến mức bạn sẽ bỏ lỡ rất nhiều tương tác hợp lệ
Về cơ bản, chuyện này sôi động để giải quyết một vấn đề quy hoạch quỹ đạo đa đại diện về quỹ đạo của cái tôi và
Tất cả các đặc vụ khác bây giờ là bao nhiêu tất cả các bạn tối ưu hóa sẽ là một giới hạn cho tốc độ nhanh của bạn
Sự cô ́ tối ưu hóa sự cô ́ này sẽ là gần để đạt được 10 mili giây ngay cả sau nhiều thời gian xấp xỉ ́
Bây giơ ̀ bạn có hơn 20 đối tượng mỗi khi bạn có nhiều hơn 20 đối tượng
Đối tượng có nhiều chế độ khác nhau trong tương lai số lượng kết hợp tương tác liên quan sẽ nổ
chúng ta cần phải quyết định mỗi 50 phần nghìn giây để giải quyết vấn đề này trong thời gian thực.
chúng ta dựa vào một khuôn khổ mà chúng ta gọi là tìm kiếm tương tác cơ bản là một nghiên cứu song song với một nhóm
quỹ đạo cơ động của không gian trạng thái ở đây tương ứng với trạng thái động của cái tôi động học
trạng thái của các tác nhân khác trong tương lai nhiều dự đoán đa phương thức và tất cả các thực thể tĩnh tại hiện trường
Không gian hành động là nơi mọi thứ thú vị chúng ta sử dụng một tập hợp quỹ đạo cơ động
Các ứng cử viên cho chi nhánh qua một loạt các quyết định tương tác và cũng là mục tiêu gia tăng trong một thời gian dài
Thao tác cơ động chân trời Hãy đi qua nghiên cứu này rất nhanh để có được cảm giác về cách nó hoạt động
chúng ta bắt đầu bằng một tập hợp các phép đo thị giác cụ thể Lanes bắt đầu di chuyển các đối tượng được thể hiện là
chiết xuất thưa thớt cũng như các tính năng tiềm ẩn chúng ta sử dụng điều này để tạo ra mục tiêu
Các ứng cử viên Lanes một lần nữa từ Mạng lưới các làn đường hoặc các vùng không cấu trúc
Một mặt nạ xác suất có nguồn gốc từ các cuộc biểu tình của con người một khi chúng ta có
Các ứng cử viên chúng ta tạo ra quỹ đạo hạt giống bằng cách kết hợp các phương pháp tối ưu hóa cổ điển
Người lập kế hoạch mạng một lần nữa được đào tạo về dữ liệu từ thức ăn của khách hàng ngay khi chúng tôi có được một đống miễn phí
xa quỹ đạo chúng ta sử dụng chúng để bắt đầu phân nhánh trên tương tác chúng ta tìm thấy tương tác quan trọng nhất
trong trường hợp này, đây sẽ là sự tương tác với Người đi bộ dù chúng ta khẳng định trước mặt nó hay đầu hàng.
Hiển nhiên, lựa chọn bên trái là một hình phạt cao, nó có khả năng sẽ không bị ưu tiên nên chúng ta phải đi xa hơn.
lựa chọn bên phải và đó là nơi chúng tôi mang đến nhiều tương tác phức tạp hơn để xây dựng tối ưu hóa
Vấn đê ̀ gia tăng liên quan nhiều hơn và nhiều ràng buộc hơn và nghiên cứu đã giư ̃ lại các nhánh trên phân nhánh
trên nhiều mục tiêu giơ ̀ đây là rất nhiều thủ đoạn đánh giá từng nút này
của nghiên cứu bên trong từng nút ban đầu chúng tôi bắt đầu với việc tạo
quỹ đạo sử dụng phương pháp tối ưu hóa cổ điển, nơi mà những ràng buộc như tôi mô tả sẽ được thêm vào
Và điều này sẽ rất gần với 1-5 mili giây mỗi hành động ngay cả khi điều này là khá tốt
sô ́ khi bạn muốn đánh giá hơn 100 tương tác này không quy mô
cho nên chúng tôi kết thúc việc xây dựng mạng giả mạo có thể truy vấn được mà bạn có thể chạy trong vòng lặp của người lập kế hoạch
các mạng này được đào tạo về các cuộc biểu tình của con người từ hạm đội cũng như máy giải quyết ngoại tuyến với giới hạn về thời gian
với cái này chúng tôi có thể hạ thời gian chạy xuống còn gần 200 micro giây mỗi hành động
Hãy làm điều này một mình là không đủ bởi bạn vẫn có một cuộc nghiên cứu lớn mà bạn cần phải đi
thông qua và bạn cần phải loại bỏ hiệu quả không gian tìm kiếm nên bạn cần phải làm gì khi ghi vào từng mục
Những quỹ đạo này rất ít trong số đó là tiêu chuẩn bạn thực hiện một loạt các kiểm tra va chạm làm một đống phân tích sự thoải mái.
thực sự cần thiết cho một cơ động nhất định dữ liệu Hạm đội của khách hàng đóng vai trò quan trọng ở đây
chúng ta chạy hai tập của các mạng thay đổi nhẹ một lần nữa thực sự tăng cường cho nhau một trong số chúng được đào tạo từ
Các can thiệp từ FST beta Fleet đưa ra điểm số về khả năng sẽ kết quả là như thế nào.
Các can thiệp trong vài giây tiếp theo và thứ hai hoàn toàn trên các cuộc biểu tình của con người.
Điểm của bạn đóng vai trò hành động đã chọn vào quỹ đạo của con người
Ghi bàn giúp chúng ta loại bỏ không gian tìm kiếm tiếp tục phân nhánh hơn nữa trên các tương tác và tập trung tính toán vào
Kết quả đầy hứa hẹn nhất của phần mát mẻ về chuyện này
Kiến trúc là nó cho phép chúng ta tạo ra một sự pha trộn tuyệt vời giữa dữ liệu hướng đến nơi bạn
không phải dựa vào rất nhiều chi phí nhân tạo mà còn phải dựa vào thực tế với kiểm tra dựa trên vật lý
Bây giờ rất nhiều những gì tôi đã mô tả là sự tôn trọng với các đặc vụ chúng ta có thể quan sát tại hiện trường nhưng điều tương tự
Khung hình mở rộng cho các đối tượng phía sau các phân đoạn chúng ta sử dụng video ăn từ tám máy ảnh
để tạo định vị 3D của thê ́ giới tương ứng với mặt nạ xanh
khu vực hiển thị mà chúng tôi gọi nó là nó bị chặn ở đầu tiên
Chúng ta tiêu thụ mặt nạ tầm nhìn này để tạo ra cái mà chúng ta gọi là đồ vật mà cậu.
Có thể nhìn thấy ở phía trên bên trái ngay bây giờ nếu bạn làm mẫu các vùng sinh sản và sự chuyển tiếp trạng thái của bóng ma
các đối tượng chính xác nếu bạn điều chỉnh phản hồi của bạn là một
Chức năng của sự tồn tại đó khả năng có thể giải quyết một số hành vi thực sự tốt đẹp
Bây giờ tôi sẽ thay thế nó để mô tả thêm về cách chúng ta tạo ra các mạng sống này.
Tôi là Phil, tôi sẽ chia sẻ chi tiết về mạng nghề nghiệp chúng tôi xây dựng trong năm qua.
mạng này là giải pháp của chúng tôi để mô hình hóa các công việc vật lý trong 3D xung quanh ô tô của chúng tôi và nó hiện không được hiển thị trong
khách hàng phải đối mặt với hình ảnh hóa và những gì chúng ta sẽ thấy ở đây là đầu ra Network Network từ công cụ Dev nội bộ
Mạng nghề nghiệp lấy băng video của tất cả 80 máy ảnh của chúng ta như đầu vào tạo ra một năng lượng thống nhất thống nhất
Vị trí chiếm dụng trong không gian Vector trực tiếp cho mọi vị trí 3D xung quanh xe của chúng tôi
dự đoán xác suất của vị trí đó bị chiếm giữ rất nhiều vì nó có liên hệ với video
có khả năng dự đoán những trở ngại bị ẩn mình ngay lập tức
cho mỗi địa điểm nó cũng tạo ra một tập hợp ngữ nghĩa như lề đường cho người đi xe
và các mảnh vụn thấp được mã hóa ở đây
Dòng chảy nghề cũng được dự đoán cho chuyển động kể từ khi mô hình là một mạng tổng quát.
nó không nói rõ các đối tượng động và năng động rõ ràng nó có thể sản xuất và
Mô hình các chuyển động ngẫu nhiên như máy bay huấn luyện ở đây
mạng này hiện đang chạy trong toàn bộ Teslas với máy tính FSD và nó là
Nó cực kỳ hiệu quả trong 10 mili giây với máy gia tốc của chúng ta
Vậy làm thế nào để công việc này để xem xét kiến trúc trước tiên chúng ta chỉnh sửa mỗi hình ảnh máy ảnh với
Hiệu chỉnh máy ảnh và các hình ảnh được hiển thị ở đây được đưa cho mạng thực sự không phải là
hình ảnh RGB 8-bit điển hình như bạn có thể thấy từ hình ảnh đầu tiên trên đầu chúng ta
Đưa hình ảnh thô sơ 12 bit cho mạng kể từ khi nó có 4
bits bit thêm thông tin nó có phạm vi năng động tốt hơn 16 lần cũng như giảm
latency vì chúng ta không có sai ISP trong Adobe nữa chúng ta sử dụng tập hợp bản ghi và quay lại với
FPS như một xương sống để trích xuất các tính năng không gian hình ảnh tiếp theo chúng ta xây dựng một tập hợp vị trí
Truy vấn cùng với các tính năng không gian IMG như các khóa và giá trị phù hợp với mô-đun chú ý
Đầu ra của mô-đun chú ý là các tính năng không gian cao
các tính năng đặc biệt này được liên kết tạm thời bằng cách sử dụng ô
để đưa ra chuyển động cuối cùng tính năng không gian này đi
qua một tập hợp D kết hợp để tạo ra sản xuất cuối cùng và đầu ra luồng công.
Chúng được hình thành như một màu xám cố định có thể không đủ chính xác để lập kế hoạch kiểm soát
để có được độ phân giải cao hơn, chúng tôi cũng sản xuất mỗi bản đồ tính năng voxel mà sẽ ăn vào MLP với không gian 3D
Ðiểm truy vấn để lấy vị trí và ngư ̃ nghĩa tại bất kỳ vị trí tùy ý
Sau khi biết được mô hình này tốt hơn hãy nhìn vào một ví dụ khác ở đây chúng ta có một chiếc xe buýt có khớp nối bên phải
Hàng bên cạnh nổi bật như là một võ sĩ hình chữ L ở đây khi chúng ta tiếp cận xe buýt bắt đầu
di chuyển màu xanh mặt trước của xe đẩy chuyển màu xanh dương đầu tiên chỉ ra mô hình dự đoán xe buýt phía trước có điểm số 0
lưu lượng nghề nghiệp và xe bus tiếp tục di chuyển toàn bộ xe buýt chuyển sang màu xanh
và bạn cũng có thể thấy rằng mạng lưới dự đoán độ cong chính xác của xe buýt
Đây là một vấn đề rất phức tạp đối với Mạng lưới phát hiện đối tượng truyền thống như bạn phải xem liệu tôi có đi đến
sử dụng một cuboid hoặc có lẽ cả hai để phù hợp với độ cong nhưng đối với mạng lưới chiếm đóng
Vì tất cả những gì chúng ta quan tâm là sự chiếm hữu trong không gian có thể nhìn thấy và chúng ta sẽ có thể mô hình hóa một cách chính xác
bên cạnh lớp voxel Mạng lưới nghề nghiệp cũng tạo ra một bề mặt có thể lái được
bề mặt khô khô có cả hình học 3D và ngữ nghĩa chúng rất hữu ích để kiểm soát đặc biệt là chữa bệnh
và uốn cong bề mặt và màu xám voxel không được dự đoán một cách độc lập thay vì thế
Mạng lưới voxel thực sự sắp xếp với bề mặt ngầm ở đây chúng ta đang ở vị anh hùng Quest nơi bạn
có thể thấy hình học 3D của bề mặt được dự đoán một cách tử tế
Kế hoạch có thể sử dụng thông tin này để quyết định có lẽ chúng ta cần làm chậm hơn nữa cho Hillcrest.
xem các lớp phụ liên kết với bề mặt đều đặn
Ngoài ra còn có cả hộp số và bề mặt, chúng ta cũng rất hào hứng về bước đột phá gần đây của trường đọc thần kinh hay ...
Nerf chúng tôi đang tìm kiếm cả hai đều kết hợp một số tính năng màu sáng.
Việc đào tạo mạng trong việc sử dụng đầu ra của Mạng là trạng thái đầu vào cho Nerf
Thực tế là Ashok rất hào hứng về việc này ... đây là dự án cuối tuần cá nhân của anh ta trong một thời gian.
Bởi vì tôi nghĩ rằng Academia đang xây dựng rất nhiều trong số đó.
Nền tảng mô hình cho ngôn ngữ sử dụng hàng tấn tập dữ liệu lớn cho ngôn ngữ nhưng tôi nghĩ cho dây thần kinh thị giác
sẽ cung cấp các mô hình nền tảng cho thị lực máy tính vì chúng được dựa trên hình học và hình học
cho chúng tôi một cách tốt để giám sát các mạng lưới này và đóng băng các yêu cầu để xác định bản thể học và
Giám sát về cơ bản là miễn phí vì bạn chỉ cần phân biệt những hình ảnh này để tôi nghĩ trong tương lai
Ý tưởng Mạng nghề nghiệp nơi bạn biết hình ảnh đến và sau đó mạng tạo ra một cách nhất quán
Thể hiện hiện trường một cách khác biệt về bất kỳ hình ảnh nào đã được quan sát tôi.
Cá nhân tôi nghĩ đó là một tương lai của viễn cảnh máy tính và bạn biết chúng tôi đang thực hiện một số công việc ban đầu về nó bây giờ nhưng tôi
nghĩ trong tương lai cả Tesla và Academia chúng ta sẽ thấy
Sự kết hợp của dự đoán One-Shot về khả năng tích cực sẽ là của nó.
Đây là một ví dụ cho kết quả sớm của tôi.
Tái thiết 3D từ dữ liệu miễn phí thay vì tập trung vào việc chiếu lại RGB hoàn hảo trong không gian ảnh
mục tiêu chính ở đây là để đại diện chính xác không gian 3D cảnh báo cho lái xe và chúng tôi muốn thực hiện điều này cho tất cả
các dữ liệu miễn phí của chúng tôi trên thế giới trong điều kiện thời tiết và ánh sáng và rõ ràng đây là một thách thức
Có vấn đề và chúng tôi đang tìm các bạn để giúp cuối cùng mạng lưới nghề nghiệp được đào tạo
với bộ dư ̃ liệu cấp tự động lớn mà không có con người nào trong vòng lặp và tôi sẽ chuyển vào Tim để nói
Về những gì cần thiết để đào tạo mạng lưới này cảm ơn Phil
[Tiếng vỗ tay] Mọi người hãy nói về việc luyện tập
Cho nên chúng tôi đã xem một vài đoạn video mà anh biết bốn hoặc năm tôi nghĩ và quan tâm.
Nhiều hơn và lo lắng nhiều hơn nữa cho nên chúng tôi đã xem xét
Các mạng lưới nghề nghiệp chỉ từ Phil vừa lấp đầy các video cần 1,4 tỷ
Khung hình để đào tạo mạng lưới mà bạn vừa thấy và nếu bạn có 100 nghìn gpu thì nó sẽ mất một giờ.
Nhưng nếu bạn có một GPU, nó sẽ mất hàng trăm ngàn giờ để không phải là
Thời gian của Humane mà bạn có thể đợi công việc huấn luyện của mình chạy ngay chúng ta muốn tàu nhanh hơn thế.
Có nghĩa là bạn cần phải đi song song để bạn có thể tính toán nhiều hơn cho điều đó có nghĩa là bạn sẽ cần một
Đây là lý do chúng ta xây dựng 3 siêu máy tính.
14 000 gpu nơi chúng ta sử dụng 10 000 gpu để đào tạo và khoảng bốn ngàn.
Gpu cho tự động ghi nhãn tất cả các video này được lưu trong 30 petabyte của một video được quản lý phân tán
Bộ nhơ ́ đệm mà bạn không nên nghĩ là bộ dư ̃ liệu của chúng tôi như đã sửa, nói như bạn nghĩ
Tưởng tượng hay là thứ gì đó mà bạn biết, giống như một triệu khung hình bạn nên nghĩ về nó như một chất lỏng, vì vậy chúng tôi có một cái
Nửa triệu đoạn video này chảy vào và ra khỏi cụm này mỗi ngày.
và chúng tôi lần theo 400 000 mẫu video của loại python mỗi giây
cho nên đó là rất nhiều cuộc gọi chúng ta sẽ cần phải nắm bắt được điều đó để quản lý các chính sách lưu giữ
Bộ nhơ ́ đệm video phân phối sao cho tất cả đây là một sô ́ lượng lớn của dư ̃ liệu chúng ta xây dựng và quản lý
Bạn không thể mua nổi bạn biết 40 000
Gpu và sau đó là 30 petabytes Flash mvme và đặt nó cùng nhau và đi tàu lửa uh Nó thực sự cần rất nhiều
Công việc và tôi sẽ đi vào một trong những gì anh thực sự muốn làm là anh muốn tăng tốc độ của mình.
Nó có thể là GPU hay là Dojo chúng ta sẽ nói về sau và bởi vì đó là giá đắt nhất
thành phần mà bạn muốn đặt nút cổ chai của bạn và điều đó có nghĩa là mỗi phần của hệ thống của bạn là
cần phải vượt trội hơn máy gia tốc này và nó thực sự rất phức tạp.
có nghĩa là kho lưu trữ của bạn cần phải có kích thước và băng thông để cung cấp tất cả dữ liệu xuống các nút
các nút này cần phải có đúng lượng CPU và khả năng bộ nhớ để cung cấp thức ăn vào máy của bạn
Khung học của máy này cần phải giúp cho GPU của bạn và sau đó bạn có thể bắt đầu đào tạo nhưng sau đó bạn
cần phải làm như vậy trên hàng trăm hoặc hàng ngàn GPU một cách đáng tin cậy trong
Logstap và theo một cách nào đó cũng rất nhanh để cậu có thể cần một sự kết nối cực kỳ phức tạp chúng ta sẽ nói chuyện nhiều hơn
Về võ đường.
tối ưu hóa việc chúng ta đã thực hiện trên cụm sao chúng ta có thể nhận được rất nhiều video và ...
Video rất giống với việc đào tạo các hình ảnh hoặc đoạn văn mà tôi nghĩ là rất thành công trong video.
