Tesla CEO 'su Elon Musk kısa bir süre önce şirketin Tesla Bot 'unu tanıttı. Optimus kod adlı robot, bir sahnede elini salladı, kollarını yavaşça salladı ve yavaş yavaş dans hareketine başladı. Musk, her şey plana uygun giderse, robotun üç ila beş yıl içinde 20 bin dolara mal olabileceğini tahmin ediyor. Ama soru şu ki, bizim için ne yapabilir? Ama biz buna başlamadan önce, Tesla Bot 'un ana cihazlarına bakalım.
Tesla Bot Aktivatörler
Sunucu Çalıştırıcılar herhangi bir Robot için ana sürücü sistemidir. Bir robotun hareketli parçaları olan bir PC 'den başka bir şey olmadığını söyleyebilirdiniz, ya da başka bir deyişle, Robot, Actuators ve sensörleri olan bir PC' dir. Tesla, Bot için kendi Acturatörlerini geliştirmiş, 3 tip Rotary çalıştırıcı ve 3 çeşit çeşit Doğrusal Aktüatörler.

Tesla 'nın neden standartlaştırılmış Linear Acturators 'ı kullanmadığını merak ediyorsanız FIRGELLI acturator, bunun nedeni, robotların nihai olarak hafif, güç verimli, yüksek güç yoğunluklu ve düşük maliyetli olmasını elde etmek için kendi sistemlerini geliştirmeleri gerektiği anlamına gelen birkaç kısıtlamadır. Tesla, Bot 'un her biri için 20.000 dolar karşılığında perakende satış yapmak istediklerini iddia etti. Bu kendi içinde, bir şey için uzun bir sipariş 23 Actuators, ve güçlü bir PC, bir sürü sensör ve bir batarya paketi birkaç saatten daha uzun süre dayanması için, artı güçlü bir iskelet, hepsini bir arada tutmak için.
Tesla Bot Lineer çalıştırıcılar

Lineer Aktivatörler Tesla, belirli bir rol için oldukça özel bir özeldir, bu, bir Robot dışında başka bir uygulama için gerçekten pek fazla kullanılmayacakları anlamına gelir. Aktüratörler bir gezegen Roller sistemi çalıştırıyor ve Tesla bunu diyor, ama bu temel olarak Ballvida leadvid tasarımının kodu, ve motogun ortasında geleneksel manyetik armatür bobin yerine brushless çekirdek motor tasarımı kullanmaya karar verdiler. Bu, Ball leadvid tasarımının çok verimli olduğunu ve daha az güç kullandığını, ancak aynı zamanda daha pahalı olduğunu ifade eder. Ve Brushless güç sistemi kullanırlar, yani canlı yayılma çok daha hızlı olur ve yazılımla kontrol edilen çok özel sürücü modlarına izin verir.

Yolculuğun uzunluğu sadece 2 " uzunluğunda ve fotoğrafın da 500KG ' de bir Piyano kaldırırken gösterdiği gibi, bu ağırlık çok fazla. Bu kadar ağırlığı neden kaldırdığını merak edebilirsiniz, çünkü metal bir iskeletle takıldığında, aktüatörler hareket eden şeyin stokunu yükseltebilmek için ihtiyaç duyar. Yani, eğer bir robotun Leg 'i hareket ettiriyorsa, bacağın yaklaşık 150 deg hareket etmesi gerekir, ya da 2 ayak uzunluğunun üzerinde bacağın yaklaşık olarak 0 'dan 3 metrelik bir arc 'a salınması gerekir. 100,000 yıl boyunca evrilen humma vücudu, insanların bunu bacak kaslarımızı kullanarak yapabilmemizi sağlıyor, ama bunu yapmak için doğrusal bir çalıştırıcı elde etmek kolay bir iş değil. Benim kazandığım nokta şu ki, Acturator, 500Kg ' lık ağırlığı 2-inç kaldırabilse de, bir koluna bağlı olan aktüatörler, güç oranına göre, güç önemli ölçüde azaltılır, ama bu da iyi bir değiş tokuş için yapılan hız artışlarına bağlıdır.
Tesla Bot Sunumu.
Tesla 'nın, 30. 2022 'de verdikleri son Bot sunumu hakkında söylemek zorunda olduğu bir şey var.
Elon Musk sunar: WSize göstermek için gerçekten heyecan verici şeyler var, bence çok etkileneceksiniz. Geçen sene bildiğiniz gibi Optimus robotumuza saygıyla biraz beklentim ayarlamak istiyorum. Sadece bir robot takım elbisesiydi. Ama biz uzun bir yol gelmiyorduk ve sanırım bunun çok etkileyici olacağını biliyorsunuz. Yapay zekâdaki ilerlemeler hakkında da konuşacağız. Nasıl daha fazla başvurulsalar da.genel olarak gerçek dünya yapay zeka problemleri insansı bir robot gibi ve hatta bunun da ötesine geçmektedir. Bence burada Tesla 'da yaptığımızın AGI ' ya anlamlı bir katkı sağlayabileceği bir potansiyel var ve bence bunu bir yönetim açısından iyi bir varlık olarak gösteriyor. Çünkü biz kamuya açık bir şirketiz ve bu da bir hisse senetimiz ve bu da halka açık bir şekilde.Tesla ve ben bunun iyi bir şey olduğunu düşünüyorum. Bu yüzden eğer çıldırsam, beni kovabilirsin.Önemli, belki de ben deli değilim. Yani evet, yapay zeka otomatik piloitteki ilerlememiz ve dojo ile olan ilerlememiz hakkında çok şey konuşacağız. Daha sonra takımı dışarı çıkaracağız ve zor sorular sorabilmeniz için uzun ve uzun bir soru soracağız. Varoluşsal sorularla ilgili teknik sorular ne olursa olsun, Q&A için mümkün olduğunca çok zaman olmasını istiyorsanız, her gün ne olduğunu tahmin edin.
Hey çocuklar, ben Milan. Otomatik pilot üzerinde çalışıyorum ve bu lastik. Ben de Lizzy. Projede makine mühendisi.
mekanik mekanizmalar hiçbir kablo yok evet ben sizinle katılmak istiyorum arkadaşlar
Bu gece, ama ilk kez seni hazır görelim.Bu arada, Tesla arabalarınızda çalışan kendi kendini kullanan bilgisayar, bu, robotun bir teter olmadan ameliyat ettiği ilk seferde, bu gece sahnede oldu, bu yüzden robot, size gösterdiğimizden çok daha fazlasını yapabilir, biz sadece onun yüzüne düşmesini istemediğimizi gösterdik, biz de size robotun bazı videolarını göstereceğiz, ki daha az riskli olan başka şeyler de yapıyor.
Evet, son birkaç ayda neler yaptığımızdan biraz daha fazlasını göstermek istedik.birbirinden ayrı ve sadece sahnede ve sahnede dans ederek ve sadece mütevazi başlangıçlar ama gördüğünüz gibi otopilot sinir ağlarını görebilirsiniz.
Sadece bu yeni platformdaki tomurcuk için yeniden eğitildim. Bu yeni platform, benim sulamamın görebileceği bir şey.Robot bu, robotun gördüğü dünyanın gördüğü şey. Bu, nesneleri algılayan obje olduğu çok açık bir şekilde tespit etmek. Aynı işlemi, otomatik pilolot için yaptığımız gibi kullanıyoruz. Daha sonra, sizin ağlarınızı eğitmek için kullandığınız ağlarınızı eğitmek için
bir örnek olan robot, üst göveyi biraz daha gösterir.
Bir kaç ay içinde bir kaç ay içinde çiviyi indirmeyi deneyecek bir şey.Bu gerçekten de Fremont Fabrikasındaki gerçek bir istasyondur.
Bugün göstermemiz gereken tek şey bu değil, bu yüzden gördüğünüz şey Bumble C dediğimiz şeydi, bu bizim bir tür sert gelişim robotu, yarı kapalı aktuatörler kullanıyor, ama aslında biz zaten bu ekibin inanılmaz bir iş yaptığımızdan daha ileri bir adım oldu ve biz aslında bir optimist robotumuz var.
Tam Tesla, her iki akülatör pil paketi kontrol sisteminde tasarlandı.Yürümeye hazır değildi ama sanırım birkaç hafta içinde yürüyecek, ama size robotu göstermek istedik ve aslında üretime geçecekler ve size neler yapacağına çok yakın bir şey göstermek istedik.
Optimus üretim birimine sahip olmak için bir yetenek bekliyoruz.
parmakları tek başına hareket ettirebilmek için başparmağı hareket ettirin, iki
serbestlik dereceleri böylece oppossible başparmakları vardır ve hem sol hem sağ el
alet kullanabiliyor ve faydalı şeyler yapabilmekte, amacımız faydalı bir şey yapmak.
humanoid robotu mümkün olduğunca çabuk ve biz de bunu kullanarak tasarladık
Aynı disiplini tasarlarken kullandığımız aynı disiplin, üretimde olduğu gibi üretmesi için tasarlıyor.Yüksek güvenlikli düşük maliyetle yüksek hacimde robotu yapın. Bu inanılmaz derecede önemli. Yani hepiniz çok etkileyici insansı robot gösteriler gördünüz ve bu harika ama ne eksik? Bir beyin eksik, bu kadar zekâ yok.
Dünyayı kendi başlarına dolaş ve onlar da çok pahalıdır.ve düşük hacimde yapıldı, oysa bu, iyimser toplum ve son derece yetenekli bir robot, ama çok yüksek hacimde yapılmış, muhtemelen sonunda milyonlarca birim ve bir arabadan çok daha ucuza mal olması beklenmektedir.
Tahminime göre yirmibin dolardan daha az bir ihtimalle 20 bin dolar.
iyimser olmak için potansiyel, çok etkili tarafından takdir ediliyorum
Her zamanki gibi, Tesla demoları sıcak olarak geliyor.Pekala, bu iyi bir şey. Takımların içeri konması iyi oldu ve takım inanılmaz miktarda iş yaptı. Haftada 7 gün, 3AM petrolü işletmek için. Bugün gösteriye ulaşmak için 3 milyon petrolü yönetiyorlar.Gerçekten neden bu olayı tutuyoruz ki dünyadaki en yetenekli insanları Tesla ' ya katılmaya ikna etmek ve bunu bir realite yapmak ve bunu, milyonlarca insana yardımcı olmak ve onun sevdiği potansiyele yardımcı olmak gerçekten çok zor çünkü bir ekonomi olarak söylemek zorunda olduğunuz şey ekonomi bir nevi üretken varlıklara göre üretkenlik sermayesi zaman çıkış üretkenliği kişi başına düşen bir şey olmadığı bir noktada kişi başına düşen üretim üretkenliği. Sermaye ile sınırlandırma, ekonominin ne demek olduğu belli değil. Bir ekonomi ne kadar önemli bir şekilde sonsuz sonsuz olur ki, umarım iyi huylu bir senaryoda bu demektir ki bu bereket geleceğinin bir geleceği demektir. Orada bir fakirlik yok.