Theo đúng nghĩa đen là một không gian phức tạp hơn và đó là lý do chúng ta cần phải kết thúc
để kết thúc tư ̀ lớp lưu trư ̃ xuống máy gia tốc và tối ưu hóa mọi mảnh của nó vì chúng ta đã đào tạo trên sô ́ lượng photon
Những video trực tiếp tư ̀ Hạm đội chúng ta sẽ được trực tiếp tư ̀ những thư ́ trực tiếp mà chúng ta không xử lý chúng
Cách nó vừa hoàn thành là chúng tôi tìm chính xác cho các khung hình mà chúng tôi chọn cho lô của chúng tôi chúng tôi tải chúng trong đó bao gồm cả
Khung hình mà chúng phụ thuộc vào đó là khung hình của bạn hoặc các khung khóa chúng tôi gói chúng để chia sẻ chúng
Bộ nhớ di chuyển chúng vào một thanh kép từ GPU và sau đó sử dụng bộ giải mã phần cứng chỉ được tăng tốc để
Thực ra là giải mã đoạn video để chúng ta làm việc đó trên GPU, và tất cả trong một phần mở rộng python rất đẹp.
làm như vậy đã mở khóa hơn 30 tốc độ tăng tốc cho các mạng lưới nghề nghiệp và giải phóng căn bản một toàn bộ
CPU để làm bất kỳ điều gì khác um bạn không thể chỉ tập luyện với chỉ
Tất nhiên là những đoạn phim về sự thật ... và đó thực sự là một vấn đề thú vị.
Mục tiêu để lưu trư ̃ sự thật trên mặt đất của bạn là bạn muốn đảm bảo bạn có thể đạt được sự thật mà bạn cần trong
Lượng thao tác hệ thống tập tin tối thiểu và tải trọng lượng tối thiểu mà bạn cần để tối ưu hóa tổng hợp
qua lượng thông sô ́ chéo vì bạn nên xem nhóm tính toán là một thiết bị lớn có nội bộ cô ́ định
hạn chế và hạn chế vì điều này chúng tôi đã đưa ra định dạng
là bản địa của chúng ta được gọi là nhỏ chúng ta sử dụng điều này cho sự thật đất của chúng ta bộ nhớ đệm tính năng và bất kỳ kết quả thu
Vậy nên có rất nhiều nhà lý thuyết ở đây, nên hãy xem đây là cái bàn của cậu.
muốn lưu trữ thì đó là cách mà nó sẽ nhìn ra nếu bạn lăn ra trên đĩa vậy những gì bạn làm là lấy bất cứ thứ gì bạn muốn.
muốn lập chỉ mục cho ví dụ dấu thời gian video mà bạn đã đưa tất cả những thư ́ này vào tiêu đê ̀ nên trong tiêu đê ̀ đầu tiên của bạn
Bạn có biết chính xác nơi để đi trên đĩa nếu bạn có bất kỳ tenxơ nào bạn sẽ cố gắng thay thế vị trí của nó
để đặt một chiều khác nhau cuối cùng là Dimension tiếp giáp và sau đó cũng thử các loại khác nhau của
Nén rồi kiểm tra xem cái nào là tối ưu nhất và sau đó lưu trữ cái này thực sự là một bước rất lớn nếu bạn làm
Tính năng bộ nhơ ́ đệm không thông minh tư ̀ Mạng học máy có thể xoay quanh
Các chiều không gian có thể tăng 20 lần tăng hiệu quả lưu trữ khi bạn lưu trữ chúng tôi
đặt các cột bằng kích thước để tất cả các cột nhỏ và các giá trị nhỏ của bạn cùng nhau để khi bạn tìm kiếm một
Giá trị duy nhất bạn có thể trùng lắp với nhiều giá trị mà bạn sẽ dùng sau đó để không cần phải làm
thao tác hệ thống tập tin khác để tôi có thể đi vào và tôi vừa đi
trên hai dự án chúng tôi có nội bộ nhưng đây thực sự là một phần của nỗ lực liên tục lớn để tối ưu hóa
Hãy tính toán chúng ta có thể tích tụ và tập hợp tất cả những tối ưu hóa chúng ta đang luyện tập
mạng lưới nghề nghiệp nhanh gấp đôi bởi vì nó hiệu quả gấp đôi và bây giờ nếu chúng ta thêm vô số tính toán và đi
song song chúng ta không thể tập luyện nó trong giờ thay vì ngày và với điều đó tôi muốn giao nó cho
Người dùng tính toán lớn nhất John
Xin chào mọi người tên tôi là John Emmons ... Tôi chỉ đạo đội khám nghiệm lái tự động Tôi sẽ bao gồm hai chủ đề với bạn
Đầu tiên là cách chúng ta dự đoán làn đường và thứ hai là cách chúng ta dự đoán hành vi tương lai của các tác nhân khác trên đường.
trong những ngày đầu của chế độ tự động, chúng tôi đã mô phỏng vấn đề phát hiện làn đường như một tác vụ phân đoạn lập tức không gian hình ảnh
mạng lưới của chúng tôi rất đơn giản, mặc dù trên thực tế nó chỉ có khả năng in các Lanes từ một vài loại khác nhau của
hình học cụ thể nó sẽ phân đoạn Đại bàng Lane nó có thể phân đoạn liền kề
Và sau đó nó có một sô ́ hô ̀ sơ đặc biệt cho các đê ̀ và trải qua mô hình đơn giản này của sự cô ́
làm việc cho những con đường có cấu trúc cao như đường cao tốc, nhưng hôm nay chúng ta đang cố xây dựng
Nó có khả năng cơ động phức tạp hơn rất nhiều đặc biệt là chúng ta muốn rẽ trái và rẽ phải ở các nút giao thông
nơi tô pô đường có thể phức tạp hơn một chút và đa dạng hơn khi chúng ta cố gắng áp dụng mô hình đơn giản hóa này của
Vấn đề ở đây, nó chỉ phá vỡ một bước lùi một chút thôi.
Chúng tôi đang cố gắng làm ở đây là dự đoán tia lửa của những trường hợp què trong kết nối của họ và những gì chúng tôi muốn làm là có một
Mạng neuron cơ bản dự đoán đồ thị này nơi các nút là các đoạn đường và các cạnh mã hóa
kết nối giữa những Lanes này để chúng ta phát hiện làn chức năng
Mạng thần kinh được tạo thành từ ba thành phần đầu tiên chúng ta có một bộ
Các lớp chú ý các lớp phù hợp và các lớp mạng thần kinh khác mã hóa các dòng video từ 8 của chúng ta
máy ảnh trên xe và tạo ra đại diện hình ảnh phong phú
Sau đó, chúng tôi nâng cao biểu diễn sô ́ bằng một bản đô ̀ sơ đô ̀ đô ̀ sơ đô ̀ mà chúng tôi mã hóa với
một tập hợp các lớp mạng thần kinh bổ sung mà chúng ta gọi module hướng dẫn làn đường này bản đồ này không phải là một bản đồ HD mà là nó
cung cấp rất nhiều gợi ý hữu ích về cấu trúc liên kết của làn đường bên trong các đường giao thông trên các đường khác nhau và một tập hợp các thuộc tính khác mà
giúp chúng tôi 2 thành phần đầu tiên được sản xuất
Tensor dày đặc đó là mã hóa thế giới nhưng điều chúng ta thực sự muốn là để chuyển đổi chất tensor dày đặc này thành một
thiết lập các làn đường thông minh trong các kết nối của chúng ta tiếp cận vấn đề này như một hình ảnh
Tác vụ phân tích nơi đầu vào là tensor dày đặc và văn bản đầu ra được dự đoán vào một ngôn ngữ đặc biệt
Chúng tôi đã phát triển ở Tesla để mã hóa Lanes trong các mối liên hệ của họ bằng ngôn ngữ này.
token là các vị trí làn trong không gian ba chiều trong The Ordering of các tobens giới thiệu các thẻ thay đổi trong các tokens
Mã hóa các mối quan hệ kết nối giữa các Lanes này bằng cách mô hình tác vụ là ngôn ngư ̃
Vấn đề chúng ta có thể tận dụng các kiến trúc và kỹ thuật tự động mới nhất từ Cộng đồng ngôn ngữ để xử lý nhiều
Vấn đề chúng ta không chỉ giải quyết được vấn đề về thị giác máy tính ở chế độ lái tự động chúng ta cũng đang áp dụng tối tân và ...
Mô hình và máy học ngôn ngư ̃ nói chung tôi sẽ dùng thêm chi tiết thành phần ngôn ngư ̃ này
những gì tôi đã mô tả trên màn hình ở đây là hình ảnh vệ tinh đại diện cho khu vực địa phương xung quanh
Phương tiện mà thiết lập các cạnh là cái mà chúng ta gọi là biểu đồ đường và cuối cùng là thứ chúng ta muốn để thoát khỏi hệ thần kinh này.
Mạng lưới chúng ta bắt đầu với một phiến đá trắng, chúng ta sẽ muốn tạo ra chúng ta đầu tiên.
Dự đoán ở đây tại Green Dot, vị trí chấm xanh này được mã hóa thành
một chỉ số vào một mạng lưới dĩ nhiên làm giảm uy tín của thế giới 3D bây giờ chúng ta không dự đoán được chỉ mục này trực tiếp
bởi vì nó quá tốn kém để làm như vậy có quá nhiều điểm lưới và dự đoán một sự phân loại
phân phối qua đây đều liên quan đến thời gian huấn luyện và thời gian kiểm tra, thay vào đó những gì chúng tôi làm là hủy bỏ
World coarely first we predict a hearm map over the possible locations and then we latch in the most possible locations
sau đó chúng ta sẽ tinh chỉnh dự đoán và lấy được điểm chính xác
Bây giờ chúng ta đã biết vị trí của vật biểu tượng này là chúng ta không biết vị trí của nó trong trường hợp này, mặc dù nó là khởi đầu của một cái mới.
Lane để chúng ta tiếp cận nó như là một dấu hiệu bắt đầu và bởi vì nó là một dấu hiệu của ngôi sao không có
các đặc tính bổ sung trong ngôn ngư ̃ của chúng ta khi đó chúng ta đưa ra các dự đoán tư ̀ những lời tiên tri đầu tiên này
sử dụng một tập hợp bổ sung để tạo ra một tập hợp các tenxơ mà chúng ta kết hợp với nhau
đó là từ đầu tiên trong ngôn ngữ của chúng ta với những làn đường ta bổ sung cho bạn biết vị trí đầu tiên trong câu ở đây
chúng ta tiếp tục tiến trình này bằng cách in điểm Lane kế tiếp theo kiểu tương tự
Bây giờ làn đường này không phải là khởi đầu của một Làn Đường mới, nó thực sự là sự tiếp nối của Làn Đường trước đó.
Vì vậy, nó là một loại biểu tượng tiếp tục bây giờ nó không đủ để biết rằng
Lane được kết nối vào máy bay được bảo vệ trước đó chúng tôi muốn mã hóa hình học chính xác mà chúng tôi đang làm
Hãy viết lại một tập hợp các hệ số nhỏ chúng ta lấy Lane chúng ta mã hóa nó
một lần nữa và thêm vào đó là câu tiếp theo chúng ta tiếp tục dự đoán các Lanes tiếp tục này cho đến khi chúng ta đến được
Cuối mạng lưới dự đoán, chúng ta sẽ di chuyển đến một đoạn đường khác ở Lane, để các bạn có thể thấy dấu chấm đó ở đó.
Nó không có liên quan đến màu hồng đó nó không liên quan gì đến màu xanh lá cây xanh lá cây
Ở đó có một cái nĩa và thẻ Fork.
Thực sự chỉ đến những đồng xu trước từ đó cái dĩa bắt nguồn từ đó
Có thể thấy ở đây dự đoán fork Point thực ra là chỉ số 0 nên nó thực sự tham chiếu trở lại để chứng minh rằng nó đã được dự đoán như bạn sẽ làm
Ngôn ngư ̃ chúng ta tiếp tục quy trình này đến lần nữa cho đến khi chúng ta liệt kê tất cả
token trong đồ thị Ling và sau đó là mạng dự đoán kết thúc token của câu
Tôi chỉ muốn lưu ý rằng lý do chúng tôi làm điều này không chỉ vì chúng tôi muốn xây dựng một thứ gì đó phức tạp
Tôi cảm thấy giống như một cỗ máy hoàn chỉnh ở đây với mạng thần kinh, mặc dù là chúng tôi đã thử cách tiếp cận
ví dụ như là đang cố gắng phân đoạn các làn đường dọc theo con đường hoặc một cái gì đó như thế nhưng sau đó vấn đề là khi
Có một điều không chắc chắn là bạn không thể nhìn thấy con đường rõ ràng và có thể có hai làn xe hoặc ba làn xe và bạn không thể nói
Cách tiếp cận dựa trên phân khúc đơn giản sẽ chỉ vẽ cả hai là tình huống 2.5 Lane và
Giải thuật sau xử lý sẽ thất bại một cách nghiêm trọng khi các dự đoán là như vậy các vấn đề không kết thúc ở đó ý tôi là
Bạn cần dự đoán những điều kiện liên kết như những chiếc Lanes liên kết bên trong các nút giao thông không thể thực hiện được với cách tiếp cận đó
Đề cập của Ashok đó là lý do tại sao chúng ta phải nâng cấp lên như phân khúc này sẽ chỉ đi Haywire nhưng ngay cả khi bạn cố gắng hết sức mình
bạn biết đưa chúng lên các lớp riêng biệt, nó chỉ là một vấn đề rất khó để ngôn ngữ chỉ đưa ra một khuôn khổ thật sự đẹp cho hiện đại
mẫu từ phía sau như trái ngược với bạn biết cố gắng làm tất cả những điều này trong quá trình hậu xử lý
Nhưng điều này không thực sự dừng lại chỉ vì tự động tự động John có thể được sử dụng cho Optimus một lần nữa bạn biết là họ sẽ không phải là
đã gọi Lanes nhưng bạn có thể tưởng tượng bạn biết một loại trong đó bạn biết giai đoạn ở đây bạn có thể có những con đường mà bạn biết mã hóa khả năng
Nơi mọi người có thể đi bộ, về cơ bản nếu bạn đang ở trong một nhà máy hoặc ở nơi bạn biết thiết lập gia đình
Anh có thể hỏi người máy được để tôi nói chuyện với nhà bếp hay làm ơn đi đến địa điểm nào đó trong nhà máy.
Và rồi chúng ta dự đoán một tập hợp của Pathways, bạn có thể biết nó đi qua các dãy nhà lấy robot và nói rằng okay điều này
là làm thế nào bạn vào được nhà bếp, nó cho chúng ta một khuôn khổ đẹp để mô hình hóa những con đường khác nhau đó đơn giản hóa vấn đề điều hướng hoặc
Xuôi dòng xuôi theo tất cả những gì chúng ta nhận được.
Mạng phát hiện Lane là một tập hợp các làn đường trong các hệ kết nối của chúng trực tiếp từ mạng ở đó
Không bước thêm bước nào để đơn giản hóa những tiên đoán dày đặc
đây chỉ là một đầu ra không được lọc của mạng
Được rồi, tôi đã nói một chút về Lanes tôi sẽ liên hệ ngắn gọn về cách mô hình và dự đoán con đường trong tương lai
Các ngữ nghĩa khác trên các đối tượng vì vậy tôi sẽ thực sự nhanh chóng qua hai ví dụ về video trên
Ngay đây chúng ta có một chiếc xe đang thực sự chạy một tia sáng đỏ và quay mặt trước chúng ta những gì chúng ta làm để xử lý
những tình huống như thế này là chúng ta dự đoán một tập hợp quỹ đạo tương lai ngắn hạn Horizon trên mọi vật thể chúng ta có thể sử dụng
Để dự đoán tình hình nguy hiểm ở đây và áp dụng bất cứ điều gì bạn biết phanh và hành động lái là cần thiết để tránh va chạm.
Trong video ở bên phải có hai chiếc xe ở phía trước chúng ta bên trái làn xe bên trái có vẻ là nó là
Tôi không biết tại sao tài xế lại quyết định đỗ ở đó nhưng điều quan trọng là mạng lưới thần kinh của chúng ta dự đoán rằng nó đã dừng lại.
đó là màu đỏ ở đó có ô tô ở làn đường bên kia khi bạn nhận thấy cũng đứng yên nhưng đó là
Rõ ràng là chờ đèn đỏ chuyển sang màu xanh, mặc dù cả hai vật đều đứng yên và không có vận tốc nào, đó là ngữ nghĩa của nó.
Ở đây thật sự rất quan trọng để chúng ta không bị mắc kẹt đằng sau cái xe vụng về vụng về.
Dự đoán tất cả các thuộc tính của tác nhân này trình bày một số vấn đề thực tế khi cố gắng xây dựng
chúng ta cần tối đa hóa tốc độ khung hình của ngăn xếp phần đối tượng để tự động học có thể nhanh chóng phản ứng với môi trường thay đổi
Mỗi mili giây thực sự quan trọng nhất là để giảm thiểu quá trình suy luận mạng lưới thần kinh của chúng ta được chia thành hai giai đoạn
trong giai đoạn đầu tiên chúng tôi xác định vị trí trong không gian 3D nơi các đại lý
trong giai đoạn 2, chúng tôi kéo theo tensors tại các vị trí 3D đó nó với dư ̃ liệu bổ sung đang trên
Và sau đó, chúng tôi biết thực hiện phần còn lại của bước đặc tả kỹ thuật này cho phép
Mạng nơ ron thần kinh tập trung tính toán trên các khu vực mà hầu hết cho chúng ta khả năng vượt trội so với một phần nhỏ của chi phí tiềm ẩn
Vậy nên hệ thống lái tự động lái đã dự đoán nhiều hơn là hình học và động tĩnh học của nó.
thế giới nó cũng dự đoán một tập hợp ngữ nghĩa phong phú cho phép lái xe an toàn và con người
Tôi sẽ không giao những thứ này cho đường phố chúng ta sẽ cho chúng ta biết làm thế nào để chạy tất cả các mạng thần kinh mát mẻ trên máy tính FSD của chúng ta cảm ơn các bạn
[Tiếng vỗ tay]
Xin chào mọi người tôi là SRI hôm nay Tôi sẽ xem xét lại những gì cần thiết để chạy các mạng FSC này
xe hơi và làm sao chúng ta tối ưu hóa việc suy luận hôm nay tôi sẽ tập trung vào
Mạng lưới đường FSG mà John vừa nói về
Vậy khi bạn bắt đầu bài hát này, chúng tôi muốn biết liệu chúng tôi có thể chạy Mạng FSC Lanes này trên máy bay
đó là máy gia tốc mạng thần kinh nội bộ chúng tôi chế tạo trong máy tính FSD
Khi chúng tôi xây dựng phần cứng này, chúng tôi giữ nó đơn giản và chúng tôi đảm bảo nó có thể làm
Có một thứ lố bịch nhanh chóng, nhưng kiến trúc này là tự động.
Thoái lui và lặp lại nơi nó nghiền nát thông qua nhiều khối chú ý chú ý trong Inner Loop
Tạo ra những điểm thưa thớt trực tiếp mỗi bước để thách thức ở đây là cách
Chúng ta có thể dự đoán điểm phân tích này và tính toán thưa thớt trên một công cụ sản xuất chấm đặc để xem chúng ta đã làm điều này như thế nào
trong chuyến đi nên mạng dự đoán độ nóng của
Hầu hết những nơi có thể là không gian của điểm bây giờ chúng ta thực hiện một vòng cung Max và một
tim mạch mã hóa cứng cho chỉ mục của vị trí không gian
Bây giơ ̀ chúng ta cần chọn các nhúng liên kết với chỉ mục này tư ̀ một bảng có thể nhúng được học trong khi
Huấn luyện để thực hiện chuyến đi này chúng tôi thực sự xây dựng một bảng tra cứu ở SRAM và chúng tôi đã thiết kế
Kích thước của việc nhúng này chúng ta có thể đạt được tất cả những thứ này chỉ với phép nhân ma trận
không chỉ là chúng tôi cũng muốn lưu trữ thông tin này vào vùng nhơ ́ đệm
Chúng ta không trả giá cho mỗi lần lặp lại, dùng nó để dự đoán điểm trong tương lai.
Ở đây chúng tôi đã làm tất cả các hoạt động trên động cơ sản phẩm chấm công việc của chúng tôi thật sự rất tuyệt
tìm ra cách sáng tạo để ánh xạ tất cả thao tác trên công cụ chuyến đi theo cách
Đó không phải là tưởng tượng khi phần cứng này được thiết kế nhưng đó không phải là thứ duy nhất chúng ta có
để thực hiện công việc này chúng tôi thực hiện rất nhiều thao tác và tính năng để tạo mô hình này
có khả năng cải thiện độ chính xác hấp thu cũng như tối ưu hóa hiệu suất
Tất cả những điều này giúp chúng ta điều hành 75 triệu mô hình tham số ngay dưới 10
Mili giây của độ trễ tiêu thụ chỉ 8 watt năng lượng
nhưng đây không phải là kiến trúc duy nhất chạy trong xe có rất nhiều module và mạng kiến trúc khác
chúng ta cần chạy trong xe để đưa ra ý thức về quy mô có khoảng một tỷ tham số của tất cả các mạng lưới
tạo ra khoảng 1000 tín hiệu mạng thần kinh nên chúng ta cần chắc chắn
Chúng ta tối ưu hóa chúng và làm chúng ta tối đa hóa tính toán
sử dụng thông lượng và giảm thiểu độ trễ nên chúng ta xây dựng một trình biên dịch chỉ cho hệ thần kinh
các mạng chia sẻ cấu trúc cho các trình biên dịch truyền thống như bạn có thể thấy nó sẽ thu được quy mô lớn
đồ thị Nets thần kinh với các nút 150k và kết nối 375k lấy thứ này
phân chia chúng thành các đồ thị con độc lập và liên lạc từng loại
đồ thị phụ cho các thiết bị suy luận sau đó chúng ta có một mạng thần kinh
Linker chia sẻ cấu trúc cho Linker truyền thống nơi chúng ta thực hiện tối ưu hóa thời gian liên kết này
ở đó chúng ta giải quyết một vấn đề tối ưu hóa ngoại tuyến, để tính toán bộ nhớ và
Băng thông hạn chế để nó đi kèm với lịch trình được tối ưu hóa sẽ được thực hiện trong xe
trong thời gian chạy, chúng tôi thiết kế một hệ thống lập lịch lai cơ bản là
Không đồng nhất lịch trình trên một SOC và lập kế hoạch phân phối trên cả hai đĩa để chạy các mạng này trong một mô hình
Thời trang song song để có được 100 giọt tính toán mà chúng ta cần tối ưu hóa trên tất cả
các lớp phần mềm ngay từ việc điều chỉnh kiến trúc mạng, trình biên dịch tất cả
Cách để thực hiện băng thông cao độ thấp RDMA liên kết trên cả hai srcs và thực tế thậm chí còn sâu hơn nữa
thông cảm và tối ưu hóa dữ liệu cache mạch lạc và không liên kết của máy gia tốc trong soc này là rất nhiều
của tối ưu hóa ở mỗi mức để đảm bảo chúng ta có được tỷ lệ khung hình cao nhất và mỗi lượng sô ́ mili giây
đây là đây là cái này
trực quan hóa mạng lưới thần kinh đang chạy trong xe, đây là bộ não kỹ thuật số của chúng tôi về cơ bản như bạn có thể thấy
các thao tác này không là gì ngoài chỉ là phép nhân ma trận ma trận để đặt tên cho một vài hoạt động thực tế đang chạy trong xe
để đào tạo hoặc đào tạo mạng này với một tỷ tham sô ́ bạn cần rất nhiều dư ̃ liệu được gán nhãn để aegon có thể nói
về việc làm thế nào chúng ta có thể đạt được điều này với đường ống tự động
Cảm ơn đã cám ơn Sherry.
Chào mọi người tôi là Jurgen Zhang và tôi đang dẫn đầu một Tầm nhìn Hình học ở chế độ lái tự động
Hãy nói về việc Auto labeling.
Vì vậy chúng tôi có nhiều loại công việc nhãn hiệu để hỗ trợ nhiều loại mạng khác nhau nhưng hôm nay tôi muốn
Tập trung vào lưới Lanes tuyệt vời ở đây để luyện tập thành công và khái quát hóa
mạng lưới này đến mọi nơi chúng tôi nghĩ chúng tôi đã đi hàng chục triệu chuyến.
có thể là một triệu giao điểm hoặc hơn thế nữa.
Vậy làm thế nào để làm điều đó, nó chắc chắn có thể đạt được từ nguồn đủ
Số chuyến đi vì chúng ta đã có lúc Tim giải thích trước đó chúng ta đã có 500 000 chuyến mỗi ngày tiền mặt
Tuy nhiên, việc chuyển đổi tất cả dữ liệu thành dạng luyện tập là một vấn đề kỹ thuật rất khó khăn
để giải quyết thử thách này chúng tôi đã thử nhiều cách thủ công và tự động ghi nhãn từ
Cột thứ nhất đến thứ hai từ thứ hai đến thứ ba mỗi Advance cung cấp cho chúng ta gần 100x Cải thiện.
Throughput nhưng chúng tôi vẫn giành được một cỗ máy tự động tốt hơn có thể cung cấp
cung cấp nhà cung cấp đa dạng và khả năng mở rộng
để đáp ứng tất cả những yêu cầu này, bất chấp những nỗ lực kỹ thuật cần thiết ở đây, chúng ta đã phát triển
Máy ghi nhãn đơn hàng mới được hỗ trợ bởi việc tái cấu trúc đa trib để có thể thay thế 5 triệu giờ
Ghi nhãn thủ công chỉ 12 giờ trên cụm để ghi nhãn 10 000 chuyến
Vậy cách chúng ta giải quyết có 3 bước lớn, bước đầu tiên là quỹ đạo cắt ngang và phục hồi cấu trúc.
Hình ảnh quán tính trung bình hình ảnh đa hình ảnh nên ở đây tất cả các tính năng bao gồm bề mặt mặt đất được suy ra từ
bởi các mạng thần kinh sau đó theo dõi và tái tạo trong không gian vectơ
Vậy tốc độ trôi dạt điển hình của quỹ đạo này trong xe giống như 1,3 cm
Mỗi mét và 0.45 Milli radian trên một mét, khá là tử tế với tính toán nhỏ gọn của nó.
yêu cầu hơn dịch vụ phục hồi và chi tiết thô cũng được sử dụng như là một
cho bước xác minh thủ công sau này cũng được bật trong mỗi FSD
Vì vậy chúng ta có quỹ đạo và cấu trúc được xử lý trước cùng với dữ liệu chuyến đi.
Bước thứ hai là tái thiết đa -2, đó là mảnh lớn và lõi của cỗ máy này.
Vậy video cho thấy chuyến đi trước đó đã được xây dựng lại và sắp xếp
với những chuyến đi khác cơ bản là các chuyến đi khác từ những người khác nhau không cùng phương tiện như vậy được thực hiện bởi nhiều
Các bước trên internet, như là các bước thẳng hàng phù hợp với tối ưu hóa liên kết.
Kết thúc phân tích viên của con người sẽ đến và hoàn thành nhãn mác
nên mỗi bước hạnh phúc đã hoàn toàn chạy song song trên cụm sao cho nên
toàn bộ quá trình thường chỉ mất vài giờ
Bước cuối cùng thực sự tự động thực hiện các chuyến đi mới.
Ở đây chúng ta sử dụng cùng một động cơ liên kết nhiều chuyến đi nhưng chỉ giữa những lần tái thiết cũ và mỗi mới
nên nó sẽ đơn giản hơn nhiều so với việc xây dựng hoàn toàn tất cả các clip hoàn toàn
Đó là lý do tại sao nó chỉ mất 30 phút mỗi chuyến đi đến nhãn khác thay vì sử dụng thủ công
vài giờ ghi nhãn thủ công và đây cũng là chìa khóa của khả năng mở rộng
Trong cỗ máy này cái máy này có thể dễ dàng cân bằng
có sẵn tính toán và dư ̃ liệu chuyến đi cho nên khoảng 50 cây là đơn hàng mới
bị dán nhãn từ cảnh này và một vài trong số chúng được hiển thị ở đây từ 53 xe khác nhau
Vì vậy đây là cách chúng ta bắt giữ và biến đổi thời gian không gian của thế giới thành
giám sát mạng có một điều tôi thích lưu ý là một lần nữa nói về cách chúng ta Auto
Nhãn hàng chúng tôi nhưng chúng tôi có những người lao động Auto cho hầu hết các nhiệm vụ mà chúng tôi làm bao gồm cả kế hoạch của chúng tôi.
Đây là hoàn toàn tự động như không có con người tham gia ví dụ cho các đối tượng hay động vật học khác có hình dạng
Tương lai, tất cả mọi thứ chỉ đến từ nhãn hiệu tự động và điều tương tự cũng đúng với nghề nghiệp và chúng ta thực sự đã
xây dựng một cỗ máy xung quanh cái này, vậy nên nếu bạn có thể quay lại một slide không phải một nữa.
Nó nói song song trên cụm sao cho nghe có vẻ khá đơn giản nhưng
Nó thật sự không phải là um ... có thể nó rất thú vị để chia sẻ những thứ như thế này.
Tự động ghi nhãn tất cả và sau đó ai đó làm nên một kịch bản bắt đầu làm việc nó bắt đầu hoạt động tốt hơn cho đến khi chúng ta đến
Khối lượng khá cao và chúng ta cần giải pháp và có 2 kỹ sư khác
Đội của chúng tôi là những người như các bạn biết đó là một điều thú vị mà bạn biết về những gì chúng tôi cần làm là xây dựng một biểu đồ toàn bộ
về cơ bản python có chức năng mà chúng ta cần để điều chế một cái sau khi bạn kéo clip rồi bạn làm một số việc làm sạch sau đó bạn làm
Suy luận của Mạng sau đó là một Mạng lưới khác cho đến khi bạn nhận được điều này, nhưng bạn cần phải làm điều này như là một
Cho nên tôi nói với họ là chúng tôi cần phải bắn cho bạn biết 100 000 Clips mỗi ngày hoặc như 100 000 mục
Có vẻ tốt và các kỹ sư nói rằng chúng tôi có thể làm cho bạn biết một chút " " hậu " " và một chút
Chúng ta có thể làm điều đó trong khi chúng ta có chút thời gian và 20 tuổi.
1 triệu chức năng mỗi ngày chúng ta rút ra khoảng nửa triệu
Và trên đó chúng tôi điều hành cả tấn chức năng mỗi thứ này theo kiểu trực tuyến, và đó là phần sau.
I end infra that's also neasing to not just run training but also Auto labeling yeah Nó thực sự giống như một nhà máy
sản xuất nhãn và như dây chuyền sản xuất hàng tồn kho chất lượng như tất cả các Khái niệm được áp dụng cho điều này
Tên nhà máy này ... áp dụng cho các bạn biết nhà máy sản xuất ô tô của chúng ta.
Được rồi, được rồi.
Phần này tôi muốn chia sẻ một vài ví dụ thú vị cho mạng
Đối với con người có thể là từ trên cùng có những ví dụ cho việc thiếu trường hợp Lies hay foggy đêm hoặc roundabout
Bị ngăn cản bởi những chiếc xe hơi nặng bằng cách đỗ xe hơi và thậm chí cả đêm mưa với những giọt mưa của họ trên ống kính ...
Đây là thử thách nhưng một khi những cảnh ban đầu của chúng được tái cấu trúc hoàn toàn bởi các clip khác mà tất cả chúng có thể
Tự động dán nhãn để thẻ của chúng ta có thể lái xe thậm chí tốt hơn qua những màn chơi
Vậy bây giờ hãy để tôi truyền mic cho David để tìm hiểu thêm về cách mà Sim tạo ra thế giới mới trên những nhãn mác đó cảm ơn
Ngươi là
Cảm ơn anh lần nữa, tôi là David, và tôi sẽ nói về mô phỏng như vậy đóng vai trò quan trọng.
cung cấp dữ liệu rất khó để nguồn và hoặc khó để dán nhãn tuy nhiên các cảnh 3D nổi tiếng là chậm
Để sản xuất ví dụ như cảnh mô phỏng đang chơi sau lưng tôi
Giao lộ phức tạp từ phố Market ở San Francisco sẽ mất 2 tuần
nghệ sĩ để hoàn thành và cho chúng ta điều đó thật đau đớn tuy nhiên tôi sẽ nói về việc sử dụng
Nhãn hiệu chân lý mặt đất tự động của Jaegan cùng với một số công cụ mới cho phép chúng ta tạo ra thủ tục này
Và nhiều người như thế chỉ trong 5 phút, đó là một sự tuyệt vời nhanh gấp ngàn lần so với trước đây.
Vậy hãy lao vào hiện trường như thế này được tạo ra chúng ta bắt đầu bằng cách xoay nền tự động
Chú ý sự thật vào người tạo ra thế giới giả của chúng ta, trong phần mềm Houdini bắt đầu với ranh giới đường
Chúng ta có thể tạo ra một lưới đường chắc chắn và gắn kết nó với các nhãn hiệu đường này giúp thông báo con đường quan trọng.
chi tiết như độ dốc Crossroads và pha trộn tài liệu chi tiết
tiếp theo chúng ta có thể sử dụng dữ liệu dòng và hình học quét qua bề mặt của nó và dự án nó tạo sơn đường
giải pháp tiếp theo dùng các cạnh trung bình chúng ta có thể
Hình học đảo và phổ biến với tán lá ngẫu nhiên, điều này làm thay đổi đáng kể tầm nhìn của cảnh quay.
Bây giờ thế giới bên ngoài có thể được tạo ra thông qua một loạt các hệ thống dẫn nhiệt ngẫu nhiên một máy phát xây dựng mô đun
tạo các vật cản thị giác trong khi ngẫu nhiên đặt các đối tượng như cầu vệ có thể thay đổi màu của các đường cong trong khi
cây có thể thả lá dưới nó che khuất các đường hoặc cạnh
Tiếp theo chúng ta có thể truyền dữ liệu để thông báo vị trí của những thứ như đèn giao thông hoặc các dấu hiệu chúng ta có thể theo dõi
Bình thường để thu thập thông tin quan trọng như số làn đường và thậm chí có tên đường chính xác trên đường phố
Kế tiếp các dấu hiệu sử dụng biểu đồ Lane chúng ta có thể xác định kết nối Lane và
Đường đi trên con đường và chúng đi theo con đường và cuối cùng là biểu đồ đường Lane.
có thể xác định tính từ tính từ và các số liệu hữu ích khác để đẻ trứng ngẫu nhiên đột biến giao thông Insider mô phỏng
Và một lần nữa, tất cả các nghệ sĩ không tự động trong vòng lặp và sẽ xảy ra trong vòng vài phút và bây giờ điều này khiến chúng ta phải
một vài thứ tuyệt vời vì mọi thứ đều dựa trên dữ liệu và heuristic chúng ta có thể bắt đầu fuzz
Tham sô ́ để tạo các biến đổi thị giác của sự thật trên mặt đất, nó có thể được tinh vi như vị trí đối tượng và
Vật liệu thay đổi mạnh hơn như các quần xã sinh vật hoàn toàn mới hoặc vị trí của môi trường như Urban
Vùng ngoại ô hay nông thôn điều này cho phép chúng ta tạo ra vô hạn hoán vị cho cụ thể
Sự thật về mặt đất mà chúng ta cần nhiều hơn sự thật, và tất cả những điều này xảy ra trong một cú click
và chúng ta có thể tiến xa hơn bằng cách thay đổi sự thật của chúng ta
John muốn mạng của mình chú ý nhiều hơn đến các dấu hiệu đường phố.
Để phát hiện tốt hơn để phát hiện ra một con đường bị giam cầm sắp tới, chúng ta có thể bắt đầu thay đổi biểu đồ làn đường
Trình giả lập để giúp dân gian tạo ra dòng chảy hoàn toàn mới qua giao lộ này để giúp
Tập trung sự chú ý của Mạng đến các đánh dấu trên đường để tạo ra những dự đoán chính xác hơn và đây là một ví dụ tuyệt vời về cách thức này
Cho phép chúng tôi tạo dữ liệu mới không bao giờ có thể được thu thập từ The Real World
và sức mạnh thực sự của công cụ này là trong kiến trúc của nó và cách chúng ta có thể chạy tất cả tác vụ song song với vô hạn
Như vậy bạn đã thấy công cụ của Tạo hóa trong hành động chuyển đổi sự thật mặt đất
Bên cạnh đó, chúng ta có thể sử dụng công cụ chiết xuất của chúng ta.
để chia dư ̃ liệu này thành các gạch địa lý khoảng 150 mét vuông
sau đó chúng tôi lưu dư ̃ liệu thành các tập tin hình học và thực thể riêng biệt cho chúng tôi một nguồn dư ̃ liệu sạch sẽ dê ̃ dàng cho
tải và cho phép chúng tôi vẽ động cơ bất khả tri cho tương lai
Sau đó sử dụng công cụ bộ nạp gạch chúng ta có thể triệu hồi bất kỳ sô ́ vùng bộ nhơ ́ đệm nào đang sử dụng ID địa lý hiện đang làm
Khoảng 5 trên năm tấm hoặc ba bởi ba thường tập trung xung quanh điểm nóng của Hạm đội hay đồ thị đất thú vị
các vị trí trong bộ nạp gạch cũng chuyển đổi các tập hợp này thành tài sản của U cho tiêu dùng
by the Unreal Engine and gives you a finfinal project product from what you saw in the first slide
Và điều này thực sự đặt chúng ta về kích thước và quy mô như bạn thấy trên bản đồ phía sau chúng tôi
Chúng ta có thể dễ dàng tạo ra hầu hết các con phố ở San Francisco và điều này không mất nhiều năm hoặc thậm chí hàng tháng làm việc.