ürün ve hizmetler açısından istediğiniz her şeye sahip olabilir.Bu, bizim bildiğimiz bir medeniyetin temel bir dönüşümü. Bu dönüşümün pozitif ve güvenli olmasını sağlamak istiyoruz. Ama bu nedenle Tesla 'nın bu işi halka açık bir şekilde halka açık tek bir hisse senedi olarak yapması çok önemli ve gözden kaçırılmamalı. Bence bu şart. Çünkü eğer halk Tesla 'nın halkın yaptığı şeyi beğenmezse Tesla 'da hisse satın alıp farklı oy kullanabiliyor.
Bu çok önemli bir şey. İstediğimi yapamayacağım için çok önemli.Bazen insanlar bunun doğru olmadığını düşünebilir. Bu yüzden, bunun için çok önemli olduğunu biliyorsunuz. Bu, kurumsal varlığın, halkın doğru bir şekilde etkileyebileceği bir şey. Tesla yapısı bunun için ideal. Ve dediğim gibi, kendi kendini kullanan arabaların dünya üzerinde kesinlikle muazzam bir etkisi olacak.
Ulaştırma 'nın üretkenliği en az yarım kat büyüklükte olabilir belki deBüyüklük sırası belki de daha fazla optimist. Sanırım ekonomik çıkışta en fazla iki sıra potansiyelimiz var. Gelişme sınırının ne olduğu belli değil. Ama bunu doğru şekilde yapmamız gerekiyor. Ve ben de Tesla 'ya katılmayı düşünmenizi umuyorum. Tesla 'da bu hedeflere ulaşmak için, doğru şeyi yapmayı önemsiyoruz. Her zaman doğru şeyi yapmayı arzuladık ve iyi niyetle cehenneme giden yolu da ödememeliyiz. Bence cehenneme giden yol çoğunlukla kötü niyetlerle dolu ama orada iyi bir niyet var.Bir sonraki aşamaya geçelim. Sağ ol. Sağ ol Elon.
Pekala, bugün birkaç robot gördünüz. Hızlı bir zaman çizelgesi yapalım. Geçen sene Tesla robotunu açıkladık.
kavram ama bir kavram bizi çok ileriye götürmüyor gerçek bir geliştirme ve entegrasyon platformuna ihtiyacımız olduğunu biliyorduk
gerçek hayatta öğrenmeyi mümkün olduğunca çabuk elde edin. böylece ortaya çıkan robot sizin için küçük rutini yaptı.
Altı ay içinde, o zamandan bu yana aylar içinde yazılım bütünleştirmesi donanımı büyütmeleri üzerinde çalışılsa da
Buna paralel olarak, bir sonraki jenerasyonu da tasarlamıştık.
Yani bu adam kök saman, araç tasarım sürecine dayanıyor. Tüm bunları kullandığımızı biliyorsun.
Geçen seneden beri değişen çok şey var. Ama bir kaç şey var.
Hala aynı şeyi farkedeceksin. Gerçek insan formuna odaklandığımızı fark etsek de, bunu hala fark etsek de,
Bir kaç nedenden dolayı önemli ama çok eğlenceli. İnsan vücudunun ne kadar harika olduğunu düşünmekle vakit geçiriyoruz.
Bu inanılmaz hareket aralığı tipik olarak gerçekten inanılmaz bir güç.
Egzersiz, eğer parmak ucunuzu sandalyeye oturtsanız önünüzde çok büyük bir hareket olduğunu fark eder.
Omzunuzda ve dirseğinizde, örneğin parmak ucunuzu hareket ettirmeden, o eklemlerinizi taşıyabiliyorsunuz.
yer um üzerinde ama ana fonksiyonunu bildiğiniz robot, gerçek yararlı işler yapmak ve
Belki de hemen hemen tüm o özgürlük derecelerini almak zorunda kalmayabiliriz.
28 temel serbestlik derecesi ve tabii ki ellerimiz buna ek olarak
insanlar aynı zamanda bazı konularda oldukça verimlidir ve diğer zamanlarda bu kadar verimli olmayanlardır. örneğin, küçük bir
Bir kaç saat boyunca kendimizi ayakta tutabilmek için yiyecek miktarı çok güzel ama biz sadece bir şekilde oturup ...
Hücumuz ama biz verimsiziz. Bir çeşit enerji yakıyoruz. Robot platformunda bu kadar çok enerji var.
Şu anda, boşta olan güç tüketimini en aza indireceğiz. Mümkün olduğunca düşük bir şekilde, ve bu şekilde,
bir switch çevirin ve hemen robot, yararlı işler yapan bir şeye dönüşüyor
Bu son jenerasyondan bahsedelim. Bir ayrıntıdan bahsedelim. Burada ekranda göreceksiniz.
Turuncu renk aktüatörler. Biraz sonra da elektrik sistemimizi maviye alacağız.
yani artık insan bazlı araştırmalarımıza sahip olduk ve her ikimize de sahip olduğumuz ilk gelişim platformumuz var.
bu tasarım için tekrar araştırma ve yürütme, yine o araç tasarımını kullanıyoruz.
Bu yüzden, tasarım ve Analiz ile kavramdan alıyoruz ve
daha sonra maliyet ve verimlilik gibi şeyleri optimize etme şeklimiz boyunca oluşturma ve doğrulama
çünkü bunlar, bu ürünü ölçeklendirecek kritik metrikler, biz de bunu nasıl yapacağız, o kadar iyi
parça sayımızı ve güç tüketimimizi azaltabilmek için mümkün olan her unsura sahip olmak gibi şeyler yapacağız.
algılamayı ve uç noktalarımızda kablolamayı azaltabilirsiniz. ellerinizde ve ayaklarınızda bir çok kütleyi hayal edebilirsiniz.
Çok zor ve güçlü bir güç. Hareket etmek için her iki şeyi de merkezileştireceğiz.
güç dağıtımı ve hesaplarımızı platformun fiziki merkezine
Yani toromuzun tam ortasında Torso bizim batarya paketimiz var 2,3 kilovat saat kadar.
Bu da tam bir günlük çalışma için mükemmel. Bu pille ilgili gerçekten eşsiz olan şey.
Pack, tüm pil elektroniği paketteki tek bir PCB ' ye entegre olmuş, böylece her şey demektir.
algılama ' dan şarj yönetimi ve güç dağıtımının hepsi tek tek üzerinde
Bir yerde hem Araç Ürünlerimizden, hem de Enerji Ürünlerimizden faydalaniyoruz.
Bu anahtarların hepsi bu pilin içinde. Bu sayede üretimi oldukça verimli ve verimli hale getirelim.
basit soğutma yöntemleri pil yönetimi ve aynı zamanda güvenlik ve tabii ki Tesla ' nın avantajlarından yararlanabiliriz
bunu yapmak için var olan altyapı ve tedarik zinciri, beynimizin bir şekilde devam etmesi için
Kafasında değil ama bizim toro 'da da oldukça yakın. Yani Tesla 'nın da bildiği gibi.
ürettiğimiz her araçta tam kendi kendine çalışan bilgisayarlar, hem otomatik pilot donanımını hem de
İnsansı platformuna ilişkin yazılım ancak gerekliliklerde ve form faktöründe farklı olduğu için
Bir kaç şeyi değiştireceğiz. Bu yüzden yine de bir insan beyninin yaptığı her şeyi yapacağız.
Birden çok duyusal girişlere ve aynı zamanda İletişim 'e dayalı olarak İkinci kararların bölünmesi için Vision
İletişimi desteklemek için, kablosuz bağlantı ve ses desteği ile donatıldır.
ve aynı zamanda hem robotu, hem de kişileri korumak için önemli olan Donanım düzeyi güvenlik özelliklerine sahiptir.
Robotun etrafında, bir çeşit çekirdek var.
Bu adamın uzuvlarına ihtiyacımız olacak ve sana göstericimizi ve tam olarak ne kadar iyi olduğumuzu göstermeyi çok isterim.
Ama bunu yapmadan önce Malcolm 'u tanıştırmak istiyorum.
robotumuz için yapısal temelimiz [ alkışlar]
Teşekkürler.
Tesla, son derece karmaşık sistemleri sonuçlandırabilme yeteneğine sahiptir. Bu, gördüğünüz bir kazadan çok daha karmaşık bir hale gelir.
Burada, gerçek fiziksel kazadan sonra, model 3 'te simüle edilmiş bir çarpışma meydana geldi.
Aslında, bu modelin karmaşıklığı hakkında fikir vermek ne kadar da doğru.
Weld 'de her düğüm Bolton pulu içerir ve 35 milyon serbestlik dereceleri vardır. İnanılmaz bir şey.
Eğer böyle bir modelimiz yoksa dünyanın en güvenli arabalarını bile başaramayacağımızı söylemek doğru.
bu yüzden yeteneklerimizi ve otomotiv tarafındaki yöntemlerimizi bir robotu etkilemek için kullanabilecek miyiz?
Bir model yapabiliriz. Kaza yazılımızdan sonra da aynı yazılımı kullandık.
Bunun amacı, eğer ideal bir şekilde düşerse bunun yüzeysel bir hasar olup olmadığını kontrol etmek.
Örneğin, bir robotun omzuna eşdeğer bir omzuna denk gelen kollarında, Gear kutusunu kırmak istemeyiz.
tamir etmek zor ve pahalıdır. bu yüzden de kendisine verilen bir işte kendini toza almak istedik.
aynı modeli de alıp, daha önce çözülmüş bir modelden gelen girişi kullanarak aktüratörleri kullanabilsek
hayata getiriyor. böylece robotun bunları gerçekleştirmesini istediğimiz görevler için mosyonlar üretiyor.
görevler, görev kümesi ne olursa olsun üst katta yürüyen kutular topluyorlar.
bu sadece basit yürümeyi gösteriyor bize yardımcı olan tüm bileşenlerdeki stresleri yaratabiliriz.
bunlar dans eden robot değil, bunları optimize edin.
aslında modal davranış robotun ilk beş modu ve tipik olarak insanlar robotları yaptıklarında emin oluyor
birinci mod, 10 Hertz 'e doğru en üst düzey tek figürlerin etrafında
Bunu yapan kişi, yürümenin daha kolay bir şekilde yürümesini sağlamak, eğer garanti edemezsen yürümek çok zor.