Hơn hai tuần bởi một người chúng ta có thể tiếp tục quản lý và phát triển tất cả
Dữ liệu này sử dụng PDG Network bên trong của công cụ cho phép chúng ta ném
Tính toán và tái tạo tất cả các tập hợp này qua một đêm đảm bảo tất cả môi trường là của
chất lượng và tính năng nhất quán rất quan trọng cho việc đào tạo kể từ khi bản thể và tín hiệu mới liên tục.
và bây giờ đến vòng tròn hoàn toàn bởi vì chúng ta.
đã tạo ra tất cả các tập hợp gạch này tư ̀ dư ̃ liệu sự thật.
Và chúng ta có thể kết hợp với trình quản lý và định dạng giao thông để tạo ra dư ̃ liệu hướng theo mục tiêu cho mục tiêu
mạng lưới để học hỏi và kết luận phần Sim tôi sẽ gửi cho Kate để nói về cách chúng ta có thể
dùng toàn bộ dữ liệu này để cải thiện chế độ lái tự động cảm ơn
David chào mọi người tên tôi là Kate Park và tôi ở đây để nói về công cụ dữ liệu
nâng cao mạng lưới thần kinh thông qua dữ liệu chúng tôi sẽ cho bạn thấy cách chúng tôi giải quyết các biện pháp can thiệp
qua dư ̃ liệu và đưa bạn qua cuộc sống của clip cụ thể này trong tình huống này
Chế độ lái tự động đang tiếp cận một lượt và dự đoán sai rằng giao thông là dừng lại cho giao thông và do đó
Một chiếc xe mà chúng ta có thể làm chậm lại trong thực tế không có ai trong xe. Nó chỉ là một cái xe đậu mà chúng ta đã xây dựng.
Để xác định các dự đoán sai chính xác nhãn và phân loại nó
Clip đánh giá bộ phim đặc biệt này xảy ra là 1 trong 126
Chúng tôi đã chẩn đoán rằng những chiếc xe đang thử nghiệm ở đây là thử thách.
intra chúng ta có thể điều chỉnh đánh giá này mà không cần bất kỳ thông lệ kỹ thuật nào
cho trường hợp thách thức đặc biệt này để giải quyết trường hợp thách thức đó
yêu cầu khai thác hàng ngàn ví dụ như nó và nó là cái gì đó Tesla có thể làm chúng ta đơn giản chỉ sử dụng dữ liệu của chúng ta
Tìm nguồn cung ứng dữ liệu yêu cầu và sử dụng công cụ đã hiển thị trước đây để sửa lỗi
Bằng phẫu thuật bằng cách phẫu thuật nhắm vào những dự đoán sai lệch của mô hình hiện tại chúng ta chỉ thêm vào giá trị nhất
các ví dụ cho tập hợp đào tạo của chúng tôi đã phẩu thuật sửa 13 900 clip và uh
Bởi vì đó là những ví dụ mà mô hình đang đấu tranh chúng ta thậm chí không cần thay đổi kiến trúc kiểu mẫu
Cập nhật cách đơn giản bằng dư ̃ liệu có giá trị mới này là đủ để giải quyết trường hợp thách thức nên bạn thấy chúng tôi không còn dự đoán
Crossing Vehicle như đã dừng lại như ở Orange nhưng đỗ như trong màu đỏ
trong Academia chúng ta thường thấy rằng mọi người giữ hằng số dữ liệu nhưng ở Tesla nó là
Điều ngược lại chúng ta thấy thời gian và thời gian và một lần nữa dữ liệu đó là một trong những điều tốt nhất nếu không phải là nhất quyết định nhất.
để giải quyết những can thiệp này, chúng tôi vừa cho bạn xem công cụ dữ liệu vòng
Có một trường hợp cụ thể là những chiếc xe đỗ nhưng có rất nhiều trường hợp thách thức ngay cả khi có một tín hiệu
Chúng tôi áp dụng công cụ dữ liệu này vào mỗi thử thách mà chúng tôi chẩn đoán là xe buýt
Những con đường uốn cong đã ngăn chặn các bãi đỗ xe và chúng ta không chỉ thêm dữ liệu một lần chúng ta
làm lại lần nữa và lần nữa để hoàn thiện ngữ nghĩa trên thực tế trong năm nay chúng tôi cập nhật tín hiệu chuyển động xe 5 lần
và với mỗi lần cập nhật trọng lượng được đào tạo vê ̀ dư ̃ liệu mới chúng ta đẩy độ chính xác của di chuyển xe lên
Khung công cụ dư ̃ liệu này áp dụng cho tất cả các tín hiệu của chúng ta
Video đa cam cho dù dữ liệu là con người được dán nhãn tự động hoặc mô phỏng xem nó là một mô hình ngoại tuyến hay một mô hình ngoại tuyến
Mô hình mô hình trực tuyến và Tesla có thể làm điều này theo quy mô vì đội tàu
Lợi thê ́ mà đội máy của chúng tôi đã xây dựng và các tài nguyên ghi nhãn cung cấp cho mạng của chúng tôi
để tập luyện tất cả những dữ liệu này, chúng ta cần một số lượng lớn, nên tôi sẽ giao nó cho Pete và Ganesh để nói về chuyện đó.
Nền tảng siêu máy tính dojo cảm ơn [Vỗ tay]
Cảm ơn Katie.
Cảm ơn mọi người cảm ơn vì đã ở đó chúng tôi gần như có tên tôi là Pete Bannon.
silicon và đội điện áp thấp ở Tesla và tên tôi là Ganesh venkat I chạy
chương trình doji
[Tiếng vỗ tay] Cảm ơn tôi thường xuyên hỏi tại sao một chiếc xe
Công ty xây dựng siêu máy tính để đào tạo và cơ bản nghi vấn
Hiểu lầm về bản chất của Tesla tại tim Tesla là một công nghệ hardcore
Toàn bộ công ty đang làm việc chăm chỉ trong khoa học và kỹ thuật
để thúc đẩy sự hiểu biết cơ bản và các phương pháp mà chúng ta có sẵn
để xây dựng xe ô tô Giải pháp Năng lượng và bất cứ thứ gì khác để chúng ta có thể làm
Cải thiện điều kiện của con người trên toàn thế giới, đó là một điều tuyệt vời để trở thành một phần của và đó là một đặc ân để điều hành một điều rất thú vị.
Trong nhóm bán dẫn, tối nay chúng ta sẽ nói chuyện về võ đường và cho các bạn một miếng.
cập nhật những gì chúng ta có thể làm trong năm ngoái nhưng trước khi chúng ta làm việc đó.
nền tảng của thiết kế ban đầu mà chúng tôi đã bắt đầu cách đây vài năm khi chúng tôi bắt đầu mục tiêu là cung cấp
Sự cải thiện đáng kể cho quá trình rèn luyện cho đội lái tự động của chúng ta
mạng lưới thần kinh lớn nhất mà họ đào tạo ngày hôm nay sẽ ức chế khả năng nhanh chóng
Khám phá những người thay thế và đánh giá chúng để bạn biết tốc độ 30X sẽ là
thật sự rất tốt nếu chúng ta có thể cung cấp nó với giá cả cạnh tranh và năng lượng cạnh tranh
để làm được điều đó chúng ta muốn xây dựng một con chip với rất nhiều số học số học
các đơn vị mà chúng ta có thể sử dụng với hiệu quả rất cao và chúng tôi đã dành rất nhiều thời gian để nghiên cứu liệu chúng tôi có thể làm được
sử dụng DRM ý tưởng bao bì khác nhau mà tất cả những ý tưởng này đã thất bại và cuối cùng là
Cảm giác như một hành động phi tự nhiên chúng ta đã quyết định từ chối dram làm phương tiện lưu trữ chính cho hệ thống này và thay vào đó tập trung vào
trên SRAM nhúng trong chip SRAM không may là khiêm tốn
có dung lượng nhưng băng thông cực cao và độ trễ rất thấp và điều đó cho phép chúng ta đạt được sự sử dụng cao
với các đơn vị số học những lựa chọn
Lựa chọn cụ thể đó đã dẫn đến một loạt các lựa chọn khác ví dụ nếu bạn muốn có bộ nhớ ảo bạn cần
Chúng chiếm rất nhiều không gian chúng ta không có không gian để không có bộ nhớ ảo chúng ta cũng không làm gián đoạn
Máy gia tốc là một phần cứng Rob của phần cứng được trình biên dịch
trong trình biên dịch chịu trách nhiệm cho việc lập kế hoạch mọi thứ xảy ra theo cách cuối cùng nên không cần thiết hoặc
thậm chí mong muốn bị ngắt trong hệ thống chúng ta cũng chọn theo đuổi mô hình
song hành như một phương pháp đào tạo không phải là tình huống điển hình nhất
Hầu hết các máy ngày nay sử dụng dữ liệu song song, tiêu thụ dung lượng bộ nhớ bổ sung mà chúng ta hiển nhiên không
Vậy nên tất cả những lựa chọn đó đã dẫn chúng ta xây dựng một cỗ máy khá là hoàn toàn
Từ những gì có sẵn hôm nay, chúng ta cũng có cả đống mục tiêu khác một trong những mục tiêu quan trọng nhất là không.
giới hạn cho nên chúng tôi muốn xây dựng một kết cấu để tính toán theo một cách không bị cản trở nhất là
Có giới hạn về thể chất bây giờ và sau đó, bạn biết rất nhiều nếu người mẫu của bạn là
quá lớn cho cái máy tính bạn vừa phải mua một chiếc máy tính lớn hơn đó là cái mà chúng ta đang tìm kiếm hôm nay
Máy được đóng gói có tỷ lệ khá cố định ví dụ như CPU GPU và
và khả năng và năng lực mạng lưới và chúng tôi thực sự muốn hủy bỏ tất cả những điều đó như mô hình phát triển chúng ta có thể
thay đổi tỷ lệ các yếu tố khác nhau và làm cho hệ thống linh hoạt hơn để đáp ứng nhu cầu của
Đội khám nghiệm lái tự động và đúng như không có triết lý Limits nào là ngôi sao hướng dẫn của chúng ta
Tất cả những lựa chọn của chúng ta đều xoay quanh điều đó và và với
rằng chúng ta không muốn cơ sở hạ tầng trung tâm dữ liệu truyền thống hạn chế chúng ta
Khả năng thực hiện các chương trình này với tốc độ, đó là lý do chúng
Đó là lý do tại sao chúng tôi tích hợp
dọc trung tâm dư ̃ liệu của chúng tôi theo chiều dọc theo chiều dọc
tích hợp trung tâm dư ̃ liệu chúng ta có thể trích xuất mức hiệu quả mới chúng ta có thể tối ưu hóa
giao hàng Cooling và cũng như quản lý hệ thống qua
toàn bộ trung tâm dữ liệu thay vì làm hộp bằng hộp và tích hợp nó
những cái hộp đó vào trung tâm dữ liệu và để làm điều này chúng tôi cũng muốn
được tích hợp sớm để tìm ra giới hạn quy mô của chúng tôi
công việc phần mềm vì vậy chúng tôi tích hợp môi trường Dojo vào phần mềm tự động của chúng tôi rất sớm và chúng tôi đã học được rất nhiều
Bài học hôm nay, uh Bill Chang sẽ tiếp tục cập nhật phần cứng của chúng tôi cũng như một số
Những thách thức mà chúng ta phải đối mặt dọc đường và Rajiv kuria sẽ cho bạn một cơ hội.
thoáng qua công nghệ biên dịch của chúng tôi cũng như đi qua một số kết quả tuyệt vời của chúng tôi
Đây rồi.
Cám ơn Pete, cảm ơn Ganesh. Tôi sẽ bắt đầu với cấp cao.
tầm nhìn của hệ thống sẽ giúp thiết lập giai đoạn cho những thách thức và những vấn đề chúng ta đang gặp phải
và sau đó cũng là cách mà phần mềm sẽ tận dụng nó cho hiệu suất
Bây giờ tầm nhìn của chúng ta đối với Dojo là xây dựng một con tàu thống nhất rất lớn
Một phần mềm sẽ thấy một máy bay tính toán liền mạch với trang phục được toàn cầu hóa
Bộ nhớ rất nhanh và tất cả đều kết nối với băng thông cao đồng nhất và
hạn thấp bây giờ để nhận ra chúng ta cần sử dụng
Mật độ để đạt được hiệu suất bây giờ chúng ta tận dụng công nghệ để có được mật độ này để vượt mức độ của
phân cấp tất cả các cách tư ̀ con chip vào hệ thống mở rộng
Hiện nay, công nghệ silicon đã sử dụng điều này đã làm được điều này trong nhiều thập kỷ
theo định luật Moore để cho mật độ và tích hợp để có scaling của hiệu suất
Bây giờ, một bước quan trọng trong việc nhận ra Vision là mục tiêu huấn luyện của chúng ta không chỉ có thể chúng ta kết hợp 25
Băng thông cực kỳ cao nhưng chúng ta có thể mở rộng đến bất kỳ số gạch bổ sung bằng cách kết nối chúng với nhau
Năm ngoái, chúng tôi đã giới thiệu ngói khóa huấn luyện chức năng đầu tiên và tại thời điểm đó chúng tôi đã có khối lượng công việc đang chạy trên
Và kể từ đó đội ở đây đã làm việc chăm chỉ và siêng năng để triển khai
Bây giờ chúng ta đã có một tiến bộ tuyệt vời và có rất nhiều Milestones trên đường đi.
Tất nhiên chúng ta đã có nhiều thử thách bất ngờ ... nhưng đây là nơi chúng ta thất bại.
Triết lý đã cho phép chúng ta thay đổi ranh giới
Bây giờ mật độ hiệu suất trình bày tất cả thách thức mới một khu vực là giao hàng
Ở đây chúng ta cần cung cấp quyền lực cho cái chết của chúng ta và những tác động trực tiếp
Chúng ta cần phải làm điều này với mật độ chưa từng thấy chúng ta có thể so sánh với chúng ta
Tử vong với mật độ năng lượng gần một amp bình phương.
Và bởi vì sự tích hợp cực đoan này cần phải có một chiều thẳng đứng đa chức năng
giải pháp sức mạnh và vì có một ngăn xếp tài liệu không đồng nhất phức tạp
Chúng ta phải cẩn thận quản lý quá trình chuyển đổi vật liệu đặc biệt
Tại sao hệ số giãn nở nhiệt trong trường hợp này CTE là thuộc tính vật chất cơ bản
Và nếu nó không được quản lý cẩn thận, Stack Up sẽ tự xé toạc nó ra.
cho nên chúng tôi bắt đầu nỗ lực này bằng cách làm việc với các nhà cung cấp để phát triển
giải pháp quyền lực nhưng chúng tôi nhận ra rằng chúng tôi thực sự phải phát triển ngôi nhà này
Bây giơ ̀ để cân bằng lịch và rủi ro, chúng tôi đã xây dựng nhanh chóng
cả hệ thống của chúng tôi mang lại sự phát triển và cũng để tìm ra thiết kế tối ưu và
Xếp chồng lên nhau sẽ đáp ứng các mục tiêu sản xuất cuối cùng của chúng tôi và cuối cùng chúng tôi đã có thể giảm được CTE hơn 50%
và đáp ứng hiệu suất của chúng ta bằng 3x trong phiên bản đầu tiên
Bây giờ, không cần phải nói là tìm ra chất liệu tối ưu này trong khi tối đa hóa
Hiệu suất biểu diễn cực kỳ khó khăn
Bây giờ chúng ta đã có những thách thức bất ngờ dọc đường đây là một ví dụ mà chúng ta sẽ đẩy
giới hạn tích hợp đã dẫn đến lỗi thành phần
Nó được khởi động khi chúng tôi mở rộng cho lượng công việc lớn hơn và dài hơn và sau đó trung gian một cách gián đoạn
{{{ch}} {{{i}} {{c}} {{{i}}} {{{i}}
Cao hơn và sức mạnh cao hơn sẽ thất bại lâu dài
Bây giờ để hiểu được sự thất bại này, bạn phải hiểu tại sao và cách chúng ta xây dựng
Các mô đun năng lượng giải quyết mật độ ở mỗi cấp là
là Cornerstone thực sự đạt được hiệu suất hệ thống của chúng tôi bây giờ bởi vì máy bay X Y của chúng tôi được sử dụng cho
liên lạc băng thông cao mọi thứ khác phải xếp chồng theo chiều dọc
nó có nghĩa là tất cả các thành phần khác ngoài cái chết của chúng ta phải được tích hợp vào các mô-đun điện
Bây giờ bao gồm đồng hồ và nguồn cung cấp năng lượng và hệ thống điều khiển.
Trong trường hợp này, thất bại là do mất đồng hồ từ máy dao động của chúng ta.
và sau khi gơ ̃ lỗi sâu rộng, chúng tôi đã tìm thấy nguyên nhân gốc do rung động trên mô-đun tư ̀
piezoelectric hiệu ứng các tụ điện gần đó
Bây giờ mũ hát không phải là một hiện tượng mới và trên thực tế rất phổ biến trong thiết kế điện.
nhưng thường thì chip đồng hồ được đặt trong một khu vực rất yên tĩnh của hội đồng quản trị và thường xuyên
không bị ảnh hưởng bởi các mạch điện nhưng bởi vì chúng ta cần đạt được mức độ tích hợp này những dao động cần thiết
được đặt gần đúng do tần số chuyển mạch của chúng ta và
Sau đó cộng hưởng rung đã tạo ra nó gây rung động máy bay tự động.
gây ra crack bây giờ giải pháp cho vấn đề này là
Cách tiếp cận đa dạng chúng ta có thể giảm độ rung bằng cách sử dụng mũ mềm mềm
Chúng ta có thể cập nhật phần đá quý của chúng ta với hệ số Q thấp hơn cho hướng bay bên ngoài.
và chúng ta cũng có thể cập nhật tần số chuyển mạch để đẩy cộng hưởng ra xa hơn nữa
các dải nhạy cảm bây giờ bổ sung cho mật độ uh
Mức độ hệ thống chúng ta đang tiến triển ở cấp cơ sở hạ tầng
chúng tôi biết rằng chúng tôi phải kiểm tra lại mọi khía cạnh của cơ sở hạ tầng trung tâm dữ liệu
để hỗ trợ sức mạnh chưa từng có của chúng ta và mật độ mát
Chúng tôi mang theo một thiết kế hoàn toàn CDU thiết kế để hỗ trợ các dojo dày đặc
Yêu cầu và phần đáng ngạc nhiên là chúng ta có thể làm điều này ở một phần nhỏ chi phí so với việc mua kệ và
thay đổi nó và từ khi nội các Dojo của chúng ta tích hợp đủ điện và làm mát để phù hợp với
Toàn bộ hàng tiêu chuẩn, chúng ta cần phải thiết kê ́ kỹ và thiết kê ́
cùng với cơ sở hạ tầng và chúng tôi đã trải qua một sô ́ lần lặp lại cabinet này để tối ưu hóa
Và trong năm nay, chúng tôi bắt đầu thử sức mạnh và làm mát.
và chúng tôi đã có thể đẩy nó hơn 2 megawatt trước khi chúng tôi đóng cửa trạm tàu và nhận một cuộc gọi từ
Năm ngoái thành phố chỉ được giới thiệu
vài thành phần trong hệ thống của chúng ta yêu cầu D1 chết và luyện tập nhưng
Chúng tôi đã chọc vào khoang thoát là mục tiêu cuối cùng của chúng tôi sẽ đi qua các phần còn lại của hệ thống được yêu cầu để xây dựng
cái khay hệ thống bây giờ là phần quan trọng của nó.
Nhận ra tầm nhìn của chúng ta về một cỗ máy gia tốc mà nó cho phép chúng ta liền mạch
kết nối các ô lại với nhau không chỉ trong nội các mà giữa các tủ
Chúng ta có thể kết nối những con Tile ở khoảng cách rất chặt trong toàn bộ máy gia tốc
Và đây là cách chúng ta đạt được sự liên lạc đồng nhất ... đây là một thanh xe bus có thể làm bằng ga.
chúng ta phải tích hợp hỗ trợ nhiệt điện và nhiệt rất cao trong một hội nhập cực kỳ dày đặc
Chiều cao 75 mm và hỗ trợ 6 lít ở 135 kg.
Đây là tương đương với 3-4 giá đỡ hiệu suất cao
Tiếp theo chúng ta cần cung cấp dữ liệu cho các lát đào tạo đây là nơi chúng ta đã phát triển bộ xử lý giao diện dojo
Nó cung cấp cho hệ thống của chúng tôi với băng thông cao để tạo ra dữ liệu đào tạo
Và nó cung cấp băng thông bộ nhớ đầy đủ cho các viên gạch huấn luyện của chúng tôi sử dụng
giao thức mà chúng ta có thể dùng để giao tiếp trên toàn bộ máy gia tốc, nó cũng có tốc độ cao ethernet.
giúp chúng tôi mở rộng giao thức tùy chỉnh này qua ethernet và chúng tôi cung cấp hỗ trợ phần cứng bản địa
Với phần mềm nhỏ này, không có phần mềm, chúng ta có thể kết nối với nó
qua giao diện tiêu chuẩn Gen 4
Bây giờ chúng ta có 20 lá bài trên mỗi khay và nó cho chúng ta 640 gigabyte.
tram băng và điều này cung cấp lớp bộ nhớ không kết hợp của chúng ta cho các ô luyện tập
Thẻ này là một đường băng thông cao nhất thông qua pcie và ethernet
họ cũng cung cấp một đường dẫn kết nối z cao cho phép các đường tắt xuyên qua Dojo lớn của chúng ta
Bây giờ chúng tôi đã tích hợp máy chủ
bên dưới khay hệ thống của chúng tôi những host này cung cấp xử lý nhất và kết nối vào giao diện của chúng tôi
thông qua pcie những máy chủ này có thể cung cấp video phần cứng
hỗ trợ giải mã cho việc đào tạo video dựa trên video và các ứng dụng của chúng tôi trên đó
Chúng ta có thể cung cấp cho chúng một môi trường x86 Linux tiêu chuẩn
Bây giờ chúng ta có thể đặt hai bộ phận này vào một nội các và cặp với nguồn cung cấp năng lượng dự phòng làm trực tiếp
chuyển đổi 3 pha 480 volt AC công suất 52 volt DC
Bây giờ bằng cách tập trung vào mật độ mỗi cấp chúng ta có thể nhận ra thị lực của một đĩa đơn
Bây giờ máy gia tốc bắt đầu với các nút đồng nhất trên tùy chỉnh của chúng ta
Chúng ta có thể kết nối chúng lại với nhau trong khóa huấn luyện tích hợp và cuối cùng là kết nối liền mạch
Chúng đã qua các ranh giới nội các để tạo ra máy gia tốc
Và tất cả cùng nhau, chúng ta có thể chế tạo hai máy gia tốc trong kén thoát của chúng ta.
kết hợp 1 exaflop 1 ml hiện tại tất cả có thể hoàn toàn có thể
công nghệ và tích hợp chỉ được thực thi vài lần trong
Tính toán kế tiếp, chúng ta sẽ thấy phần mềm có thể tận dụng điều này để tăng tốc độ hoạt động
[Tiếng vỗ tay]
Cám ơn Bill tôi tên là Rajiv và tôi sẽ nói vài con số để phần mềm của chúng tôi bắt đầu với số pi
Ngọn đuốc mở rộng lời cam kết của chúng ta với một mẫu mực đốt tiêu chuẩn
Chúng ta sẽ nói thêm về trình biên dịch jit của chúng ta và đường ống thứ nhất cung cấp dữ liệu cho phần cứng
Các màn biểu diễn trừu tượng thời gian sử dụng máy gia tốc
Chúng tôi đã thấy phần cứng cung cấp hiệu suất Peak là công việc của trình biên dịch để trích xuất việc sử dụng từ
Phần cứng đang chạy trên đó và nó là công việc của đường ống dẫn đến để đảm bảo dữ liệu có thể được thu hồi
Đủ cao để phần cứng không bao giờ chết đói nên hãy nói về lý do tại sao giao tiếp
các mô hình bị ràng buộc khó có thể mở rộng nhưng trước đó hãy xem tại sao 50 như mô hình sẽ dê ̃ dàng hơn để đánh giá bạn
Khởi động bằng một máy gia tốc duy nhất chạy trước và đi lùi theo sau bởi tối ưu hóa
So với quy mô, bạn chạy nhiều bản sao trên nhiều máy gia tốc và trong khi gradient được tạo ra bởi
Qua lại cần phải giảm và giới thiệu một số giao tiếp có thể được thực hiện Đường ống với
lùi lại qua quy mô thiết lập này gần như là
Tuyến tính cho các mô hình có kích hoạt lớn hơn nhiều
Chúng ta gặp rắc rối ngay khi chúng ta muốn chạy vượt qua kích cỡ lô vừa với một đĩa đơn.
máy gia tốc thường nhỏ hơn bề mặt Norm để có thể chạy xung quanh các nhà nghiên cứu thông thường chạy thiết lập này trên nhiều
tăng tốc trong chế độ Norm lô đồng bộ, giới thiệu liên lạc liên kết liên kết với đường dẫn tới hạn của
Chúng tôi đã có một nút cổ chai và trong khi có nhiều cách để có thể tiếp tục.
Chúng thường liên quan đến những công việc tẻ nhạt phù hợp nhất cho một trình biên dịch và cuối cùng là không có cuộc đụng độ nào.
xung quanh việc nếu trạng thái của bạn không phù hợp trong một máy gia tốc duy nhất mà bạn có thể liên lạc được
thậm chí với những nỗ lực đáng kể từ các kỹ sư ml chúng ta thấy những mô hình này không có quy mô liên kết
Hệ thống dojo đã được xây dựng để làm cho các mô hình làm việc ở mức sử dụng cao.
Tích hợp mật độ được xây dựng không chỉ tăng tốc độ tính toán các phần bị ràng buộc của một mô hình mà còn là độ trễ
các phần bị ràng buộc như một lô Norm hoặc băng thông liên kết các phần giống như gradient
tất cả đều giảm hoặc một tham số tất cả đều thu thập một miếng của võ đường có thể được khắc
để thực hiện bất kỳ mô hình nào mà người dùng duy nhất cần làm là làm cho slice đủ lớn để phù hợp
Bề mặt phòng tắm cho mô hình đặc biệt của chúng sau khi phân vùng này xuất
như một máy gia tốc lớn giải phóng người dùng khỏi phải lo lắng về chi tiết nội bộ của thực hiện
và là công việc của trình biên dịch để duy trì tính đồng bộ hạt mịn của abstraction này trong
Độ trễ thấp đồng nhất làm cho nó dễ dàng tăng tốc tất cả các hình thức song song trên các ranh giới hội nhập
Thường lưu trư ̃ trong SRAM và được sao chép ngay trong thời gian triển khai các lớp chúng ta phụ thuộc vào Dojo cao
để ẩn khả năng sao chép thời gian sao chép này và các chuyển dư ̃ liệu khác được trùng với tính toán
và trình biên dịch cũng có thể báo lại các lớp khi có lợi nhuận để làm như vậy.
Chúng tôi mong rằng hầu hết các mô hình làm việc từ hộp như một ví dụ chúng tôi lấy mô hình khuếch tán ổn định vừa được phát hành gần đây.
Nó chạy trên võ đường trong vài phút ra khỏi hộp, Kampala đã có thể lập bản đồ nó theo mô hình song song trên 25 Dojo chết
Đây là một số hình ảnh của một xe tải mạng trên sao Hỏa được tạo ra bởi sự khuếch tán ổn định chạy
[Vỗ tay]
Có vẻ như nó vẫn còn một số cách để đi trước khi phù hợp với nhóm thiết kế của Tesla Studio.
Vậy chúng ta đã nói về việc làm thế nào mà tắc nghẽn giao tiếp có thể cản trở khả năng mở rộng có thể là một phép thử axit của một trình biên dịch và
Phần cứng bên dưới đang thực hiện một lớp cross-diabash như đã đề cập trước đây có thể là nút cổ chai Serial.
Giai đoạn giao tiếp của một người độc thân bắt đầu với các nút Tính toán các địa phương và độ lệch chuẩn.
Phối hợp để giảm các giá trị này sau đó phát sóng các giá trị này lại và sau đó trở lại công việc của mình
Vậy một hình lô lý tưởng sẽ trông như thế nào trên 25 chấm Dojo chấm cho thấy kích hoạt ít hơn trước đó
Chúng ta đã chia nhau ra, chúng ta có thể mong rằng 350 điểm nút trên mỗi con
tử vong để phối hợp và sản xuất tử vong trung bình địa phương và các giá trị phân chia tiêu chuẩn theo lý tưởng sẽ tiếp tục
giảm đi với giá trị cuối cùng kết thúc ở đâu đó và về giữa gạch lát chúng ta hy vọng sẽ thấy được một buổi phát sóng
giá trị này tỏa ra từ trung tâm, để xem trình biên dịch thực sự thực hiện một hoạt động Cử nhân thật sự
Trên 25 con xúc xắc các cây thông tin được chiết xuất từ trình biên dịch và bộ
Thời gian là từ một phần cứng thực sự chúng ta sắp thấy 8750 nút trên 25 chết
Điều phối để giảm và sau đó phát sóng các van độ lệch trung bình và tiêu chuẩn
Quay sô ́ cục bộ theo sau là giảm toàn cục vê ̀ giữa cà vạt
Sau đó, giá trị giảm dần phát ra từ The Middle tăng tốc bởi phần cứng được phát sóng
Thao tác này chỉ chiếm năm
microgiây trên 25 Dajo dice thao tác tương tự lấy 150 microgiây trên 24
Đây là lệnh cải thiện độ lớn hơn gpu.
Và trong khi chúng ta nói về một hoạt động giảm thiểu trong bối cảnh của một lô Norm, điều quan trọng là phải nhắc lại rằng ...
Lợi thế tương tự được áp dụng cho tất cả các Primitives truyền thông khác và các Primitives này là cần thiết cho
Quá trình đào tạo mô hình hoạt động như thế nào trong khi chúng ta nghĩ rằng cộng hưởng 50 là
không phải là một đại diện tốt của công việc thực tế thế giới thực nó là một tiêu chuẩn để bắt đầu từ đó
Chúng ta đã có thể kết hợp với 100 người chết nhưng có thể là một gợi ý của võ đường.
khả năng chúng ta có thể đánh trúng sô ́ này chỉ với lô 8 trên một cái chết
Nhưng Dojo thực sự được xây dựng để giải quyết các mô hình phức tạp lớn hơn, vậy khi chúng ta bắt đầu giải quyết thế giới
Công việc chúng tôi xem xét các mô hình sử dụng của cụm GPU hiện tại và hai mô hình đứng lên để ghi nhãn tự động
mạng lớp của mô hình ngoại tuyến được sử dụng để tạo ra sự thật trên mặt đất và các mạng thuê ́ thuê ́ mà bạn đã nghe
Các mạng lưới ghi nhãn tự động là các mô hình lớn có cường độ số học cao trong khi mạng nghề nghiệp
chúng tôi đã chọn các mô hình này vì cùng nhau tài khoản cho một khối lượng lớn của nhóm GPU hiện tại
sử dụng và họ sẽ thách thức hệ thống theo những cách khác nhau
Vậy làm thế nào chúng ta thực hiện được trên hai mạng này kết quả chúng ta sắp thấy được đo trên các hệ thống đa thác cho cả hai
GPU và Dojo nhưng bình thường với một con số chết trên mạng lưới tự động của chúng ta.
đã có thể vượt qua hiệu suất của a100 với phần cứng hiện tại của chúng ta chạy trên vrms thế hệ cũ của chúng ta trên
Phần cứng sản xuất của chúng tôi với các vrams mới của chúng tôi dịch ra để tăng gấp đôi thông lượng của a100
và mô hình của chúng tôi cho thấy với một sô ́ trình biên dịch tối ưu hóa chúng ta có thể đạt được hơn 3 hiệu suất của một
A100 chúng ta thấy thậm chí nhảy lớn hơn trên mạng nghề nghiệp
Gần 3x với phần cứng sản xuất có phòng cho nhiều hơn
(Vỗ tay)
Trình diễn của trình biên dịch, chúng ta có thể thay thế tính toán ml của một hai ba bốn năm và sáu GPU.
Những cái hộp chỉ bằng một cái ngói duy nhất [Tiếng vỗ tay]
Và cái bàn Dojo này ít tốn kém hơn một trong những hộp GPU này.
Vâng, điều đó thực sự có nghĩa là mạng lưới
Phải mất hơn 1 tháng để huấn luyện, ít hơn một tuần.
Khi chúng ta đo đạc mọi thứ đã không biến thành tốt ở mức độ của ngọn đuốc chúng ta đã không thấy
Màn trình diễn dự kiến của chúng ta từ Git và biểu đồ dòng thời gian này cho thấy vấn đề của chúng ta những thanh màu xanh nhỏ xíu.
mã biên dịch chạy trên máy gia tốc hàng chủ yếu là không gian màu trắng nơi
Phần cứng đang chơ ̀ dư ̃ liệu với sô ́ lượng máy tính
có thể tính thêm 10x nhiều hơn khi tính toán 10x nhiều hơn máy chủ dư ̃ liệu đang chạy trên máy chủ này đơn giản là không thể
tiếp tục với tất cả các phần cứng l để giải quyết khả năng mở rộng dữ liệu của chúng ta
Chúng tôi biết là chúng tôi phải vượt qua giới hạn của đơn hàng này.
Liên tục qua các bộ vi xử lý nhất định nên chúng tôi đã mở rộng Tesla.
Giao thức vận tải để làm việc trên ethernet chúng tôi sau đó xây dựng giao diện mạng võ đường được gọi là dnic để tận dụng TTP.
ethernet cho phép bất kỳ máy chủ nào có thẻ dnic để có thể DM nó vào và
tư ̀ các điểm cuối của TTP nên chúng tôi bắt đầu với dojo mesh
Sau đó chúng tôi thêm một cấp máy chủ tải dư ̃ liệu được trang bị thẻ dnic
Chúng tôi đã kết nối các máy này vào lưới thông qua một công tắc ethernet bây giờ tất cả các máy chủ trong chương trình tải dữ liệu này có khả năng
chạm đến tất cả các điểm cuối của TTP trong mạng dojo qua phần cứng tăng tốc dma
Sau khi sự tối ưu hóa này đi từ 4% nghề nghiệp của chúng ta
lên 97% nên các phần tải dữ liệu đã giảm
Dư ̃ liệu các phần tải dư ̃ liệu đã giảm đáng kể và phần cứng ml được giư ̃ bận chúng ta thực sự mong đợi
số để đi tới 100 người đẹp ngay sau khi những thay đổi này đi vào trong chúng ta đã thấy tốc độ dự kiến đầy đủ từ giàn thiêu
Và chúng tôi đã trở lại với công việc nên chúng tôi bắt đầu với phần cứng
phá vỡ ranh giới hội nhập truyền thống để phục vụ tầm nhìn của chúng ta về một cỗ máy gia tốc
Chúng tôi đã thấy cách trình biên dịch và các lớp xây dựng trên phần cứng đó để sau khi chứng minh màn trình diễn của bạn
những mạng lưới thật phức tạp này chúng ta biết được sự triển khai quy mô lớn đầu tiên của chúng ta là gì
Số học cường độ Auto labeling Networks ngày nay chiếm 4000 gpu trên 72
Giá đỡ GPU với máy tính dày đặc và hiệu suất cao mà chúng tôi mong đợi cung cấp
cùng thông qua chỉ 4 tủ Dojo
[Tiếng vỗ tay]
và 4 cái tủ Dojo này sẽ là một phần của ngoại lệ đầu tiên mà chúng tôi dự định xây dựng theo quý 1 năm 2023
Cái này còn hơn gấp đôi công suất tự động của Tesla.
[Tiếng vỗ tay] Phần phụ đầu tiên là một phần của tổng cộng
trong bảy phần phụ mà chúng tôi dự định xây dựng ở Palo Alto ngay bên kia bức tường
[Tiếng vỗ tay] Và chúng tôi có một tủ trưng bày từ một trong những tên ngoại hạng đó cho mọi người nhìn vào
Sáu tấm lợp mật được đóng gói trên một khay 54 petaflop của 640 gigabyte.
Bộ nhớ băng thông cao với sức mạnh và vật chủ để nuôi nó
rất nhiều và chúng tôi đang xây dựng những phiên bản mới của
Tất cả thành phần nhóm và liên tục cải thiện phần mềm để đạt được giới hạn kỹ năng mới mà chúng tôi tin là chúng tôi
có thể cải thiện 10x với phần cứng thế hệ tiếp theo của chúng tôi
và để nhận ra những mục tiêu đầy tham vọng của họ, chúng ta cần những phần mềm tốt nhất và kỹ sư phần cứng nên hãy đến nói chuyện
tham quan tesla.com AI cảm ơn [Vỗ tay]
Được rồi, cho tôi biết.
Được rồi, hy vọng là đủ chi tiết rồi.
Và bây giờ chúng ta có thể chuyển sang câu hỏi um và uh, uh, uh, tôi nghĩ đội bóng
Trở lại sân khấu nhưng chúng tôi thực sự muốn thể hiện độ sâu
Và bề rộng của Tesla trong trí tuệ nhân tạo
Tính toán các thiết bị truyền động robot và [Nhạc]
và cố gắng thay đổi nhận thức của công ty đi xa hơn bạn biết
Nhiều người nghĩ chúng tôi chỉ là một công ty xe hơi hoặc là chúng tôi làm những chiếc xe xịn ...