Etrafta dolanan ayakların, bir robot yapmak için uygun olduğu yerde binlerce belki de milyonlarca insan yapmak istiyoruz.
Onları karbon elyaf titanyumdan yapma lüksü yok. Plastik şeyler için yapmak istediğimiz bir şey değil.
O kadar sert ki, bu yüksek hedeflere sahip olamayız. Onlara aptal hedefler diyemem.
Onları alt hedeflerde işe yaratabiliriz. O zaman işe yarayacaksa işe yarayacaksa iyi olur.
Ama biz sadece biraz sokuş jöle ve kemikler atılırız. Ben de öyle.
Bacağım 10 Hertz 'de titremiyor. İnsanlar düşük frekanslarda çalışıyor.
robotun aslında bunu yapabilmesini daha zor hale getiriyor. böylece bu modelden gelen bilgileri alıyoruz ve
yürümesini sağlayan kontrol sistemine sahip olan sertlik ve beste
sadece değişen vergiyi diziye bakarak biraz daha ilham alabilirdik.
biyoloji ve dizinin mekanik avantajlarının ne olduğunu görmek için bakabiliriz aslında oldukça iyi temsil eder.
dört çubuk bağlantısına benzer ve bu oldukça doğrusal olmayan, şaşırtıcı olmayan bir şey çünkü eğer
Bacağını bükünce dizindeki tork büküldüğünde daha çok büküldüğünde düşünüyorsun.
Doğrusal olmayan bir işlev bekliyorsunuz ve aslında biyolojinin doğrusal olmayan bir fonksiyonu var.
Bu da tam olarak uyuyor. Bu da dördüncünün temsil ettiği yer.
bağlantı belli ki fiziksel olarak dört bar bağlantısı yok dediğim gibi özellikler benzer ama ben bahse varım ki bu
Çok bilimsel değil. Biraz daha bilimsel değil. Bütün görevleri bu grafik aracılığıyla oynadık. Ama bu ...
Strese girdiğimizi söylediğim ve bu da olay yerinden bahseden ... ... görevlerin ... ... gevelediğimiz ... ... bir ... ... bir ... ... bir ... ... bir ... ... bir ... ... bir ... ...
bu durum yatay eksende diz çökemesine karşı dizin, tüm bunları yapmak için diz şartını gösteriyor.
görevleri ve sonra bir eğri koymak, tepelerin tepesi üzerinde sörf yapmak ve bunun için yapılması gereken şey budur.
robotun bu görevleri gerçekleştirmesini sağla
Eğer dört bar bağlantısına bakarsak, aslında yeşil eğri, ve bu, "the linearity of the",
Dördü bağlantı aslında kuvvetin karakteristiğidir. Bu gerçekten ne diyorsa gücü indirir.
Bu da, harekete geçmenin mümkün olan en düşük güç olduğunu gösteriyor. Bu da enerjiyi yavaş yavaş yakmak istediğimiz en etkili güç.
Mavi eğri, mavi eğri aslında, eğer dört bar bağlantımız yoksa sadece bir kolumuz vardı.
Bacağımın dışında bir tutam ile bir tutam var. Basit bir iki bar bağlantısı var.
basit bir iki bar bağlantısıyla yapabildiğiniz en iyi şey bu ve gösteriyor ki, bu konuda çok daha fazla güç yaratacaktır.
Uygulamadaki gibi görünenin ne kadar etkili olamadığını
Gördüğünüz gibi, ama çok sıkı bir şekilde paketleniyor. İyi bir şey göreceksiniz.
Bir saniye içinde, tam bar bağlantısını göreceksiniz. Aktüratör üzerinde işlem görüyor.
Ve şimdi de sizi harekete geçirmek için harekete geçirmeniz gerekiyor.
Ben de sizinle tasarım süreci hakkında konuşmak istiyorum. Ve çalıştırıcı hakkında.
robotumuzdaki portföyü aa arasında birçok benzerlik var.
araba ve robot, powertrain tasarımı söz konusu olduğunda burada önemli olan en önemli şey enerji kütlesi ve maliyeti
Tasarım deneyimimizin büyük bir kısmını arabadan robota taşıyoruz.
Yani, belirli bir durumda iki sürücü birimi ve sürücü birimleri içeren bir araba görürsünüz.
otomobil 0-60 mil hıza kadar hızlandırmak için kullanılır ya da sürücü a
şehirler sürücü sitesi iken 28 aktivatör ve
Görevdeki görevlerin ne olduğu çok açık değil. Bu yüzden,
yürüme veya tırmanma merdivenleri gibi daha yüksek seviyede veya içine çevrilmesi gereken ağır bir nesne taşıyor
ortak belirtimlere ortak olarak, bu nedenle modelimizi kullanıyoruz
bu da eklemlerimiz için tork hız yörüngelerini oluşturur.
daha sonra optimizasyon modelimizden beslenecek ve üzerinden geçilecek.
bunun optimizasyon süreci, senaryolardan biri.
robot, bu tork hızına sahip olduğumuz zaman dönen ve yürüyen bir şey yapabilecek kapasitede.
Bir aktüratörün verimlilik haritasının yörüngesini yerleştirdik ve birlikte hareket ediyoruz.
güç tüketimini ve enerji birikmesini oluşturabilmek için yörünge
görev için enerji, böylece sistemi tanımlamanıza olanak sağlar
belirli bir akturator için maliyet ve bulutun içine basit bir nokta koymak, sonra biz
Yüzbinlerce aktüratör için bu bizim kümede çözünerek ve kırmızı çizgi, Pareto ön cepheyi gösteriyor.
en iyi şekilde arayacağımız tercih edilen alan hangisi, böylece X işareti
bu özel ortak için seçtiğimiz tercih edilen aktivatör tasarımı yani şimdi her ortak için bunu yapmamız gerekiyor.
optimize etmek için 28 eklemimiz var ve bulutlarımızı ayrıştırıyoruz. Bulutumuzu her eklemde tekrar ayrıştırıyoruz.
spec ve kırmızı eksen bu kez her biri için besicilik aktivatör tasarımları
buradaki sorun, biz çok fazla benzersiz aktuator tasarımlarımız ve
Simetrinin avantajlarından yararlansak bile Mass bir şeyler yapmak için çok fazla sipariş var.
üretilebilir olması gereken benzersiz aktivatör tasarımlarını azaltabilmek için bir şey çalıştırıyoruz.
Bu süre boyunca bu kez Bulutlarımızı ayrıştırırsak, ortak çalışma olarak adlandırılır.
aynı anda birden fazla ortak için ortak performans gereksinimlerini aynı anda buluşturan çalıştırıcılar,
sonuç portföyü altı çalıştırıcı ve bir renk haritasında orta rakamı gösteriyorlar
aaa ve aktuatörler bu slayda da görüntülenebilir üç rotary ve
Her biri kitle başına büyük bir çıkış kuvveti veya Torque olan üç lineer çalıştırıcı.
özellikle döner aktivatör, yüksek hızlı yan açısal temas üzerine entegre mekanik bir debriyaja sahiptir
top taşıyan ve yüksek hız tarafında ve düşük hız tarafında bir cross paten
taşıma ve dişli tren bir gerilim dalgası dişlisi ve üç entegre sensör var.
burada ve besicilik kalıcı mıknatıs makinesi lineer aktivatör
Üzgünüm. Doğrusal çalıştırıcının, gezegen silindirleri ve ters bir gezegen vida olduğu için üzgünüm.
Verimlilik ve sıkıştırma ve dayanıklılık sağlayan bir dişli tren olarak
bu yüzden doğrusal aktüratörlerimizin kuvvet kapasitesini göstermek için
sınırları altında test etmek için bir deney kurdu.
Ve videonun keyfini çıkarmana izin vereceğim.
Böylece bizim aktüratör kaldırabiliyor.
yarım ton dokuz ayak konseri grand piano
ve
Bu bir zorunlulukdur. Çünkü kaslarımız bunu yapabilirmiş.
doğrudan yönlendirilen ya da quadricep kasları aynı şeyi yapabilirken doğrudan sürüldükleri zaman aynı şeyi
Sadece dizin, gücü dönüştüren bir bağlantı sistemi.
Tepemizin son efektöründe hız yapmak için.
insan vücudu çevikliği bu yüzden insan vücudu ile ilgili şaşırtıcı olan en önemli şeylerden biri ve ben
Bu noktada benim bölüğüm sona eriyor ve meslektaşım Mike sizinle el ele hakkında konuşacak.
tasarım çok teşekkür ederim constantinos
Bir insan ve insansı bir aktüratörün ne kadar güçlü olabileceğini gördük.
insanlar aynı zamanda inanılmaz derecede beceriklidir insan elinin hareket kabilesi vardır
saniyede 300 derecede, on binlerce dokunsal algılayıcı var.
ve günlük hayatımızdaki neredeyse her nesneyi kavrayabilme ve manipüle etme becerisine sahiptir.
robotik el tasarımımız için biyolojiden esinlendiğimiz için beş parmağımız oppossible bir baş parmağımız
parmaklarımız, hem esnek hem de güçlü olan metalik tendonlar tarafından yönlendirilir. geniş kapsamlı
aperture power grasps, küçük ince ve hassas cisimlerin hassas grid için de optimize edilmekte
bu yüzden robotik el gibi bir insan başlıca neden bizim fabrikalarımızın ve çevremizdeki dünya
ergonomik olacak şekilde tasarlandı. bunun anlamı, fabrikamızda bulunan nesnelerin graspable olmasını sağlar
ancak, daha önce hiç görmediğimiz yeni nesnelerin insan eliyle ve bizim için daha önce hiç görmemesini sağlar.
robotik el yanı sıra converse oldukça ilginç çünkü bu nesnelerin bizim elimize göre tasarlandığı söylüyor.
yeni bir nesneye eşlik etmek için elimizin üzerinde değişiklik yapmak zorunda olmak yerine
elimizle ilgili bazı temel istatistikler altı çalıştırıcı ve 11 derece serbestlik derecesi olan bir el kumandasına sahip olduğu
parmakları sürün ve algılayıcı geri bildirim algılayıcı geri bildirimi ' nin alması gerçekten önemli
Biraz daha fazla bilgi edinin ve aynı zamanda bir de istişarede olduğumuz objeler hakkında biraz daha fazla bilgi edinin ve bu da bizim için nerede olduğumuzu fark edebilme yeteneğimiz.