Họ không có nhiều người không biết Tesla được cho là thủ lĩnh
Phần cứng và phần mềm trí tuệ nhân tạo và chúng tôi đang xây dựng
Cái gì là thứ đầu tiên trong số những người cấp tiến nhất
kiến trúc máy tính kể từ siêu máy tính crayon và tôi nghĩ nếu bạn quan tâm đến
phát triển một số công nghệ tiên tiến nhất trên thế giới thực sự ảnh hưởng đến thế giới trong một
Chúng ta có thể nói cho chúng ta biết nơi này có thể sẽ bị thiêu cháy
Tôi nghĩ có một cái mic ở phía trước và một cái mic.
ở phía sau
Cảm ơn anh rất nhiều ở đây. Tôi rất ấn tượng với anh.
Optimus nhưng tôi tự hỏi tại sao họ không điều khiển cuộc đi săn tại sao cô chọn
cách tiếp cận hướng đi săn vì gân không bền lắm và
Tại sao mùa xuân lại ngon như vậy?
Đó là một câu hỏi tuyệt vời ...
giữa bạn biết liệu đây có phải là một hệ thống nước tiểu gân hay là một loại hệ thống liên kết nào đó mà tôi chỉ giữ trong
Tâm trí gần với miệng của bạn gần hơn một chút, Jeremy cool um, lý do chính tại sao chúng tôi đi.
Có một hệ thống gân là bạn biết trước tiên chúng tôi thực sự điều tra một số gân tổng hợp nhưng chúng tôi đã tìm thấy
Dây kim loại có thể mạnh hơn nhiều so với những dây cáp này.
Đó là cách rất tốt để giảm bớt phần nào chúng ta có thể làm rất nhiều thứ.
Một đám liên kết nhỏ lại trở thành một vấn đề khi anh đang tạo ra rất nhiều những lý do lớn
rằng bạn biết các gân tốt hơn các liên kết theo nghĩa là bạn có thể chống phản ứng dữ dội
Để chống phản ứng dữ dội về cơ bản bạn biết cho phép bạn không có bất kỳ khoảng trống nào hoặc bạn
Bạn nên biết rằng đã có sự chuyển động trong đầu ngón tay của bạn mùa xuân-chất đầy đủ
Cho phép chúng ta làm điều đó là nó cho phép chúng ta có hoạt động mở đầu thay vì phải làm việc
có 2 thiết bị truyền động để khóa các ngón tay lại và mở chúng ta có khả năng bạn biết có gân lái chúng
đóng cửa và sau đó là những con suối đang thụ động mở rộng và đây là thứ được nhìn thấy trong tay chúng ta cũng đúng chúng ta có
có khả năng tích cực uốn cong và sau đó chúng ta cũng có khả năng mở rộng
Ý tôi là mục tiêu của chúng ta với Optimus là có một con robot có ích tối đa.
Càng nhanh càng tốt để giải quyết các vấn đề của robot hình người.
Và chúng ta có thể sẽ không bỏ cái cây phù hợp trên tất cả các kỹ thuật.
Giải pháp và tôi nên nói rằng chúng tôi đang mở rộng để phát triển các giải pháp kỹ thuật mà bạn thấy ở đây qua thời gian
Chúng ta không phải là họ không bị nhốt trong đá nhưng chúng ta phải chọn thứ gì đó.
Và chúng tôi muốn chọn thứ gì đó để chúng tôi sản xuất robot càng nhanh càng tốt.
Và có nó như tôi đã nói là hữu dụng càng nhanh càng tốt chúng tôi đang cố gắng theo dõi mục tiêu của con đường nhanh nhất
Robot có thể được chế tạo ở thể tích và chúng tôi sẽ kiểm tra robot trong nội bộ Tesla trong nhà máy của chúng tôi
Và để xem nó có ích như thế nào bởi vì bạn phải có bạn là
để đóng vòng lặp trên thực tế để xác nhận robot thực tế là hữu ích
Và chúng ta sẽ sử dụng nó để xây dựng mọi thứ và um ...
Tự tin chúng ta có thể làm điều đó với bàn tay chúng ta đang thiết kế nhưng tôi chắc chắn họ sẽ có 2 phiên bản
phiên bản 3 và chúng ta có thể thay đổi kiến trúc khá đáng kể theo thời gian
Xin lỗi Chào anh là người máy Optimus rất ấn tượng anh đã làm một công việc tuyệt vời
Rô bốt hai chân thật sự rất khó nhưng tôi nhận ra có thể mất tích từ kế hoạch của anh là phải thừa nhận điều đó.
Tiện ích của tinh thần con người và tôi đang tự hỏi nếu Optimus có được cá tính và có thể cười với chúng tôi
Nói đùa trong khi nó dựng gấp quần áo.
Tôi nghĩ chúng ta muốn có những phiên bản rất thú vị của Optimus
Và vì vậy, những người lạc quan có thể là người thực dụng và làm việc nhưng cũng có thể là
Giống như một người bạn um và bạn bè, và um ... chơi với nhau.
Anh và tôi chắc chắn mọi người sẽ nghĩ đến việc sử dụng sáng tạo cho con robot này.
Và anh biết điều gì đó khi anh có trí thông minh cốt lõi và thiết bị truyền động
Vậy thì anh có thể biết là anh có thể biết.
Tôi đoán trên trang phục của người máy có thể làm cho robot trông như ...
Bạn có thể quét con robot theo nhiều cách khác nhau um và um Tôi chắc rằng mọi người sẽ tìm ra
Một cách rất thú vị để có những phiên bản của Optimus.
Cảm ơn vì bài thuyết trình tuyệt vời mà tôi muốn biết liệu có một sự can thiệp tương đương ở Optimus
Có vẻ như lao động trong những khoảnh khắc con người không đồng ý với những gì đang diễn ra rất quan trọng và trong một con robot hình người
Có lẽ đó cũng là nguồn thông tin mong muốn.
Vâng, nó đang nói là ... Tôi nghĩ chúng ta ... chúng ta sẽ có cách để ...
điều khiển từ xa robot và can thiệp khi nó làm điều gì đó xấu nhất đặc biệt là khi chúng ta huấn luyện robot và
Nâng nó lên và hy vọng rằng chúng ta có thể thiết kế nó theo cách mà chúng ta có thể ngăn được robot
Nếu nó sẽ đâm vào cái gì đó chúng ta có thể giữ nó lại và nó sẽ ngăn chặn nó không như bạn biết bị đè bẹp tay hay gì đó và đó là tất cả sự can thiệp
Và chúng ta có thể học hỏi rất nhiều từ những hệ thống mô phỏng của chúng ta.
Kiểm tra va chạm và giám sát xem đó là hành động xấu. Ý tôi là Optimus chúng tôi muốn theo thời gian
Bạn biết một loại Android Android mà bạn đã thấy trong phim viễn tưởng Sci-Fi như
Star Trek the Next Generation giống như dữ liệu nhưng rõ ràng chúng ta có thể lập trình robot ít giống robot hơn và thân thiện hơn
Và uh bạn biết rõ là bạn có thể học cách mô phỏng con người và cảm thấy rất tự nhiên
Như AI nói chung cải thiện chúng ta có thể thêm vào robot và
Anh biết rõ ràng là có thể làm những chỉ dẫn đơn giản hoặc thậm chí là ...
Cậu muốn um để cậu có thể cho nó một hướng dẫn cao cấp và sau đó nó có thể phá vỡ điều đó
tham gia vào một loạt các hành động và thực hiện những hành động đó
Thật thú vị khi nghĩ rằng với Optimus cậu sẽ nghĩ rằng
bạn có thể đạt được đơn đặt hàng của cải tiến và sản lượng kinh tế
Đó thực sự thú vị và khi Tesla bắt đầu nhiệm vụ là đẩy nhanh sự tái lâm
năng lượng tái tạo hoặc vận chuyển bền vững với Optimus do bạn
Tôi vẫn còn thấy nhiệm vụ này là bản báo cáo của Tesla hay nó sẽ được cập nhật với bạn biết
nhiệm vụ thúc đẩy Advent của tôi không biết sự phong phú vô hạn hoặc
Nền kinh tế vô hạn vô hạn, tôi có nghĩa là nó không hoàn toàn.
Optimus không nói chuyện nghiêm túc.
trực tiếp với sự tăng tốc của năng lượng bền vững mà bạn biết
ở mức độ hiệu quả hơn khi làm việc hơn là người mà tôi đoán là giúp được nếu bạn biết
Năng lượng bền vững, nhưng tôi nghĩ nhiệm vụ này có phần mở rộng với sự thăng tiến của Optimus uh ...
Anh biết là tôi không biết làm cho tương lai tuyệt vời như vậy anh biết tôi nghĩ anh
nhìn vào những người lạc quan và um tôi biết về bạn nhưng tôi rất hào hứng để thấy những gì tối ưu sẽ trở thành
Và anh biết chuyện này giống như anh biết nếu anh có thể nói là anh có thể nói như bất kỳ công nghệ nào.
Nếu bạn muốn xem nó như thế nào trong một năm hai năm ba năm bốn năm mười lăm năm
Tôi nghĩ chắc chắn là anh muốn xem chuyện gì đang xảy ra với Optimus um ... trong khi anh lại biết một đám người khác.
Công nghệ là anh biết rõ về cái tên ở đây nhưng ...
[Tiếng cười]
Tôi nghĩ Optimus sẽ trở nên tuyệt vời trong vòng 5 năm mười năm như là đầu óc và tôi thực sự
Tôi hy vọng anh cũng vậy.
Um, tôi có một câu hỏi nhanh, tôi là Justin và tôi đang tự hỏi anh có thích không?
để mở rộng khả năng hội thoại cho người máy và thư ́ hai của tôi
Câu hỏi tiếp theo là kết thúc mục tiêu của Optimus với Optimus.
Uh, tối ưu chắc chắn sẽ có khả năng đàm thoại.
Um ... um ... tôi ... tôi ... tôi ... tôi ... tôi có thể nói chuyện với nó ... và nói chuyện ... và nó sẽ cảm thấy
Từ tự nhiên đến cuối cuộc gọi, tôi là tôi không biết tôi nghĩ nó sẽ tiếp tục.
Tiếp tục tiến hóa và tôi không chắc nó sẽ ở đâu nhưng
Một vài nơi thú vị để chắc chắn rằng ... chúng ta luôn phải cẩn thận.
Về việc anh biết không đi xuống con đường của Kẻ hủy diệt ... uh ... đó là một người anh biết tôi.
Có lẽ chúng ta nên bắt đầu với một đoạn video như Kẻ hủy diệt bắt đầu với cái này.
Nhưng có thể là tôi không biết nếu cô muốn quá nghiêm túc như vậy cô biết chúng tôi muốn Optimus đến
Được an toàn nên chúng tôi đang thiết kế các biện pháp an toàn nơi anh có thể về cục
Dừng robot lại và uh cô biết về cơ bản là bản địa hóa.
kiểm soát ROM mà bạn không thể cập nhật qua Internet mà tôi nghĩ đó là khá quan trọng
Thành thật mà nói ...
Giống như cái nút dừng ở xa hơn ... điều khiển từ xa ...
Điều đó không thể thay đổi ...
Nhưng tôi muốn nói chắc chắn sẽ thú vị nếu nó không nhàm chán.
Được rồi, hôm nay tôi thấy anh có một sản phẩm rất hấp dẫn với dojo và các ứng dụng của nó.
tương lai cho nền tảng Dojo chúng tôi muốn cung cấp như một cơ sở hạ tầng cơ sở hạ tầng và dịch vụ như AWS hoặc
Cậu sẽ giống như một người bán hàng như là một con chip. Về cơ bản, tương lai của cậu là gì?
Nanômét, vì vậy, máy đo nano, chi phí cho nhà phát triển giống như là dễ dàng hơn 10 triệu đô la Mỹ làm sao bạn có thể làm cho dương vật như
Ý tôi là um Dojo là một chiếc máy tính rất lớn và chúng tôi sẽ sử dụng rất nhiều
Quyền lực và cần rất nhiều việc làm mát nên tôi nghĩ rằng nó sẽ có ý nghĩa hơn khi có Dojo hoạt động giống như ...
Dịch vụ web của Amazon hơn là cố gắng bán nó cho người khác
Vậy nên đây là cách hiệu quả nhất để vận hành Dojo, chỉ cần nó là một dịch vụ mà anh đã làm.
có thể sử dụng uh có sẵn trực tuyến và nơi bạn có thể đào tạo cách mô hình của bạn
nhanh hơn và ít tiền hơn và đó là
Thế giới chuyển đổi sang phần mềm 2.0
Và đó là trên thẻ bingo, có người tôi biết là phải biết uống 5 ly rượu.
um, hãy xem phần mềm 2.0.
[Tiếng cười] Phải, chúng ta sẽ dùng rất nhiều mạng thần kinh.
Bạn biết nó có nghĩa là theo thời gian càng có nhiều dây thần kinh hơn
Những thứ mà mọi người sẽ muốn sử dụng, và kết quả là hệ thần kinh chi phí thấp nhất
hệ thống huấn luyện cho nên tôi nghĩ có rất nhiều cơ hội theo hướng đó
Tên tôi là Ali Jahanian Cảm ơn vì sự kiện này, nó rất truyền cảm hứng cho tôi
Tôi đang thắc mắc ... tầm nhìn của cô cho cái gì ...
Loài người hiểu được cảm xúc và nghệ thuật của chúng ta và có thể đóng góp vào
sự sáng tạo của chúng ta, tôi nghĩ rằng có một loại ... bạn là
đã thấy người máy ít nhất có thể tạo ra rất thú vị
Nghệ thuật như Dali và Dali 2. Um ...
và tôi nghĩ chúng ta sẽ bắt đầu xem AI có thể tạo ra ngay cả những bộ phim có sự gắn kết.
như những bộ phim thú vị và kể chuyện cười để nó thật đáng chú ý về trí tuệ nhân tạo
uh tiến triển um ở nhiều công ty bên cạnh Tesla
Chúng ta đang đi đến một tương lai rất thú vị ...
Các anh muốn bình luận gì về việc này, tôi đoán là người máy tối ưu có thể nghĩ ra nghệ thuật vật lý không chỉ là nghệ thuật số
bạn có thể biết bạn có thể yêu cầu một số điệu nhảy trong văn bản hoặc giọng nói và sau đó bạn có thể sản xuất chúng trong tương lai như vậy
Nó giống như trái tim vật lý không chỉ là nghệ thuật kỹ thuật số oh yeah, máy tính có thể hoàn toàn có thể
làm cho một nghệ thuật thể chất yeah yeah 100 yeah như khiêu vũ chắc chắn chơi bóng đá hay bất cứ gì bạn
Ý tôi là cần phải nhanh nhẹn hơn nhưng theo thời gian
Cảm ơn rất nhiều vì bài thuyết trình cho các slide của Tesla.
rằng các mô hình mà bạn đang sử dụng được thúc đẩy mạnh mẽ bởi các mô hình ngôn ngữ và tôi đang tự hỏi lịch sử của nó.
và tôi đã nghĩ đó là một sự lựa chọn thú vị để sử dụng
các mô hình ngôn ngư ̃ cho làn chức năng đang chuyển tiếp có hai khía cạnh cho lý do chúng tôi chuyển sang mô hình ngôn ngư ̃ như vậy
Cuộc nói chuyện đầu tiên.
Yeah, các mô hình ngôn ngữ giúp chúng ta theo 2 cách thứ nhất là nó cho chúng ta dự đoán làn đường mà chúng ta không thể có
nếu không, như một sự rung chuyển về cơ bản khi chúng ta dự đoán Lanes theo kiểu 3D dày đặc bạn chỉ có thể
Mô hình các loại làn xe nhất định nhưng chúng tôi muốn có các kết nối giòn bên trong các nút giao thông không thể làm được mà không làm cho nó trở thành
Dự đoán đồ thị nếu bạn cố gắng làm điều này với phân đoạn dày nó chỉ không làm việc um cũng là dự đoán làn đường là một đa phương thức
Đôi khi bạn không có đủ thông tin hình ảnh để biết chính xác mọi thứ trông như thế nào
bên của giao điểm này bạn cần một phương pháp có thể khái quát và sản xuất um bạn biết rõ ràng các dự đoán của bạn
không muốn dự đoán hai làn xe trong ba làn xe cùng lúc bạn muốn cam kết với một trong một mô hình thể sinh như những mô hình ngôn ngữ này cung cấp nó
Xin chào, tên tôi là Giovanni um, cảm ơn vì bài thuyết trình.
Thật tốt khi tôi có một câu hỏi cho đội FSD của chúng tôi.
Test như làm sao để kiểm tra đơn vị phần mềm thử nghiệm trên đó giống như bạn có giống như một nhóm hoặc tôi không biết giữa
hàng ngàn hoặc uh uh trường hợp
Vậy mạng lưới thần kinh mà sau khi đào tạo nó bạn phải vượt qua nó trước khi bạn phát hành nó như một sản phẩm phải
Đơn vị phần mềm của bạn thử nghiệm chiến lược về cơ bản này rất vui khi bạn hỏi rằng có một loạt các bài kiểm tra
rằng chúng tôi đã xác định uh bắt đầu từ bạn biết các đơn vị kiểm tra cho phần mềm nhưng sau đó cho các mô hình mạng thần kinh mà chúng tôi có các tập VIP được xác định ở đâu
Anh biết là anh có thể xác định ... nếu anh có một bài kiểm tra lớn không đủ thứ chúng tôi tìm được.
viên VIP tinh vi cho các chế độ thất bại khác nhau và sau đó chúng tôi uốn cong chúng và phát triển chúng trong thời gian của
Trong những năm qua chúng ta giống như hàng trăm ngàn ví dụ mà chúng ta đã thất bại trong quá khứ
Chúng ta đã nguyền rủa và vì thế chúng ta cho bất kỳ mô hình mới nào chúng ta kiểm tra chống lại toàn bộ lịch sử của những thất bại này và sau đó
tiếp tục thêm vào bài kiểm tra trên đỉnh này chúng tôi có Shadow mode nơi chúng tôi đặt các mô hình này trong im lặng đến
xe và chúng tôi lấy dữ liệu về nơi họ đang thất bại hoặc thành công và có chương trình QA rộng rãi
Rất khó để đưa ra hồi quy giống như 9 cấp bộ lọc trước khi nó đánh vào khách hàng nhưng sau đó chúng tôi đã có rất nhiều
intra để làm mọi việc hiệu quả và tôi là một trong những người thử nghiệm QA cho nên tôi QA
Chiếc xe đúng như một Đấng sáng tạo, vì vậy tôi luôn ở trong xe.
Cứ như thể bất cứ thứ gì gần đây nhất là nó không hoàn toàn sụp đổ.
Tìm được rất nhiều lỗi, um ... Tôi có một câu hỏi.
Về những mô hình nền tảng cho tôi đều đã thấy những mô hình lớn đó
thực sự có thể khi bạn mở rộng với dư ̃ liệu và tham sô ́ mô hình ngay tư ̀ GT3 sang
Palm it có thể thực hiện lập luận cho bạn thấy rằng nó rất cần thiết.
up mô hình nền tảng có dữ liệu và kích cơ ̃ và sau đó ít nhất bạn có thể lấy được
Cách mô hình giáo viên có khả năng có thể giải quyết mọi vấn đề và sau đó bạn vẫn đi đến mô hình sinh viên bằng cách làm thế nào
bạn thấy các mô hình nền tảng có liên quan trong khoảng 100 ý tôi là khá giống với mô hình dán nhãn Auto của chúng ta vì vậy chúng ta không
có những mô hình chạy trong xe chúng ta đào tạo mô hình hoàn toàn Offline như cực kỳ lớn không thể
chạy trong thời gian thực trên xe nên chúng ta chạy offline trên máy chủ tạo ra nhãn hiệu rất tốt
sau đó có thể đào tạo các mạng trực tuyến để có một dạng chưng cất của
Những người mẫu giáo viên này, về những mô hình nền tảng chúng ta đang xây dựng một số thực sự rất lớn
Dữ liệu mà bạn biết là nhiều petabyte và chúng ta đang thấy rằng một số tác vụ này hoạt động rất tốt khi chúng ta
có một số dữ liệu lớn như những thiết bị động học như tôi đã đề cập trong tất cả các bản mẫu ra khỏi tất cả các đối tượng
Cho đến phái sinh thứ tư và mọi người nghĩ rằng chúng ta không thể phát hiện được vận tốc độ sâu của máy quay.
tăng tốc và tưởng tượng mức độ chính xác của các dẫn xuất bậc cao này là chính xác và tất cả điều này
đến từ những bộ dữ liệu lớn này và các mô hình lớn để chúng ta thấy tương đương với các mô hình nền tảng theo cách riêng của chúng ta
hình học và sơ đồ và những thứ như bạn muốn thêm vào bất cứ thứ gì John
Phải, tôi sẽ nói ngắn gọn mỗi khi chúng ta tập trung vào một dữ liệu lớn hơn.
Được đào tạo trên một tập hợp dư ̃ liệu lớn hơn để xem các cải tiến lớn trong hiệu suất của mô hình và vê ̀ cơ bản,
với bạn biết một sô ́ bước được đào tạo trước tư ̀ một sô ́ tác vụ phụ trợ khác vê ̀ cơ bản chúng tôi thấy
tự giám sát hoặc giám sát với các bộ dữ liệu lớn cả hai giúp đỡ rất nhiều
Vừa mới bắt đầu Elon nói rằng Tesla có khả năng quan tâm đến việc xây dựng trí tuệ nhân tạo
các hệ thống có khả năng chuyển đổi ảnh hưởng của công nghệ như thế có vẻ khôn ngoan khi đầu tư vào
Tôi biết Tesla đã làm rất nhiều điều.
Nghiên cứu an toàn trí tuệ nhân tạo hẹp Tôi tò mò nếu Tesla có ý định
thử xây dựng chuyên môn về an toàn trí tuệ nhân tạo kỹ thuật cụ thể
Nếu nó bắt đầu giống như chúng ta sẽ có một đóng góp đáng kể cho nhân tạo
Tình báo chung thì chúng ta chắc chắn sẽ đầu tư vào an toàn. Tôi là một tín đồ lớn trong sự an toàn của AI.
Nên là một AI của cơ quan quản lý ở cấp chính phủ.
Cơ quan quản lý bất kỳ điều gì ảnh hưởng đến sự an toàn của công chúng nên chúng tôi có một cơ quan quản lý
xe hơi và thuốc kích thích và vì chúng ảnh hưởng đến an toàn công cộng và AI
Cũng ảnh hưởng đến sự an toàn của công chúng vì vậy tôi nghĩ rằng đây không phải là điều mà chính phủ tôi nghĩ đã hiểu nhưng tôi ...
Tôi nghĩ tôi nghĩ nên có một trọng tài đảm bảo ... công cộng.
An toàn cho ... AGI um ... và bạn nghĩ về những gì đang diễn ra.
các yếu tố cần thiết để tạo AGI như bộ dữ liệu có thể truy cập là cực kỳ
quan trọng và nếu bạn có một số lượng lớn xe ô tô và robot hình người
Xử lý bạn biết petabyte dữ liệu video và
dữ liệu âm thanh từ The Real World uh giống như con người mà có thể là
Dữ liệu lớn nhất có lẽ là dữ liệu lớn nhất um ... bởi vì ngoài ra bạn có thể
Rõ ràng việc quét internet là um ... nhưng trên mạng thì không thể làm gì được.
có hàng triệu hoặc hàng trăm triệu máy ảnh trong thế giới thực
Như tôi đã nói với âm thanh, và các cảm biến khác cũng như vậy nên tôi nghĩ chúng tôi
có lẽ sẽ có số lượng dữ liệu nhất và có lẽ là số tiền nhất của TR trong số đó.
Vì vậy, huấn luyện quyền lực chúng ta sẽ làm
đóng góp cho AGI
Tôi để ý thấy cái bán ở đó nhưng chúng tôi chưa nói nhiều về nó. Tôi chỉ tự hỏi bán xe tải thôi.
Anh đang nghĩ gì từ viễn cảnh cảm nhận tôi nghĩ là có rất khác biệt
Yêu cầu rõ ràng hơn là chỉ một chiếc xe nếu và nếu anh không nghĩ đó là sự thật.
Uh, uh, uh, tôi không nghĩ là về cơ bản là anh có thể lái xe ... ý tôi là nghĩ về cái gì lái xe bất cứ cái xe nào nó là
Kết nối thần kinh với đôi mắt với máy quay về cơ bản là như vậy.
Cảm biến chính của bạn là cái gì mà cảm biến chính của bạn là uh camera trên một gimbnbal rất chậm
Slow gimbal um that's a your head uh so if
Nếu bạn biết liệu một mạng thần kinh sinh học với hai camera trên một gimbal chậm có thể lái một xe bán tải
Nếu bạn có tám máy quay với Tầm nhìn 360 độ liên tục ...
hoạt động ở tốc độ khung hình cao hơn và tốc độ phản ứng cao hơn tôi nghĩ rõ ràng là bạn có thể lái xe bán hay bất kỳ phương tiện nào
Tôi tên là Akshay, cám ơn anh vì điều đó.
Giả sử bạn biết Optimus sẽ được sử dụng cho các trường hợp sử dụng khác nhau và
sẽ phát triển ở những mảng khác nhau cho những trường hợp sử dụng này có thể
để phát triển và triển khai các thành phần phần mềm và phần mềm khác nhau độc lập và triển khai chúng bạn biết
trong Optimus để tổng thể bạn biết về sự phát triển tính năng nhanh hơn
Optimus tham khảo các câu hỏi
Được rồi, không may là chúng ta không hiểu rằng mạng thần kinh của chúng ta không thể hiểu được câu hỏi
Câu hỏi tiếp theo rất tốt.
Tôi muốn chuyển một thiết bị sang chế độ lái tự động để um khi các anh có kế hoạch lăn ra ngoài.
FSD beta cho các nước khác ngoài chúng ta và Canada và câu hỏi tiếp theo của tôi là
đó là nút cổ chai lớn nhất hay rào cản công nghệ mà bạn nghĩ trong bộ phận hiện tại của ngăn xếp và làm thế nào
bạn hình dung để giải quyết điều đó để làm cho chế độ lái tự động tốt hơn đáng kể so với người nói về ma trận hiệu suất
Bảo đảm an toàn và sự tự tin của con người tôi nghĩ rằng bạn cũng phù hợp với 4V uh fstb
Hoặc bất cứ điều gì các bạn sẽ kết hợp đường cao tốc và thành phố như một ngăn xếp đơn lẻ và một số kiến trúc
Sự cải thiện lớn có thể bạn có thể thử nghiệm một chút khi cảm ơn.
Chúng tôi rất hy vọng có thể nghĩ rằng
từ standpoint um FSD beta nên có thể cuộn sfsd beta uh
trên toàn thê ́ giới vào cuối năm nay um ... nhưng chúng tôi biết tư ̀ rất nhiều
Các quốc gia mà chúng ta cần sự chấp thuận của quy định và vì vậy chúng ta có thể được điều chỉnh bởi sự phê duyệt
Nhưng tôi biết tôi nhưng tôi nghĩ từ quan điểm kỹ thuật nó sẽ sẵn sàng.
đi đến bản beta trên toàn thế giới vào cuối năm nay và có rất nhiều
Sự cải thiện mà chúng ta mong đợi sẽ được phát hành vào tháng tới sẽ luôn đặc biệt tốt ở ...
đánh giá tốc độ của giao thông chuyển động nhanh và một đống thứ khác để ai đó phức tạp hơn
Tôi đoán là có rất nhiều sự khác biệt giữa sản xuất
lái tự động và điều khiển bản thân đầy đủ nhưng những khác biệt đó đã trở nên nhỏ hơn và nhỏ hơn theo thời gian tôi nghĩ
vài tháng trước chúng ta sử dụng cùng một tầm nhìn chỉ ngăn xếp đồ vật trong cả FSD và trong sản xuất
Chế độ lái tự động vẫn còn một vài điểm khác biệt cơ bản là cách chúng ta
dự đoán Lanes ngay bây giờ để chúng tôi nâng cấp mô hình của Lane để nó có thể xử lý những hình học phức tạp hơn như tôi đã đề cập trong bài nói chuyện
chế tạo máy bay tự động chúng tôi vẫn sử dụng mô hình làn làn đơn giản hơn nhưng chúng tôi đang mở rộng mô hình thử nghiệm FSD hiện tại
Tất cả các kịch bản của đường cao tốc đều có và phiên bản của uh FST
beta mà tôi thực sự đã có bộ tích hợp để nó sử dụng nó
Chúng ta có thể kiểm tra nó ở đâu?
Tất cả các loại thời tiết như bụi tuyết um ... và ... đảm bảo nó là ...
làm việc tốt hơn so với ngăn xếp sản xuất mà bạn biết trên phạm vi rộng
Có môi trường nhưng chúng tôi gần như là ... tôi nghĩ đó là tôi không biết.
Chắc chắn tôi sẽ ở trước cuối năm và có lẽ là tháng 11 trong ổ đĩa cá nhân của chúng tôi.
trên đường cao tốc đã chạy tốt hơn ngăn xếp sản xuất mà chúng ta có và mong đợi cũng bao gồm
Bãi đỗ xe như một phần của ngăn xếp FSC trước khi kết thúc năm nay để cơ bản đưa chúng tôi đến với bạn
Ngồi trong xe ở bãi đỗ xe và lái cho đến cuối bãi đậu xe ở bãi đậu xe trước khi kết thúc vụ này.
Năm ́ n năm ́ t va ̀ va ̀ mô ̃ i ca ́ i ma ́ y như ̃ n mô ́ i cơ bản
Um, um ...
Um ... um ... um ... um ...
tự chủ trước khi có sự can thiệp đó là yêu cầu sự an toàn ...
Vâng, đó là số liệu cơ bản mà chúng ta đang đo hằng tuần và chúng ta đang tạo ra căn bản
Cảm ơn cô rất nhiều.
Giới thiệu rất truyền cảm hứng cho tôi tên tôi là Daisy Tôi thực sự không có kỹ thuật
Tôi đang tò mò nếu anh quay lại 20 cái gì đó.
Những điều anh muốn biết sau đó là những lời khuyên mà anh sẽ đưa cho bản thân mình.
Tôi đang cố tìm ra thứ gì đó hữu ích để nói
Phải, tôi đã gia nhập Tesla sẽ là 1 thứ ...
Um, tôi nghĩ nói chung hãy cố gắng tiết lộ bản thân với nhiều người thông minh.
Rất có thể và tôi đã đọc rất nhiều sách.
Anh biết tôi làm thế ...
Cho nên tôi nghĩ cũng có vài tên Merit.
Không nhất thiết phải là quá căng thẳng và thích thú với những người khác.
Bây giờ tôi sẽ nói với 20 hay 20 cái gì đó cho tôi ...
Có lẽ thỉnh thoảng mùi hoa hồng cũng là một ý hay đấy.
Anh biết nó giống như khi chúng ta đang phát triển tên lửa Falcon 1
Và trên đảo san hô tứ giác và chúng ta có hòn đảo nhỏ xinh đẹp này
Chúng tôi đang phát triển tên lửa và không phải một lần trong suốt thời gian đó tôi đã uống một ly.
Bãi biển, tôi cũng nên uống một ly trên bãi biển.
Cám ơn rất nhiều, tôi nghĩ rằng các bạn đã phấn khích với tất cả người máy
Với Optimus, điều này cảm thấy rất giống 10 năm trước trong lái xe nhưng ...
lái xe có vẻ khó hơn so với cách đây 10 năm mà chúng ta biết rằng chúng ta đã không 10 năm trước
Nó sẽ làm ví dụ như AGI trên một con người có thể nhanh hơn.
Ý tôi là, tôi thấy rằng HEI đang tiến rất nhanh chóng ...
Không một tuần trôi qua mà không có một vài thông báo quan trọng và ý tôi là
tại thời điểm này, ví dụ như AI có thể giành chiến thắng trong hầu hết các trò chơi dựa trên luật lệ.
Nó có thể tạo ra một loại nghệ thuật cực kỳ ấn tượng ...
tham gia hội thoại rất tinh vi bạn biết
Viết tiểu luận và những thứ này cứ tăng dần
Và có rất nhiều người tài năng làm việc nhiều hơn.
AI và phần cứng đang trở nên tốt hơn tôi nghĩ đó là một AI đang ở trên một siêu thị
như một đường cong mạnh mẽ của sự cải thiện độc lập với những gì chúng ta làm.
Tesla và rõ ràng chúng ta sẽ có lợi từ đường cong hàm mũ của
Cải thiện khả năng truy cập AI của AI cũng rất khó.
Làm tốt lắm tại các thiết bị truyền động mà Motors bạn biết của Motors gearboxes Power Electronics pin Power
Um ... um ... um ... um ... um ... um ... um ... um ... um ...
sự khác biệt lớn nhất giữa robot trên 4 bánh xe và robot với tay và chân sẽ nhận được thiết bị chấp hành
Đúng ra nó là một thiết bị truyền động và cảm biến ... và rõ ràng là anh biết anh.
kiểm soát các thiết bị truyền động và cảm biến nhưng nó là một thiết bị chấp hành và cảm biến và cách bạn
Kiểm soát bộ truyền động, tôi biết nơi mà bạn cần phải có những thành phần cần thiết để tạo ra
Robot hấp dẫn và chúng ta đang làm điều đó.
Chào Elan, thực ra anh mang nhân tính đến cấp độ kế tiếp là Tesla và Tesla.
Anh đang mang nhân tính đến cấp độ tiếp theo để anh nói Optimus Prime
Optimus sẽ được sử dụng trong Nhà máy Tesla. Câu hỏi của tôi sẽ là Tesla mới.
Factory sẽ hoàn toàn chạy bởi chương trình Optimus và
Và khi có thể công khai ra lệnh cho con người, tôi nghĩ nó sẽ giúp anh biết chúng tôi là ai.
bắt đầu tối ưu với những nhiệm vụ rất đơn giản trong nhà máy um bạn biết có thể giống như đang tải
Giống như bạn thấy trong video tải một phần ... cho bạn biết đang rời xa khỏi một người
Nơi này cho người khác hoặc tải một phần vào um một trong những robot thông thường nhất của chúng ta.
Các tế bào ... cho các bạn biết là hàn gắn cơ thể lại với nhau để chúng tôi bắt đầu biết
Chỉ cố gắng làm thế nào để chúng ta có thể làm nó trở nên hữu ích, sau đó và sau đó dần dần mở rộng số lượng tình huống mà nó là
và tôi nghĩ rằng số lượng tình huống nơi Optimus
Nó sẽ phát triển theo cấp số nhân rất nhanh.
Khi mọi người có thể đặt hàng một người tôi không biết tôi nghĩ nó không xa
Tôi nghĩ anh muốn nói khi nào mọi người có thể nhận được một người.
Nên tôi không biết là tôi có thể nói trong vòng 3 năm tôi không còn nữa.
Năm năm trong vòng 3-5 năm có thể bạn có thể nhận được một chiếc Optimus
Tôi cảm thấy cách tốt nhất để đạt được sự tiến bộ cho Agis liên quan đến càng nhiều người thông minh trên khắp thế giới có thể và đưa ra
Kích thước và tài nguyên của Tesla so với các công ty robot và cho tình trạng nhân loại nghiên cứu tại thời điểm đó
Sẽ không có ý nghĩa gì đối với loại Tesla để mở ra một mã nguồn mở của loại Tesla.
Những phần phần cứng mô phỏng tôi nghĩ Tesla vẫn có thể là nguyên tố chi phối
nơi nó có thể là một cái gì đó giống như Android OS hay iOS cho toàn bộ con người hay nghiên cứu.
Thứ gì đó thay vì giữ Optimus cho các nhà nghiên cứu Tesla hoặc
Bản thân nhà máy có thể mở nó và để cho cả thế giới khám phá nghiên cứu
Tôi nghĩ chúng ta phải cẩn thận về việc Optimus có khả năng bị lợi dụng bởi vì đó là một
Những điều có thể làm nên tôi nghĩ chúng tôi sẽ biết
cung cấp tối ưu tư ̀ nơi bạn có thể cung cấp hướng dẫn để tối ưu hóa nhưng hướng dẫn đó
Bạn có biết chi phối bởi một số luật về robot mà bạn không thể vượt qua
Vậy anh biết là không làm hại người khác và ...
Có lẽ tôi sẽ nghĩ ra vài thứ liên quan đến an toàn với Optimus.
Chỉ cần lấy thêm vài câu hỏi nữa rồi sau đó cảm ơn tất cả mọi người đã đến
♪ Một câu hỏi sâu thẳm và sâu thẳm trong tâm ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪ ♪
Hiện tại và băng thông của bộ điều khiển lý tưởng là gì?
Quảng cáo vê ̀ chiều sâu và chiều rộng của công ty.
Tesla cho phép bất cứ ai muốn xử lý băng thông
Câu hỏi phải có băng thông kỹ thuật của trang phục
Cho câu hỏi về băng thông bạn phải hiểu hoặc tìm hiểu xem cái gì là
Tác vụ mà bạn muốn làm và những gì là miễn phí nếu bạn thực hiện chuyển đổi tần sô ́ của tác vụ đó là gì
Bạn muốn chân tay phải làm và đó là nơi bạn lấy băng thông của bạn từ đó không phải là một con số mà bạn có thể nói bạn cần hiểu về việc sử dụng của bạn
Và đó là từ đó là nơi mà băng thông đến từ uh okay câu hỏi là gì
Tôi không nhớ rõ về bề rộng và độ sâu tôi có thể trả lời bề rộng và chiều sâu nhưng phải ...
Tôi đã rất thú vị về phía sau của câu hỏi tôi nghĩ chúng ta có thể sẽ kết thúc tăng thêm băng thông hay các bạn
Biết được dịch ra hiệu quả của sự khéo léo và thời gian phản ứng của robot
Um ... um ... um ... um ...