Elimiz uzayda, elimizin önemli yönlerinden biri. Bu adaptasyonla uyumlu olması.
esasen, el ele geçmekte olan nesnelere uyum sağlamasına izin veren karmaşık mekanizmalar olarak
bir diğer önemli kısım ise, geri dönmeyen bir parmak sürüşümüz olması. bu bağlama mekanizması bize tutunmamızı sağlıyor.
ve nesneleri el Motoruna çevirmek zorunda kalmadan taşıma nesneleri, az önce nasıl gittiğimizi duydugunuz
Tesla Bot Donanımlarını tasarlamaya devam ettik. Şimdi bunu Milan 'a ve özerklik ekibimize bu konuyu ele geçirmek için vereceğiz.
robota hayat için teşekkürler Mike
Pekala, videoda daha önce gösterdiğimiz tüm o güzel şeyler yayınlanmıştı.
Birkaç ay içinde mümkün olan tek şey, son birkaç yıldır otopilot yaptığımızın inanılmaz bir anlamı var.
Bu bileşenlerin çoğu Bots ortamına kolayca bağlı. Bunu düşünürseniz, sadece hareket ediyoruz.
tekerlekli bir robottan bir robota bacaklarda bir robota kadar bu bileşenlerin bazıları oldukça benzer ve bazıları için gerekli olan
daha ağır kaldırma yani örneğin bilgisayar görme sinir ağlarımız
Doğrudan otopilikten Bots 'a rapor edildi. Aynı doluluk şebekesi gibi.
şu anda burada bot üzerinde çalışan otomatik pilot ekibiyle biraz daha detaylarla konuşuyor olduk.
bu video, değişen tek şey gerçekten ezberlemek zorunda olduğumuz eğitim veridir.
Ayrıca, Radiance sahalarında yapılan çalışmaları kullanarak bu doluluk ağlarını geliştirmenin yollarını bulmaya çalışıyoruz.
Burada örneğin, Bots ortamlarının gerçekten büyük hacimli görsel olarak gerçekleştirilmesi
makine, bot ile etkileşim kurmak zorunda kalabileceğini
Bir başka ilginç problem de kapalı ortamlarda, GPS sinyalleri algısıyla, nasıl oluyor da ...
Varış noktasına gitmek üzere ilerlemek üzere. Örneğin en yakın şarj istasyonunu bulmak için. Bu yüzden eğitim almıştık.
yüksek frekanslı özellikleri tanımlamak için daha fazla sinir ağları,
Botlar, robotların kendi çevresine dolaşana kadar, zaman içinde onları çerçeveler boyunca takip eder.
Ve biz bu noktaları kullanarak, Bot pozları ve yörüngesinin daha iyi bir tahmini elde etmek için kullanıyoruz.
Yürüyoruz. Aynı zamanda çok da iş yaptık.
Simülasyon tarafı ve bu kelimenin tam anlamıyla robotun Lokomotion 'ı entegre ettiğimiz otopilot simülatörü.
kod ve bu video, operator simulator simulator ' da çalışan hareket kontrol kodunun bir videosu
robotların zaman içinde yürümesi ve böylece görebildiğiniz gibi nisan ayında oldukça yavaş başladık ve hızlanmaya başlıyoruz.
Son birkaç ayda silah dengelemesi gibi daha fazla eklemde ve daha derin tekniklerin kilidini açıyoruz.
Ve bu yüzden Lokomotion özellikle bir bileşendir. Arabadan Bots 'a doğru ilerledikçe çok farklı bir bileşendir.
ortam ve bu yüzden biraz daha derinlemesine izin verdi ve meslektaşlarımın bu konu hakkında konuşmalarını istiyorum.
şimdi yabancı
Merhaba, ben Felix. Projede robotik mühendisiyim ve yürümekten bahsedebilirim.
Her gün bunu yapmak kolay gibi görünüyor. Bunu düşünmek bile zorunda değilsin.
ancak yürümenin bazı yönleri var ki mühendislik perspektifinden zorlayıcı bir örnek.
kendini iyi bir temsil etmek anlamına gelen fiziksel öz farkındalık, uzuvlarınızın uzunluğu ne demektir?
Uzuvlarınızın kütlesi, ayaklarınızın büyüklüğü ne kadar önemli olursa olsun enerji verimli bir kapı geçirmenizi sağlar.
yürümenin farklı tarzları olduğunu hayal edebiliyor ve hepsinin eşit derecede verimli olduğunu
en önemli tutma dengeleri düşmez ve tabii ki hareketi koordine eder
Tüm uzuvlarınız bir arada. Şimdi insanlar bunu doğal olarak yapıyor. Ama mühendisler ya da robotistlerimiz olarak.
bu sorunları düşünmek ve onlara Locomotion planlama ve kontrolümüzde nasıl ele verdiğimizi göstermek için gidiyorsam
stack böylece Locomotion planlaması ve bu konuda temsil ettiğimiz bağın temsiliyle başlıyoruz.
robotun kinematik dinamikleri ve iletişim özelliklerinin modeli ve bu modeli ve istenilen
Lokomotion planlayıcımız Bots için yol, tüm sistem için referans yörüngeleri oluşturur
bu, modelimizin varsayımlarına göre uygulanabilir yörüngeler anlamına geliyor.
Planlayıcı şu anda üç aşamada çalışıyor, ayak izlerini planlamaya başlıyor ve tüm çekim fotoğraf sistemi ile bitiyor.
Bu videoda işlerin nasıl yürüşeceğini biraz daha derinlemesine ele alsak nasıl olur da planların planlanması üzerine planlandığını görüyoruz.
Ufuk, istenen yolu takip ediyor ve biz bundan başlayıp, sonra da
Bu ayak izlerini, ayak parmaklarını kullanarak birbirine bağlayıp, tıpkı insanlar gibi insanların yaptığı gibi.
ve bu bize sistemin yüksek verimliliklerinden dolayı daha büyük bir şerit ve daha az diz Bend verir.
son aşama, daha sonra kitlesel bir yörünge merkezi bulmak. bu da bize bir ücret, dinamik olarak uygulanabilir bir şekilde hareket eder
planların iyi olduğunu hepimizin bildiği gibi dengeyi korumak için tüm sistem
Bunu nasıl yapabileceğimizi bildiğini de biliyoruz.
Teşekkür ederim Felix, herkese merhaba.
Seninle kontroller hakkında konuşacağım. O yüzden Felix 'in önerisini kabul edelim.
Sadece biraz konuştuk ve gerçek dünyaya gerçek bir robota yerleştirdim. Ne olduğunu görelim.
Bir kaç adım atıyor ve aşağı düşüyor. Bu biraz hayal kırıklığı.
Ama burada bir kaç anahtar parçasını kaçırıyoruz. Bu da onu işe yaratacak.
Felix, hareket planlayıcısından bahsettiği için idealize edilmiş bir versiyonunu kullanıyor.
kendisi ve çevresinde bir gerçeklik sürümü tam olarak doğru değil.
Ayrıca, bir yandan da rotaların yörüngelerinden ve bu dallardan oluşan dallar yoluyla
Dünya üzerinde harekete geçebilmek için harekete geçen güçler ve torques
gerçeklik, benzer modellerden daha karmaşık bir şekilde robotun da
Basitleştirilmiş titreşimler ve modlar uyumluluk algılayıcısı gürültüsü ve üzerinde ve üzerinde
Peki, gerçek dünyaya bu ne yapar ki, gerçek dünyaya da ...
Beklenmedik güçler, modellenmemiş Dynamics 'e sebep oluyor. Planlayıcenin bilmemesi ve bunu yapmaması.
özellikle biped lokomotion gibi dinamik olarak stabil olan bir sistem için, istikrarsızlığa neden olur
peki bu konuda ne yapabiliriz, algılayıcıları ve anlayışımızı kullandığımız gerçekliği ölçmeliyiz.
benim için dünya devlet tahmini ve durumu burada gördüğünüz tutum ve pelvis pozunu görebilirsiniz.
Aslında, robot yürürken takip edilen kütle yörüngesinin merkeziyle birlikte bir insanda bulunan vestibüler sistemi.
ofis ortamında artık ihtiyacımız olan tüm parçalara sahibiz.
döngüye yakın olmak için sipariş verin. böylece biz daha iyi bot modelimizi kullanarak gerçeklik anlayışımızı kullanıyoruz.
Devlet tahminini aldık ve istediğimizi karşılaştırdık. Gerçeklerden beklentimiz ile karşılaştığımız şeyi karşılaştırdık.
gerçeklik davranışlarına düzeltme eklemek için gerçeklik bize yapışıdır.
Robot burada robot, poğlanmaktan pek de memnun değil. Ama bu hiç hoş değil.
Son nokta dik durmanın takdire şayan bir iş. Burada bir robot var.
yürüyüşler, el ve kollarını kullanmak için ihtiyacımız yeterli değil
Faydalı ol, manipülasyon hakkında konuşalım.
[ Alkışlar]
Merhaba, herkes benim adım Eric robotik mühendis, teslabot üzerinde ve ben konuşmak istiyorum.
Robot, nesneleri gerçek dünyada nasıl manipüle ederken nesneleri manipüle etmek istemiştik.
mümkün olduğu kadar doğal görünüyor ve aynı zamanda hızla oraya ulaşmak için yaptığımız şey şu:
Bu süreci ilk iki adımda kırdık. İlk önce doğal hareket referansları kütüphanesi oluşturuyoruz ya da biz bunu yapabildik.
Onlara gösteriler diyoruz ve bu önerge referanslarını online olarak güncel gerçek dünya durumuna uyarladık.
Diyelim ki, bir objeyi tespit etmek için bir insan gösterisine sahibiz. Bu konuda bir yakalama önergesi elde edebiliriz.
ellerinin yerlerini temsil eden bir takım anahtar çerçeveler olarak burada görselleştirilmiş olan gösteri
Torso the elbows the Torso we can map that to the robot using ters kinematik ve if we collect a
bunların çoğu şu anda birlikte çalışabileceğimiz bir kütüphanesi var ama tek bir gösteri değil.
Örneğin, gerçek dünyadaki varyasyona göre, bu sadece çok özel bir kutu için işe yarayabilirdi.
Bu yüzden, bu referans yörüngelerini bir yere koşmak için de yaptık.
robotun nasıl denge kurması gerektiği için çözen yörünge optimizasyon programı
Uh, uh, uh, uh, uh, uh, uh, uh, uh, uh, uh, ah
eğer kutu bu konumdaysa, Optimizer bunu yaratacak.
Bir sonraki Milano 'nun bu gidişle ilgili konuşacaklarından bahsedelim
Optimus Tesla 'nın yanında ne var? Teşekkürler Larry.
Umarım şu anda son birkaç ayda neler yaşadığımıza dair iyi bir fikir sahibi olun.
İşe yarar bir şey yapmaya başladık ama kullanışlı olmaktan çok uzak. Uzun ve heyecan verici bir yol var.
Bence önümüzdeki birkaç hafta içinde en azından Optimus 'un en az bir kaç hafta içinde en azından ...
Bumble C ile aynı. Daha önce gördüğünüz diğer böcek prototipi ve muhtemelen ötesini de başlatacağız.
fabrikalarımızdan birinde gerçek kullanım davasına odaklanmak ve gerçekten bunu çivmeye çalışmak ve ben her şeyi çözeceğim
daha önce bahsettiğim gerçek dünyada bu ürünü devreye almak için gerekli elemanlar
Yönetim ve hatta bakım için iç mekan navigasyonunu bilirsiniz.
Bu ürünü ölçeklemek için gerekli bileşenler var ama sizin hakkından haberim yok ama sonra
Bu gece gösterdiğimiz şeyi görmek birkaç ay ya da yıl içinde bu işi bitirebileceğimizden eminim ve ben de bunu yapacağım.
bu ürün bir realite ve tüm ekonomiyi değiştirsin bu yüzden tüm Optimus ekibine sert bir şekilde teşekkür etmek istiyorum
Son birkaç aydır çalışıyorum. Bence bunların hepsi neredeyse altı ya da sekiz ay içinde yapıldı. Teşekkürler.
Çok fazla [ Alkış]
Herkese teşekkürler.
Merhaba, ben Ashok, Milan Tanrısı ile birlikte otopilot takımını yöneteyim.
Optimus bölümü yine de deneyecek.
Son bir kaç yıldır inşa edilen her Tesla, bizim düşündüğümüz ...
otomobil sürücüsünü kendi haline getirmek için yazılım üzerinde çalışıyoruz.
geçen yıl bu kez daha yüksek ve daha yüksek bir özerklik seviyeleri ekledik
Yaklaşık olarak 2 000 araba FSD beta yazılımımızı kullanıyor. O zamandan beri önemli bir şey var.
yazılımı bugün itibariyle 160 000 müşteriye sevk ettiğimiz sağlamlık ve yetenek olarak iyileştirdi.
Evet. [ Alkışlar]
bu, mühendislik ekibinin ter ve kanından, son bir yıl içinde ücretsiz olarak ortaya çıkmayacak.
örneğin sadece geçen bir yılda 75 000 sinir ağı modeli yetiştirdik.
Her sekiz dakikada bir model çıkıyor. Takıdan çıkıyor ve onları büyük bir şekilde değerlendiriyoruz.
kümeler ve daha sonra bu modellerin 281 ' ini, aslında otomobilin performansını geliştiren modelliyoruz.
ve bu yenilik alanı, planlama yazılımı the stack the stack boyunca gerçekleşiyor.
araçların her şeyi işe almasının altyapısı bir sonraki seviyeye ilerliyor
FSG beta yazılımı araç kullanabilecek kapasitede olup, bu yazılımın içinden geçebilmelidir.
Trafik lambaları ve durdurma işaretleri için CDC ' nin otoparkına park etme otoparkına park etme
kavşaklar arası yapılarda nesnelerle görüşmeler, sırayla ve benzeri
tüm bunlar, arabanın kendisinde çalışan sinir ağlarımızın içinden geçen kamera akışlarından geliyor.
sunucuya geri dönmeyen ya da arabada çalıştığı herhangi bir şey ve dünya modelini oluşturmak için tüm çıktıları üretir.
araba çevresinde ve planlama yazılımı arabayı buna dayalı olarak kullanıyor.
Bugün, sistemi oluşturan pek çok bileşene gireceğiz. Ağ gibi, doluluk şebekesi gibi hareket eden.
sistemin geometri katmanı bu çok kameralı video sinirsel
görüntülerden gelen ağ, dünyanın dört bir yanında tam fiziksel doluluğu öngörüyor
Robot, fiziksel olarak mevcut olan herhangi bir şey. Duvarlar duvarlara duvar.
Size sahip olması, eğer özel olarak var olup olmadığını, gelecekteki hareketleriyle birlikte öngördüğünü tahmin ediyor musunuz?
bu temel seviyede geometrinin üzerine, daha fazla semantik katmanlar elde etmek için
rotasına ihtiyacımız olan yol yollarına yön ver ama sonra yol yolları çok fazla
farklı şeritler ve her türlü şekilde bağlanırlar. bu yüzden aslında tipik bilgisayar için gerçekten zor bir sorun
uçak setini ve bağlantılarını tahmin etmek için görme teknikleri, böylece tüm yolu dillere ulaştırdık.
Teknoloji ve daha sonra, bu görevi yapmak için sadece bilgisayar vizyonunu değil, diğer etki alanlarından sanat durumunu çekip aldı.
bunları kontrol etmek için tam kinematik durumlarına ihtiyacımız olan araçlar için
tüm bunlar direkt olarak sinirsel ağlar video akımları ham video akımları geliyor ağlara çok şey geçer
Ve sonra tüm kinematik durumların hızlanmasını sağlar. Bu da hızlandırıcı bir şekilde hızlanma hızlarını hızlandırır.
gerçekten çok etkileyici olan ağlardan geliyor bana gerçekten büyüleyici çünkü nasıl oluyor da
bu sihrin içinde yaşadığımız dünyanın ne yaptığı bile mümkün. bu şebekeler dördüncü olarak tahmin ediyor
insanlar bu nesneleri tespit edemediğimizi düşündüğünde bu pozisyonların türevleri
Benim fikrime göre, bedava bir şey için gelmemişti tonlarca veriye ihtiyaç vardı. Bu yüzden biraz sofistiz bir oto etiketleme yaptık.
Ham algılayıcı verileri aracılığıyla Shone 'un verileri üzerinde bir ton çevrimdışı bilgi işlem yürütmesi
sunucular birkaç saat sürebilir pahalı sinir ağları dihala bilgileri trenle yönlendiren etiketlere diziver
bunun üzerine araba içi sinir ağları, simülasyon sistemimizi de sentezlemek için kullanıyoruz
Resim yarat ve bu bir simülasyon olduğundan, tüm etiketlere sahip olduğumuz bir simülasyon.
tüm bunlar, ilk önce biz olduğumuz iyi yağlanmış bir veri motoru boru hattı üzerinden geçiyor.
Bir veri gemisine sahip bir temel çizgi modeli trenle arabaya kadar. Başarısızlıkların ne olduğunu ve bir kere de başarısızlıkları bildiğinizi görün.
Filonun, başarısız olduğu vakalar için, doğru etiketleri sağlayacağı ve verileri eğitim setine eklediğimiz için bizim filomuz.
bu süreç sistematik olarak sorunları onarır ve arabada çalışan her görev için bunu yapıyoruz.
evet ve bu yeni devasa sinir ağlarını eğitmek için bu yıl eğitim altyapımızı aşağı yukarı genişlettik
Yüzde 40-50 demek ki bu da bizi günde 14 000 gpus kadar bir çok yerde oturuyor.
birleşik devletler ' de eğitim kümeleri de yapay zeka derleyicimiz üzerinde çalıştık
şimdi o sinir ağlarının ihtiyaç duyduğu yeni operasyonları destekliyor ve bunları temellerimizin en iyisine haritalatabiliyor.
Donanım kaynakları ve çıkartma motorumuz bugün, bu kaynakların yürütülmesini dağıtma yeteneğine sahiptir
İki bağımsız sistemde, birbirine bağlı iki bağımsız bilgisayarda tek bir sinir ağı
basit kendi sürücüsündeki bilgisayar içinde ve bunu mümkün kılmak için uçtan uca sıkı bir kontrol altında tutmak zorunda
bu yeni sistemin gecikme süresi, bu nedenle FSD platformunda daha gelişmiş zamanlama kodunu devreye almıştık
arabada birlikte çalışan tüm bu sinir ağları, yine aynı zamanda modelin modeli olan vektör uzayı üretir.
robot ya da araba etrafında dünya ve daha sonra planlama sistemi bu işin tepesinde yörüngelerde bulunan yörüngelerle çalışır.
model tabanlı optimizasyon kombinasyonunu kullanarak çarpışmaları önlemek veya hedefe doğru düzgün bir şekilde ilerleme kaydetmemek
artı hızlı bir şekilde olması için optimize etmeye yardımcı olan nöral ağ
bugün, mühendislik önderliğinde sahip olduğumuz tüm bu alanlarda ilerleme kaydettiğimiz için gerçekten çok heyecanlıyız.
içeri gelin ve bu çeşitli blokları açıklasın ve bu gücü sadece araba değil, aynı bileşenler Optimus üzerinde de çalışır
Milan ' ın daha önce gösterdiği robot, planlama bölümü hakkında konuşmaya başlamak için hoş geldiniz paneli
hi all I'm parel joint let's use this interprection senaryo to
otomatik olarak planlama ve karar alma nasıl yapılır otomatik olarak otopilot ' ta bu yüzden bu kavşağa yaklaşıyoruz
bir yan sokaktan ve biz de girmek üzere olduğumuz gibi tüm sınır araçların sağlığına boyun eğmek zorundayız.
kavşağın diğer tarafındaki kavşak, yolun karşısına geçmeye karar verir.
artık crosswalk olmadan doğru ve doğru olan araçlara bu yaya getirisine boyun eğmemiz gerekiyor.
kavşak ' ın diğer tarafında bulunan yaya ile araç arasındaki ilişkiyi de anlasın.
bu yüzden hızlı bir bakışta çözmemiz gereken bu içi nesne bağımlılıkları bir çok
Ve insanlar bu işte çok iyiler. Bir sahneyi, tüm olası etkileşimlerin en iyi şekilde değerlendirdiğini anlarız.
umut verici olanlar ve genel olarak makul bir seçim seçmesi
Öyleyse, otomatik pilot sisteminin değerlendirdiği bu etkileşimlere bir bakalım. Bu işin önüne geçebiliriz.
yanal bir profilde çok agresif bir fırlatma ile yaya olarak yaya olarak aptala davranıyoruz.
Yaya ve biz, yayayı ve sevimli evcil hayvanını, yavaş yavaş ilerleyebilirdik.
yayla ya da sağ dan araç arasındaki bir boşluk için, araca hıçkıra davranıyoruz.
sağdan geliyor ancak bu etkileşimi açıkça reddetmemelisiniz, bu sadece güvenli bir etkileşim.
Son olarak, yavaş yavaş kalmayı seçen etkileşim, mantıklı bir şekilde ortaya çıktı.