Tất cả đường đến 100 Hertz, nhưng tôi không biết là 10. 25 tôi không biết.
qua thời gian tôi nghĩ rằng băng thông sẽ tăng lên một chút hoặc dịch sang sự khéo léo và độ trễ
Um ... uh, bạn sẽ muốn giảm thiểu điều đó qua thời gian ... phải tối thiểu hóa độ trễ tối đa hóa sự khéo léo
Ý tôi là về bề rộng và độ sâu ... tôi nghĩ cô biết chúng tôi có.
Chúng tôi là một công ty lớn ở thời điểm này nên chúng tôi đã có rất nhiều lĩnh vực chuyên môn khác nhau mà chúng tôi cần phải có.
phát triển để chế tạo ô tô điện và sau đó để chế tạo điện tự động
Um, ô tô chúng ta có nghĩa là Tesla giống như một loạt các công ty khởi nghiệp cơ bản và
Đến giờ họ đã gần như hoàn toàn thành công nên chúng ta phải làm điều gì đó đúng.
Và tôi cũng biết tôi xem xét một trong những trách nhiệm cốt lõi của công ty Iran là có một môi trường nơi mà
Kỹ sư vĩ đại có thể phát triển và tôi nghĩ ở rất nhiều công ty
Tôi không biết hầu hết các công ty nếu ai đó là một kỹ sư tài năng thực sự họ không thể thực hiện
Uh, tài năng của họ bị đàn áp ở rất nhiều công ty và đó là bạn biết
và một vài công ty mà kỹ thuật tài năng bị đàn áp theo cách mà có lẽ không quá tệ
Nhưng ở chỗ nó quá thoải mái và anh đã trả rất nhiều tiền và anh nhưng đầu ra của anh là của anh.
sản xuất quá thấp đến nỗi nó giống như một chiếc Bẫy Honey anh biết như thể có một vài cái
Honey bẫy ở thung lũng Silicon nơi mà họ không nhất thiết không phải là những nơi tồi tệ cho các kỹ sư nhưng
Anh có thể nói như một kỹ sư giỏi và họ đã thoát ra được gì.
và đầu ra của tài năng kỹ thuật có vẻ rất thấp
Mặc dù có vẻ như có tận hưởng chính mình ... đó là lý do tôi gọi nó là có vài công ty Honey Trap trong đó.
Silicon Valley uh Tesla không phải là cái Bẫy Honey mà chúng tôi đang yêu cầu và nó giống như anh sẽ có được rất nhiều việc
Và nó sẽ rất tuyệt ... và anh cũng biết là sẽ không dễ dàng gì.
Nhưng nếu bạn là một kỹ sư siêu tài, tài năng của bạn sẽ được sử dụng.
nghĩ đến một mức độ lớn hơn bất cứ nơi nào khác
Anh cũng biết SpaceX cũng vậy. Tôi có 2 câu hỏi.
Cả đội lái tự động đều như tôi đã theo dõi sự tiến bộ của anh trong vài năm qua vậy nên hôm nay
bạn đã thực hiện những thay đổi giống như sự phát hiện nạc như bạn đã nói như trước đây bạn đang thực hiện phân đoạn ngữ nghĩa lập tức bây giờ các bạn là
đã xây dựng mô hình chuyển giao cho việc xây dựng các làn đường như vậy sẽ là một số thách thức phổ biến khác mà bạn guys
đang đối mặt ngay bây giờ như bạn đang giải quyết trong tương lai như một kỹ sư tò mò để như chúng tôi là một nhà nghiên cứu có thể làm việc
bắt đầu làm việc với những người đó và câu hỏi thứ hai cũng giống như tôi thực sự tò mò về động cơ dữ liệu như bạn
Mọi người thích nói chuyện như thế nào mà chiếc xe bị chặn như thế nào bạn sẽ thấy những trường hợp tương tự như thế nào
để tư ̀ dư ̃ liệu mà bạn có thể có nhiều hơn trên công cụ dư ̃ liệu sẽ tuyệt hơn
Um, tôi sẽ bắt đầu trả lời câu hỏi đầu tiên cho việc sử dụng Mạng nghề nghiệp như một ví dụ cho những gì bạn thấy trong bài thuyết trình
không tồn tại một năm trước vậy nên chúng tôi chỉ dành một năm về mối quan hệ của tôi với hơn 12 người.
Mạng lưới và bạn có một mô hình Foundation thực sự đại diện cho toàn bộ
Thế giới vật chất ở khắp mọi nơi và bạn luôn luôn là điều kiện thực sự
thách thức chỉ hơn một năm trước chúng ta giống như lái xe 2d nơi nếu có chiến tranh và
Nó nói đường cong chúng ta đại diện cho cùng một cạnh tĩnh mà rõ ràng là bạn biết không phải là không lý tưởng.
sự khác biệt lớn giữa đường cong và tường khi bạn lái xe bạn đưa ra những lựa chọn khác nhau ngay sau khi chúng tôi nhận ra rằng
Chúng ta phải đi đến 3D, về cơ bản chúng ta phải đồng bộ lại toàn bộ vấn đề và suy nghĩ về cách chúng ta giải quyết việc này.
Giống như một ví dụ về những thách thức mà chúng ta có uh chúng ta có một cuộc chinh phục trong năm qua
Phải trả lời câu hỏi về việc làm sao chúng ta thực sự tạo ra những ví dụ về những chiếc xe bị dừng lại có một vài cách để đi
Nhưng hai ví dụ là một trong chúng ta có thể kích hoạt sự bất đồng trong tín hiệu của chúng ta nên hãy nói điều đó.
Những kẻ nhấp nháy giữa đỗ xe và lái xe sẽ kích hoạt trở lại và giây thứ hai chúng ta có thể tận dụng nhiều hơn của Shadow Mode
Vậy nếu khách hàng bỏ qua chiếc xe nhưng chúng tôi nghĩ chúng ta nên dừng lại vì nó chúng tôi sẽ lấy lại dữ liệu đó, vì vậy chúng chỉ là
Khác nhau như là logic kích hoạt cho phép chúng ta có được những chiến dịch dữ liệu đó
Cám ơn vì bài thuyết trình tuyệt vời, cảm ơn rất nhiều.
có rất nhiều công ty đang tập trung vào vấn đề AGI và một trong những lý do tại sao nó là một vấn đề khó
Vì bản thân vấn đề rất khó để xác định một số công ty có một vài định nghĩa khác nhau mà họ tập trung vào
Tesla làm sao mà xác định được vấn đề của ATI và anh đang tập trung vào việc gì?
Well well, chúng tôi không chỉ tập trung vào AGI I'm đơn giản
Nói rằng HGI dường như rất có thể sẽ là một tài sản nổi bật của những gì chúng ta đang làm
Vì chúng tôi đang tạo ra tất cả những chiếc xe tự động và những con người tự trị
Đó là thực sự trong một dòng dữ liệu khổng lồ đang tiến vào
và được xử lý là sô ́ lượng dư ̃ liệu thê ́ giới thực sự nhất và dư ̃ liệu mà bạn không thể có
Chỉ cần tìm kiếm trên mạng vì anh phải ở ngoài đó trên thế giới này và tương tác với mọi người và tương tác với những con đường và chỉ có anh
Biết Trái đất là một nơi rộng lớn và hiện thực thì lộn xộn và phức tạp nên tôi nghĩ nó giống như là ...
có khả năng chỉ là một tài sản nổi bật của nếu bạn đã biết hàng chục hoặc hàng trăm triệu
Phương tiện tự trị và có thể là một số lượng tương đương của huanoid ... có thể nhiều hơn thế trên mặt trận hình người.
Đó chỉ là số lượng dữ liệu nhất và nếu video đó được xử lý.
Có vẻ như anh biết những chiếc xe chắc chắn sẽ tốt hơn con người.
Trình điều khiển và robot hình người sẽ trở nên ngày càng tăng
không thể phân biệt được với con người có lẽ và sau đó như bạn đã nói bạn có một
Tài sản nổi bật của AGI um
Và có thể cho là anh biết con người cũng là một siêu trí tuệ đặc biệt như chúng ta.
Cải thiện tốc độ dữ liệu giữa con người ý tôi có nghĩa là nó dường như trở lại trong những ngày đầu của internet.
Giống như là ... um Humanity lấy được hệ thần kinh nơi mà giờ đây bất cứ lúc nào
nhân loại có thể biết tất cả kiến thức của con người bằng cách kết nối
cho internet gần như tất cả kiến thức hoặc chắc chắn là một phần rất lớn của nó trong khi trước đây chúng ta sẽ trao đổi
thông tin thẩm thấu thông tin bằng cách chúng tôi muốn chuyển dư ̃ liệu để bạn phải viết thư
một người nào đó sẽ phải mang lá thư của một người đến một người khác và sau đó là cả một đống việc ở giữa và ...
Thì nó giống như ở vị trí này, ý tôi là nó rất chậm khi bạn nghĩ về
Và ngay cả khi bạn ở trong Thư viện Quốc hội mà bạn vẫn không có quyền truy cập vào tất cả thông tin của thế giới và bạn
chắc chắn không thể tìm kiếm và tôi biết rõ ràng là rất ít người đang ở trong Thư viện Quốc hội.
Ý tôi là một trong những yếu tố bình đẳng
giống như mạng internet được coi là người cân bằng nhất trong lịch sử
Ðiều khoản truy cập thông tin hoặc kiến thức trong bất kỳ sinh viên Lịch sử nào tôi nghĩ
sẽ đồng ý với điều này bởi vì bạn biết rằng bạn đã quay trở lại hàng ngàn năm có rất ít sách như
Và sách sẽ rất đắt nhưng chỉ có vài người biết đọc và chỉ khi còn nhỏ hơn
Số người thậm chí còn có một cuốn sách bây giờ hãy xem nó như bạn có thể truy cập bất kỳ cuốn sách nào ngay lập tức bạn có thể học
bất cứ thứ gì về cơ bản là miễn phí.
Em biết là em đã được hỏi ... khoảng thời gian lịch sử nào mà em thích ở đây hơn.
Hầu hết và câu trả lời của tôi là ngay bây giờ
đây là khoảng thời gian thú vị nhất trong lịch sử và tôi đọc được rất nhiều lịch sử
Vậy hãy làm hết sức mình để giữ điều đó.
Và để quay lại với một trong những câu hỏi đầu tiên tôi sẽ trả lời như các bạn có thể những câu chuyện đã xảy ra theo thời gian
Với sự tôn trọng của chế độ lái tự động Tesla là chúng ta chỉ là ...
Các Nets thần kinh đã bị hấp thụ dần dần và nhiều phần mềm hơn và trong giới hạn của bạn
Có thể nói đơn giản là lấy những đoạn phim mà chiếc xe nhìn thấy và so sánh với những thứ này.
Đầu vào từ bánh lái và bàn đạp, là đầu vào rất đơn giản và theo nguyên tắc bạn có thể
Chuyến tàu không có gì ở giữa bởi vì đó là những gì con người đang làm với mạng lưới thần kinh sinh học mà anh có thể luyện
Dựa trên video và ... và những gì mà đoạn video là sự chuyển động của
bánh lái và bàn đạp mà không có phần mềm nào ở giữa chúng ta chưa đến nhưng nó dần dần
đi theo hướng đó, chờ đợi câu hỏi cuối cùng.
Anh đang nghĩ là chúng ta có một câu hỏi ở phía trước, uh xin chào. Tôi sẽ làm 2 câu hỏi.
Các câu hỏi ở đây rất tốt, cảm ơn vì một bài thuyết trình vĩ đại cuối cùng.
Với FSD được sử dụng bởi rất nhiều người, bạn nghĩ bộ com-com bạn đánh giá rủi ro của công ty như thế nào
lerance về thống kê hiệu suất và bạn nghĩ có cần phải minh bạch hơn hoặc điều chỉnh tư ̀ bên thư ́ ba như cách nào là tốt
và ... định nghĩa những ngưỡng thích hợp cho màn trình diễn
Nhiều dặm, chắc chắn là anh biết tôi.
Thiết kế số một ở Tesla là an toàn ...
đi ngang qua bảng so với mức độ an toàn cơ khí của xe ô tô mà chúng ta có xác suất thấp nhất của bất kỳ xe ô tô nào
Được kiểm tra bởi chính phủ chỉ vì một sự an toàn cơ học thụ động.
cấu trúc tai nạn và túi khí và những gì chúng ta có ...
Tôi nghĩ nó sẽ tăng cao độ an toàn. Và tôi nghĩ nó sẽ đi vào vấn đề.
Nơi mà các anh hành động an toàn vô cùng tốt đó là nó giống như một điều ngớ ngẩn hơn một con người.
Và sau đó, với sự tôn trọng ở chế độ lái tự động, chúng tôi công bố rộng rãi này.
Nói về số liệu thống kê về cách um dặm lái xe không có xe.
tự chủ hay xe Tesla mà không có quyền tự chủ với phần cứng một phần cứng 2
Phần cứng 3 um và sau đó là những người đang ở FSD beta
Và chúng ta thấy những cải tiến ổn định dọc đường um và đôi khi có thứ này.
Sự phân đôi của em nên chờ cho đến khi chiếc xe giống như em không biết ...
An toàn gấp 3 lần 1 người trước khi triển khai bất kỳ công nghệ nào nhưng tôi nghĩ đó là sai lầm về mặt đạo đức.
um, tại thời điểm mà anh tin rằng việc bổ sung thêm quyền tự chủ ...
Tổn thương và cái chết ... Tôi nghĩ anh có nghĩa vụ phải triển khai ... mặc dù anh định làm thế.
bị kiện và đổ lỗi bởi rất nhiều người bởi vì những người có cuộc sống mà bạn đã cứu không biết rằng cuộc sống của họ là
Và những người mà thỉnh thoảng phải chết hoặc bị thương, họ chắc chắn biết hoặc bất động sản của họ ...
Đó là lý do tại sao anh phải nhìn vào
các con số trong tổng số dặm dẫn đến bao nhiêu tai nạn xảy ra có bao nhiêu tai nạn nghiêm trọng như thế nào
Trường hợp tử vong và anh biết chúng ta có hơn 3 triệu xe trên đường.
Mỗi ngày nó sẽ không hoàn hảo nhưng điều quan trọng là nó an toàn hơn là không phải
Triển khai nó ... nên tôi nghĩ câu hỏi cuối cùng.
Tôi nghĩ vậy, cảm ơn câu hỏi cuối cùng ở đây.
Được rồi, tôi có được rồi.
Um, tôi không làm việc trên phần cứng nên có thể là nhóm phần cứng và các anh có thể.
Hãy cho tôi biết tại sao nó cần phải có sự đối xứng.
um ... trong thiết kế của Optimus bởi vì con người chúng ta có một sự thuận tay.
Chúng ta đang sử dụng một số cơ bắp hơn những người khác qua thời gian có hao mòn và rách.
Có lẽ anh sẽ bắt đầu thấy một số thất bại chung hoặc một thiết bị truyền động
Thất bại nhiều hơn qua thời gian tôi hiểu rằng đây là cực kỳ trước giai đoạn
Um, chúng ta cũng là con người dựa trên sự tưởng tượng và hư cấu trên người siêu nhân
Khả năng như tất cả chúng ta không muốn bước đi trên đó chúng ta muốn mở rộng vũ khí và như chúng ta có tất cả
Các bạn biết rất nhiều các thiết kế ảo tưởng của Fantin tưởng tượng.
mọi thứ khác đang diễn ra về pin và cường độ
Có lẽ bạn có thể tận dụng tất cả những khía cạnh đó để tạo ra một thứ
Tôi không biết gì thú vị hơn về con robot của anh.
Và tôi hy vọng anh có thể khám phá những hướng đó, ý tôi là tôi nghĩ nó sẽ rất tuyệt vời.
Có vẻ như anh đã biết làm thanh tra Gadget thực sự sẽ rất ngọt ngào ... nên tôi muốn nói là anh biết ngay bây giờ chúng ta.
Chỉ muốn tạo ra một con người cơ bản không có tác dụng tốt và mục đích của chúng ta là nhanh nhất
Tôi nghĩ điều này sẽ làm chúng ta trong thực tế
Và đảm bảo chúng ta đang làm điều đó.
một cái gì đó hữu ích như một trong những việc khó nhất để làm là rất hữu ích.
Thực ra, và sau đó, để có một tiện ích cao dưới đường cong như bao nhiêu người đã giúp bạn giúp thời gian bạn biết và
Trung bình, bạn đã cung cấp bao nhiêu giúp đỡ cho mỗi người
Và sau đó bao nhiêu người bạn đã giúp đỡ cho toàn bộ tiện ích như cố gắng thực sự vận chuyển sản phẩm hữu ích
cho rằng những người như một số đông người vô cùng khó khăn.
Anh biết đó là lý do tại sao tôi có thể nói như người đàn ông có một sự khác biệt giữa một công ty có sản phẩm dịch chuyển và người ta không chắc sản phẩm đó là gì
Trò chơi này là đêm và ngày và ngay cả khi bạn tàu thuyền có thể làm chi phí giá trị của nó
Đầu ra có giá trị hơn chi phí đầu vào một lần nữa là khó khăn đặc biệt với phần cứng.
Nhưng tôi nghĩ theo thời gian, tôi nghĩ chúng ta rất tuyệt vời để làm những việc sáng tạo và có tám cánh tay và bất cứ thứ gì
um ... và có những phiên bản khác nhau và có lẽ anh biết sẽ có phần cứng
như những công ty có thể bổ sung mọi thứ cho một người lạc quan như chúng ta
bạn biết thêm tại cổng công hoặc một sô ́ thư ́ như thê ́ hoặc đính kèm vào bạn có thể thêm bạn biết thêm đính kèm vào
Một người lạc quan như bạn có thể thêm vào điện thoại của bạn um nó có thể là rất nhiều điều tuyệt vời có thể được thực hiện qua thời gian và có thể
có thể là một hệ sinh thái của các công ty nhỏ hoặc các công ty tạo ra add-on cho
Optimus, với điều đó, uh, cảm ơn đội vì đã làm việc vất vả.
Uh, các cậu thật tuyệt vời và uh ... cảm ơn.
Cô và uh cảm ơn tất cả vì đã đến và cho mọi người trực tuyến cảm ơn vì đã điều chỉnh
Và tôi nghĩ đây sẽ là một trong những đoạn phim tuyệt vời mà anh có thể thích nếu anh có thể tua nhanh tới từng mảnh.
rằng bạn thấy thú vị nhất nhưng chúng tôi cố gắng cung cấp cho bạn một lượng lớn chi tiết theo nghĩa đen để bạn có thể nhìn vào
Video lúc rảnh rỗi và bạn có thể tập trung vào những phần mà bạn thấy thú vị và bỏ qua các phần khác
Cảm ơn tất cả các bạn và chúng tôi sẽ làm điều này mỗi năm và uh chúng tôi có thể thực hiện một phần của podcast hàng tháng
Uh, uh, uh, uh, uh, uh, uh, uh, uh, uh, uh, uh,
Mang anh theo cho chuyến đi và cho anh thấy những điều tuyệt vời đang diễn ra và um, cảm ơn anh.