Gap ve sonra tüm ajanlar geçtikten sonra manevrayı bitirin
şimdi tüm bu etkileşimlerin değerlendirilmesi önemsiz değil özellikle modelleme konusunda önem verdiğinizde
örneğin diğer ajanlar için daha yüksek sipariş türevleri, boylamsal nedir?
araç tarafından zorunlu olarak gelen, sağ taraftan gelen, tamamen çarpışma kontrolündeki çarpışma kontrollerine güvenerek,
modüler tahminler sadece sizi şu ana kadar getirecektir. çünkü çok sayıda geçerli etkileşiminiz
Bu temel olarak, ego ve ego yörüngeleri üzerinde çok taraflı bir yörünge planlama sorununu çözmek için bobindir.
Tüm diğer ajanlar, ne kadar optimize etseniz de, ne kadar hızlı olabileceğinin bir sınırı olacak.
bu optimizasyon sorununu çalıştırın, bir çok artımlı onaylamanın ardından bile 10 milisaniyeden siparişe yakın olacak.
şimdi tipik bir kalabalık öngörülemeyen bir sol için her biri 20 ' den fazla obje olduğunu söylüyor.
birden çok farklı gelecek moduna sahip olan nesne, ilgili etkileşim kombinasyonlarının sayısı patlayacak
biz planlayıcımız her 50 milisaniyede bir karar vermek gerekiyor. böylece bunu gerçek zamanlı olarak nasıl çözeceğiz?
"Etkileşim arayış" dediğimiz bir çerçeveye güveniyoruz. Bu araştırma, aslında bir grup tarafından yapılan bir araştırmayla ilgili.
manevra yörüngeleri burada eyalet alanı kinematic state of ego ' ya karşılık gelir kinematik
diğer ajanların durumu nominal gelecek çoklu çoklu durum tahminleri ve olay yerindeki tüm statik varlıklar
Aksiyon alanı, işlerin ilginçlik yaptığı bir yer. Bir manevra yörüngesi kümesi kullanıyoruz.
bir grup işlemsel karar üzerinden Branch ' e aday ve aynı zamanda daha uzun bir süre için artımlı hedefler
"Horizon manevrası" "Bu araştırmayı çabucak bitirip, nasıl işlediğini anlayalım."
Bir dizi görüş ölçüyle başlıyoruz, yani Lanes doluluk nesneleri, bu şekilde temsil ediliyor.
seyrek alımlar yanı sıra, bunu bir hedef kümesi oluşturmak için kullandığımız gizli özellikler
Aday Adayları yine şerit Ağı veya yapılandırılmamış bölgelerden Lanes 'e
bu altınların bir kısmını bir kez aldığımızda insan gösterilerinden elde edilen bir olasılık maskesi
adaylar, klasik optimizasyon yaklaşımlarının bir birleşimini kullanarak tohum yörüngeleri oluşturduk.
Bu ücretsiz bir grup elde ettiğimiz anda, ağ planlayıcısı yine müşteri beslemelerinden veri almaya başladı.
yörüngeleri, en kritik etkileşimi bulduğumuz etkileşimlere dalmaya başlamak için kullanıyoruz
Bizim durumumuzda bu, yaya olarak kabul edilip edilmediğimizi ya da ona boyun eğme konusunda bir etkileşim olacaktır.
Belli ki soldaki seçenek yüksek bir ceza seçeneği. Büyük ihtimalle önceliklendirilmeyecek. Böylece biz de daha ileri bir yere gidelim.
Sağdaki seçenek ve bu optimizasyonun daha karmaşık etkileşimlerini ortaya çıkardığımız yer.
daha fazla kısıtlamalarla artan bir sorun ve bu araştırma, daha fazla etkileşim dallarına dalma akmaya devam ediyor.
artık daha fazla hedefte bir çok hile bu düğümün her birinin değerlendirilmesinde yalan söylüyor.
yaratma ile başladığımız her bir düğümün içindeki araştırmaların
Tarif ettiğim gibi kısıtlamaların aşamalı olarak ekleneceği klasik optimizasyon yaklaşımları kullanılarak yörüngeler
bu durum oldukça iyi olsa da, her işlem için bir ila beş milisaniyeye yakın bir süre alır.
bu, 100 ' den fazla etkileşimin ölçeklendirilmemesi için istediğiniz
bu yüzden planlayıcısının döngüde çalıştırabileceğiniz hafif sorgulanabilir ağlar inşa ettik.
bu ağlar, serbest zaman sınırları ile çevrimdışı çözücülerin yanı sıra filodan insan gösterileri üzerine eğitim
bununla birlikte, her işlem için 200 mikrosaniye kapatmaya kadar rundown çalıştırma zamanını getirebildik.
şimdi bunu tek başına yapmak yeterli değil, çünkü hala gitmeniz gereken bu devasa araştırmalara sahip olduğunuz
üzerinden geçmeniz ve arama alanını verimli bir şekilde budamanız gerekir. bu nedenle her biri için bir puanlama işlemi yapmanız gerekiyor.
Bu yörüngelerden bir kaç tanesi oldukça standart. Bir grup çarpışma kontrol ediyor. Bir avuç rahatlık analizi yaptır.
aslında verilen bir manevra için gerekli bir manevra için gerekli olan müşteri filosu verileri burada yine önemli bir rol oynar
İki farklı hafif değişken ağı işletiyoruz. Her ikisi de birbirlerinin eğitilmesinden eğitilmelerini sağlar.
ile ilgili bir puan veren FST beta Filo ' ya yapılan müdahaleler sonucunda ortaya çıkan bir manevralar
bir kaç saniye içinde müdahaleler ve ikincisi tamamen insan gösterilerine dayalı insan odaklı veri verme
bir insan odaklı bir yörünge ile ne kadar yakın seçildiğini bir puan
puanlama bize yardımcı olur arama alanını genişlemeye devam edin etkileşimler üzerinde daha fazla dalma ve bilgi işlem üzerinde odaklanma
en umut verici sonuçlar bu konuda serin kısmı
mimarisi, sizin yeriniz olduğu veriler ile yönlendirilen yaklaşımlar arasında serin bir karışım yaratmamıza olanak sağlıyor.
bir çok el mühendisliği maliyetine güvenmek zorunda değil ama aynı zamanda fizik tabanlı kontrollerle gerçekliğe de zemin
şimdi tarif ettiğim bir çok şey olay yerinde gözlemleyebildiğimiz ajanlarla aynı ama aynı şey.
çerçeve, sekiz kameradan video beslemeyi kullandığımız nesnelerin ardındaki nesnelere uzanıyor
dünyanın 3 boyutlu doluluğu oluşturmak için burada mavi maske türkiye ' ye karşılık geliyor
görünürlük bölgesi buna temel olarak ilk başta engellenir diyoruz
Olay yerinde gördüğünüz gibi, bu görünürlük maskesini tüketiyoruz. Hayalet nesneler olarak adlanmanızı üretiyoruz.
şimdi sol üstte görebilirsiniz. eğer spawn bölgelerini modellediyseniz ve bu hayaletin durum geçişlerini
denetim yanıtınızı bir değer olarak ayarlarsanız, nesneler doğru olarak
Bu varoluş olasılığının bir işlevi, insan benzeri davranışları çok iyi bir şekilde ortaya çıkarabilirsiniz.
Şimdi bu doluluk ağlarını nasıl oluşturacağımız hakkında daha fazla bilgi vermek için onu bilgilendireceğim.
hey çocuklar benim adım Phil uh geçen yıl içinde inşa ettiğimiz doluluk şebekelerinin detaylarını paylaşacağım
bu ağ, arabalarımızın etrafında 3 boyutlu fiziksel çalışmayı modellemek için çözümümüz ve şu anda bizim çözümümüzde gösterilmiyor.
müşteri ile karşı karşıya olan görselleştirme ve burada göreceği şey iç Dev araçlarımızdan gelen yol ağı çıktısıdır
doluluk Ağı, giriş olarak tüm 80 kameramızın video akışlarını ele alır tek bir birleşik hacimtrik
Vektör uzayında, arabamızın çevresindeki her 3 boyutlu lokasyonda doluluklar var.
bu konumun video kişileri olduğu için o konumun çok meşgul olma olasılığını tahmin eder.
anında ortaya çıkan engelleri tahmin etme yeteneğine sahip
her bir konum için aynı zamanda araba yaya kaldırıcı gibi bir semantik üretmektedir.
ve düşük enkazlar burada renk olarak kodlanmıştır
model genelleştirilmiş bir ağ olduğu için de hareket için doluluk akışı öngörülü
statik ve dinamik nesnelere açık bir şekilde, statik ve dinamik nesneler anlatmaz.
burada swerving eğitmeni gibi rastgele hareketleri modelle
bu ağ şu anda FSD bilgisayarlarıyla tüm Teslas 'ta çalışıyor ve
sinirsel hızlandırıcı ile her 10 milisaniyeden inanılmaz derecede verimli çalışır
Peki bu iş nasıl oluyor da önce mimariye bir göz atmamız gerekiyor?
kamera kalibrasyonu ve görüntüler burada gösterildi ağa aslında hiç olmadığı kadar
8-bit RGB görüntüsü, ilk görüntüden görebileceğiniz gibi.
dört adet olduğu için 12 bit ham fotoğraf hesabı görüntüsünü ağa verme
bitler daha fazla bilgi, 16 kat daha iyi dinamik aralığı yanı sıra azaltılmış
Adobe 'de yanlış ISP' ye sahip olmadığımızdan beri gecikme süresi içinde bir kayıt ve geri dönüş seti kullanıyoruz.
Resim alanı özelliklerini çıkarmak için bir omurga olarak FPS, 3 boyutlu bir konum kümesi oluşturduk
Anahtar olarak IMG alanı özellikleriyle birlikte sorgu ve değerler bir dikkat modülüne uyum sağlar
dikkat modülünün çıkışı yüksek boyutlu uzamsal özelliklerden
bu özel özellikler araç odyometrisi kullanılarak geçici olarak hizli
bu uzamsal zamansal özellikleri son olarak türetmek için
son doluluk ve doluluk akışı çıkışını üretmek için bir dizi d konvolution aracılığıyla
Sabit bir boksör grisi olarak kurulabilirler. Bu gri boksör, kontrol etmeyi planlamak için yeterli olmayabilir.
daha yüksek bir çözünürlük elde etmek için, 3 boyutlu uzamsal olarak MLP ' ye besleyecek olan her bir voxel özellik eşlemleri için de üretiyoruz
Herhangi bir rasgele konumda konum ve anlambilimi almak için kullanılan nokta sorguları
Modeli daha iyi tanıdıktan sonra, başka bir örneğe bakalım. Doğru düzgün park etmiş bir otobüsün var.
yan satır, otobüse yaklaşırken burada L şeklinde bir boksör olarak vurgulanmış.
Arabanın ön tarafı mavi hareket eder. İlk olarak modeli gösteren mavi, ön otobüsün sıfırın altında olduğunu tahmin eder.
doluluk akışı ve s-bus tüm otobüsün hareket ettirmeye devam ediyor mavi
ve ayrıca ağın, otobüsün kesin kıvrımlısını tahmin ettiğini de görebilirsiniz.
Bu, geleneksel nesne algılama Ağı için çok karmaşık bir sorundur.
Bir cuboid ya da belki de iki buçuğa sığabilmek için. Ama işgal Ağı için.
Değer verdiğimizden beri, görünür uzayın doluluğu ve eğriliği tam olarak modelleyebileceğiz.
ayrıca voxel sınıfı doluluk şebekesi de kurulabilir bir yüzey üretiyor.
kurulabilir yüzeyin hem 3 boyutlu geometrisi hem de anlambilimi, özellikle şifa konusunda kontrol için çok yararlı
ve kıvrımlı yollar the surface and the voxel gray bağımsız olarak tahmin edilmiyor
voxel grid aslında yüzeyle aynı hizaya geliyor burada biz bir kahraman Quest'iziz
yüzeyin 3 boyutlu geometrisini güzel tahmin ediliyor.
planner bu bilgileri, belki de hillcrest için daha fazla yavaşlatmamız gerektiğine karar vermek için kullanabilir ve sizin de
voxel derecesiyle yüzeyin tutarlı bir şekilde hizalanması
Ayrıca, kutu kaynağı ve yüzeyde, sinirsel okumalar alanında son atılım için çok heyecanlıyız.
Nerf, her ikisine de ışık renk özelliklerini dahil ediyoruz.
Ağ çıktımızı, Nerf için giriş durumu olarak kullanmak gibi, doluluk ağ eğitimi
Aslında Ashok bu konuda çok heyecanlı. Bir süredir onun kişisel hafta sonu projesi oldu.
bu sinirlerde, çünkü bence akademi bu tür bir çok şey inşa ediyor.
Dil için temel modeller, dil için tonlarca büyük veri kümesi gibi ama görme sinirleri için düşünüyorum.
geometri ve geometri alanında cezalı oldukları için bilgisayar vizyonu için vakıf modellerini sağlayacaklar.
ontoloji ve ontoloji tanımlama zorunluluğumuzun dondurulması için bize güzel bir yol veriyor.
denetim temelde ücretsizdir çünkü bu görüntüleri farklı bir şekilde görsel olarak gerçekleştirmeniz gerekiyor. bu yüzden bunu gelecekte düşüneceğim.
imajlar bildiğiniz gibi görüntüler gelir ve sonra ağ tutarlı bir şekilde üretir.
daha sonra farklı olarak görülebilen sahne ' in hacimsel gösterimi, ben de gözlemlediğim gözlemlenen herhangi bir görüntüye
kişisel olarak bilgisayar görüşünün geleceğidir ve şu anda bu konuda ilk iş yapıyoruz biliyorsun ama ben ...
Hem Tesla 'da hem de akademide gelecekte bu durumu düşüneceğiz.
Tek çekim öngörüsü volümtrik doluluğun birleşimi olacak.
Kişisel bahis cinselim. Bu yüzden burada bir örnek var.
Görüntüleme alanında mükemmel RGB reprojeksiyonu elde etmek yerine ücretsiz verilerimizden 3D yeniden oluşturma
burada birincil hedef, sürüş için 3 boyutlu uyarıları doğru bir şekilde temsil etmek ve bunu hepimiz için yapmak istiyoruz.
tüm hava ve aydınlatma koşullarında dünya üzerinden ücretsiz verilerimiz ve belli ki bu çok zorlu bir
sorun ve biz sizin için aradığımız çocuklar sonunda doluluk ağı eğitilmeye
döngüde herhangi bir insan olmadan geniş bir otomatik seviye veri kümesi ile ve onunla konuşmak için Tim ' e geçeceğim
Bu ağı eğitmek için ne gerekeceği ile ilgili Phil sayesinde.
Herkes biraz eğitimden bahsedelim.
Altyapı için bir kaç video izledik. Dört ya da beş tane. Düşün ve umursuyorum.
Daha çok, üzerinde çok daha fazla Clips daha fazla endişelenmeye devam ediyoruz.
sadece Phil ' in doluluk ağları sadece 1,4 milyar alıyor videoları dolduruyor
O ağı eğitmek için çerçeveler, az önce gördüğünüz şeyi ve eğer 100 bin gpus varsa, bir saat alır.
Ama eğer bir GPU varsa, 100 bin saat alır, bu yüzden bu iş olmaz.
bir humane zaman dönemi, eğitim işini doğru koşmak için bekleyebilirsiniz. bundan daha hızlı bir şekilde sevk etmek istiyoruz.
Bunun anlamı, paralel gitmeniz gerekecek. Bu yüzden daha fazla bilgi işlem yapmak için daha fazla bilgiye ihtiyacınız olacak.
Süper bilgisayar bu yüzden şirket içi üç süper bilgisayar inşa ettik.
eğitim için 10 000 gpus kullandığımız 14 000 gpus ve dört bin civarında
otomatik etiketleme için gpus tüm bu videolar dağınık bir yönetilen videonun 30 petabayt ' da depolanır
Belleğinizi sabit bir şekilde düşünmemelisiniz.
imageet ya da bir milyon çerçeve gibi bildiğiniz bir şey bunu çok akıcı bir şey olarak düşünmeniz gerekir. bu yüzden bir
bu kümelerin içinde ve dışında akan bu videoların yarım milyonu her gün bu kümeler
Ve her saniye, bu tür python video örneklerinin 400 000 'i izliyoruz.
Bu, bu kadar çok çağrıya ihtiyacımız olacak. Bu da, bu işin alıkoyma politikalarını yönetebilmek için.
dağıtılmış video cache bu kadar altta yatan tüm bunlar çok büyük bir miktar infra tüm oluşturduğumuz ve yönettiğimiz
Bu yüzden, sadece 40 000 'i satın alamazsın.
Gpus ve sonra 30 petabayt bir Flash Mvme ve onu bir araya getirelim ve gidip trene binelim. Gerçekten çok fazla.
İş ve ben biraz daha devam edeceğim. Aslında normalde yapmak istediğin şey hızlandırıcı almak istiyor.
Bu daha sonra hakkında konuşacağımız GPU veya Dojo olabilir. Çünkü bu en pahalıdır.
bileşeni darboğazınızı koymak istediğiniz bir bileşen ve böylece sisteminizin her bir bölümünün bir parçası olduğu anlamına gelir.
Bu hızlandırıcıyı daha iyi bir şekilde yerine getirmemiz gerekiyor.
depolamanızın tüm verileri düğümlere teslim etmek için boyutlarına ve bant genişliğine sahip olması gerektiği anlamına gelir.
bu düğümlerin, makine öğreniminize beslemek için doğru miktarda CPU ve bellek yeteneklerine sahip olması gerekir
bu makine öğrenme çerçevesini çerçevelemek daha sonra GPU ' nunuza teslim etmek gerekir ve sonra eğitime başlayabilirsiniz, ama sonra siz
bunu yüzlerce veya binlerce GPU ' da güvenilir bir şekilde yapmak gerekir.
Logstap ve bir bakıma da hızlı. Bu yüzden bir ara bağlantı çok karmaşık. Daha çok konuşacağız.
yaklaşık bir saniye sonra dojo hakkında, ilk olarak sizi bir yere götürmek istiyorum
Bizim kümede yaptığımız optimizasyonlar, böylece çok sayıda video ve video çekiyoruz.
video kliplerde ya da metinlerle ilgili olarak çok iyi kurulmuş bir video olduğunu söylememe izin verme gibi bir şey yoktur.
kelimenin tam anlamıyla bir boyut daha karmaşık um ve bu yüzden sonlara gitmemiz gerekiyordu.
depolama katmanından hıza kadar uçmak ve her bir parçasını optimize etmek için. çünkü biz foton sayısındaki trenle eğiyoruz.
doğrudan filomuzun üzerinden gelen videolar doğrudan bunları eğiyoruz, bunları hiç bir şekilde işleme göndermediğimiz
az önce yaptığımız şey, bizim toplu işimiz için seçtiğimiz çerçevelere tam olarak aramamız. Bu da dahil olmak üzere.
buna bağlı oldukları çerçeveler, bu çerçevelerin ya da anahtar çerçevelerin, bunları paketlediğimiz çerçeveler, bunları paylaşılan çerçeveye
bellek onları GPU 'dan bir çift çubuğa taşır ve daha sonra sadece hızlandırılmış donanım decoder' ı kullanın.
Aslında videonun şifresini çözeceğiz, böylece biz de GPU ' da yapıyoruz ve hepsi de çok güzel bir piton torch uzantısında.
yapmak, doluluk şebekeleri için 30 ' dan fazla eğitim hızının artırılması ve temel olarak bir bütün olarak serbest
CPU 'dan başka bir şey yapmak için CPU' ya sadece eğitim veremezsiniz.
Tabii ki, bir çeşit toprak gerçeğin var. Gerçek şu ki ilginç bir problem.
toprak gerçeğin saklanmak için objektif, ihtiyacınız olan zemin gerçeklerinize mutlaka ulaşmak istemeniz
toplama için optimize etmek için gereksinim duyarsanız en az miktarda dosya sistemi işlemi ve yük miktarı
bir hesaplama kümesini dahili olarak sabitleyen bir büyük aygıt olarak görmeniz gerektiğinden, küme çıkan iş oranı
kısıtlamalar ve eşikler, bunun için bir format attık.
"Küçük" dediğimiz yerldir. "Küçük" diye adlandırılıyor. "" "" ... "" "..." "" ... "" "..."
Burada bir sürü tenör var. Burada sadece çizgi film var. Bunlar senin masanız.
O zaman diskte yuvarlansan böyle olur. Ne yaparsan yap, istediğin her şeyi al.
Örneğin, ilk üstbilgide, örneğin, video zaman damgaları gibi tüm bunları üstbilgiye yerleştirmenizi istiyorum.
Diskin tam olarak nereye gideceğini bildiğini okuyorsun, eğer bir tensörünün varsa, onu da ...
bitişik boyut olarak farklı bir boyut koymak için boyutlar ve daha sonra farklı türleri de deneyin
sıkıştırma daha sonra hangisinin en optimal olduğunu kontrol edip, sonra bunun aslında çok büyük bir adım olduğunu sakladığınızı kontrol edin.
özelliği, makine Öğrenimi Ağı 'nın etrafında döndüren makineden anlaşılamayan çıktı
boyutlar biraz olsun depolamanın verimliliğinde 20 ' ye kadar artırabilirsiniz, o zaman bunu da depoladığınızda
sütunlara, tüm küçük sütunlarınız ve küçük değerlerinizin bir arada olması için boyutlara göre sıralanır. böylece, bir
tek değer, daha sonra kullanacağınız, daha sonra kullanacağınız, daha fazla değer içeren bir okuma ile çakışacaksınız.
başka bir dosya sistemi operasyonu bu yüzden devam edebileyim ve devam edebileyim
dahili olarak sahip olduğumuz iki projeye değinilmekle birlikte, aslında bu durumu optimize etmek için büyük bir sürekli çabaların bir parçası.
Tüm bu optimizasyonlar sayesinde şirket içinde bu kadar birikmiş ve topaldığımızı hesaplıyoruz. Şimdi de bizim için eğiyoruz.
İki kat daha hızlı, iki kat daha hızlı, çünkü iki kat daha verimli ve şimdi daha fazla hesaplama ve daha fazla bilgi işlem yapıyor.
paralel olarak bunu saatler yerine saatler içinde eğitemeyiz ve bununla birlikte bunu elden teslim etmek istiyorum.
bilgi işlem john ' un en büyük kullanıcısı
Herkese merhaba, benim adım John Emmons otomatik pilot vizyon ekibi yönetiyorum seninle iki konuyu kapatacağım.
bugün ilk olarak şeritleri tahmin ettiğimiz ve ikinci olarak yoldaki diğer ajanların gelecekteki davranışlarını nasıl tahmin ettiğimiz.
otomatik pilotun ilk günlerinde şerit algılama sorununu bir resim alanı anında segmentasyon görevi olarak modelledik.
Bizim ağımız çok basitti. Aslında sadece Lanes 'i bir kaç farklı türünden basma yeteneğine sahip.
Geometriler özellikle Eagle Lane 'i keserdi. Bitişiğindeki kesime
şeritler ve daha sonra çatallar için özel bir kovan vardı ve bu basit bir modeldeki problemin basitleştirilmiş modellemesi
otoyollar gibi son derece yapısal yollar için çalıştı ama bugün bir sistem kurmaya çalışıyoruz
Daha karmaşık Maneuvers yapabilme yeteneğine sahip. Özellikle sol ve sağ kavşakları sırayla yapmak istiyoruz.
bu basitleştirilmiş modellemeyi uygulamaya çalıştığımızda yol topolojisinin oldukça karmaşık ve çeşitli olabildiği bir yer.
Burada bir sorun var. Bir an için bir adım geri çekiliyor.
Burada yapmaya çalıştığımız şey, onların bağlantılarındaki kıvılcımın kıvılcımı tahmin etmek ve yapmak istediğimiz şey bir şey yapmak.
bu grafiği temel olarak tahmin eden nöral ağ, düğümlerin şerit kesimleri olduğunu ve kenarların encode ettiğini
Bu Lanes arasındaki bağ bu yüzden bizim şerit algılıyoruz.
sinir ağı, ilk bileşendeki üç bileşenden oluşur. bir set
kıvrımsal katmanlar dikkat katmanları ve diğer sinir ağı katmanlarını kodlayan diğer sinir ağı katmanlarını sekiz
araçtaki kameralar ve zengin bir görsel temsil üretiyor
daha sonra bu dijital sunumu, birlikte kodladığımız bir kaba yol haritası yol düzeyi harita verisiyle geliştiriyoruz
şerit yönlendirme modülü dediğimiz bir dizi ek sinir ağı katmanları bu haritayı bir HD harita değil,
çeşitli yollar üzerindeki şerit sayılarının ve diğer bir dizi özniteliklerin kesişme noktasındaki şeritlerin içindeki şeritlerle ilgili bir çok yararlı ipucu sağlar
Burada ilk iki bileşeni bize yardım edin.
dünyayı kodlayan yoğun tensör ama asıl yapmak istediğimiz şey bu yoğun tensörü bir şeye dönüştürebilmek.
bağlantılarında akıllı şerit kümesi, bu soruna bir görüntü gibi yaklaşıyoruz
giriş, girişin bu yoğun tensör olduğu ve çıkış metninin de özel bir dille tahmin edildiği
Tesla 'da geliştirdik. Lanes 'i bu şeritlerdeki bağlantılarında kodlama için geliştirdik. Kelimelerin ve kelimelerin
belirteçler, simgelerdeki belirteçler tanıtıcı değiştiricilerinin Sırasında 3 boyutlu boşlukta bulunan şerit konumlarıdır
görevi bir dil olarak modelleyerek bu Lanes arasındaki bağ ilişkilerini kodla
Birden çok şeyi ele almak için dil Topluluğundan gelen son otomatik regressif mimarilerden ve tekniklerden yararlanabilir
Problemin modalitesi sadece otopilitlerde bilgisayar görme problemini çözmekte değiliz. Aynı zamanda son teknoloji ve teknolojik bilgileri de uyguluyoruz.
dil modelleme ve makine öğrenimi daha genel olarak artık bu dil bileşeninin biraz daha ayrıntısına dalacağım
buradaki ekranda tasvir ettiğim şey, çevresindeki yerel alanı temsil eden uydu görüntüsü.
araç soyma kenarları şerit grafiği olarak adlandırdığımız şey ve sonuçta bu sinirsel olarak ortaya çıkmak istediğimiz şey.
İlk önce boş bir sayfa ile başlıyoruz. İlk önce bizim istediğimiz şeyi yapmak isteyeceğiz.
Bu Yeşil Nokta 'da tahmin edilen bu yeşil nokta konumu şu şekilde kodlanmıştır:
3B Dünya 'nın itibarını zedeleyen bir kurs kılavuzuna ilişkin bir dizin artık bu dizini doğrudan tahmin etmediğimizden
Çünkü çok fazla hesaplama yapmak çok pahalı olurdu. Yani çok fazla kılavuz noktası var ve bir kategorik tahmin öngörüyor.
bunun üzerine dağıtımda hem eğitim zamanı hem de test süresi var. bunun yerine ne yaptığımızın yerine biz disneyerek
dünya coarly önce olası yerler üzerinde bir ısı haritası tahmin ediyoruz ve daha sonra en muhtemel lokasyonda mandalla
bundan sonra öngörüsü daraltabiliriz ve kesin noktayı elde ederiz.
Şimdi bu simgenin yerini biliyoruz. Yeni bir başlangıç olduğu halde bu durumda onun tipini bilmiyoruz.
Lane, başlangıç belirteci olarak yaklaşmaya yaklaşıyoruz. Çünkü bu bir yıldız simgesi değil.
daha sonra dilimizde ek öznitelikler daha sonra bu ilk ileri geçitten tahminler alıyoruz ve bunları kodlıyoruz
birlikte birleştirdiğimiz bir dizi tensör üreten, öğrenilmiş ek bir gömme kullanma
bu da bizim kulvarlarımızın dilimizdeki ilk kelimesidir. bu cümledeki ilk pozisyonumuzu siz bilirsiniz.
daha sonra benzer bir şekilde bir sonraki şerit noktasını matbaa ederek bu süreci devam ettiriyoruz.
Bu Lane yeni bir Lane 'in başlangıcı değil. Aslında bir önceki şeritten bir devamı.
Yani bu bir ... devamı için yeterli değil.
Bu Lane, daha önce korunan düzlemle bağlantılıdır. Ki bu da bizim yaptığımız tam geometrisini kodlamak istiyoruz.
Bir set spline katsayılarını okşayacağız. Sonra da bu şeritten alıyoruz.
tekrar ve cümlede bir sonraki kelime olarak ekleyin. bu devami lanes ' e varana kadar öngörmeye devam ediyoruz
öngörü kılavuzunun sonu, daha sonra farklı bir Lane segmentine geçeceğiz, böylece şu anda orada bulunan sian noktayı görebilirsiniz
Bu pembe gösteriye göre topolojik olarak bağlanmıyor. Aslında o mavi, yeşil, yeşil, yeşil, yeşil, yeşil, yeşil, yeşil, yeşil, yeşil, yeşil, yeşil, yeşil
Orada bir çatal tipi var ve Fork jetonu var.
Aslında, çatalın kaynaklandığı önceki simgelere işaret etmek için
Burada çatal noktası tahmin sistemi aslında sıfır indeksi. Yani aslında önceden tahmin edilen simgelere geri göndermede bulunuyor.
tüm bu süreci sıralayana kadar bu süreci tekrar ve tekrar devam ettiriyoruz.
Ling grafiğindeki simgeler ve ağ, tümce simgesinin sonunu tahmin eder
Evet, sadece şunu belirtmek isterim ki, bunu yapmamızın nedeni sadece karmaşık bir şey inşa etmek istemediğimiz için değil.
Neredeyse sinir ağlarıyla çalışan tam bir makine gibi geliyor. Basit yaklaşımları denediğimiz.
Yol boyunca yol boyunca ya da böyle bir şey için örnek vermek gerekir, ama sorun şu ki,
Belirsizlik var, yolu açık bir şekilde göremiyorsunuz ve iki şerit ya da üç şerit de olabilir ve bunu söyleyemezsiniz.
basit bir segmentasyon tabanlı bir yaklaşım, ikisini birden çizmek için 2.5 Lane durumu gibi bir durum ve
post işleme algoritması inanılmaz bir şekilde başarısız olur tahminler öyle evet sorunlar orada bitmiyor demek istediğim
Bu konektif lanetler gibi konektif koşulları önceden tahmin etmek gerekir ki, kesişme kısımlarının içindeki bu yaklaşımla mümkün değil.
Bu yüzden bu segmentasyon gibi örtüşme yapmak zorunda kaldık. Bu segmentasyon sadece Haywire 'i geçecekti, ama sen bunu yapmak için çok çabalasan bile.
Onları ayrı katmanlara koymanın ne zor bir problem olduğunu bilirsin. Dilinin ne kadar güzel bir çerçeveye sahip olduğunu görmek için ...
bir posterior örneğinden örnek olarak ya da tüm bunları işleme sonrası olarak yapmaya çalıştığınızda
Ama bu sadece otopilot için durmuyor John. Bu, Optimus için de kullanılabilir.
Lanes diye anılabilirsiniz ama burada bir çeşit yol bildiğini hayal edebilirsiniz. Burada bir çeşit yol olabilir. Bu tür bir şifreyi biliyorsunuz.
İnsanların yürüyebileceği yerler. Evet, temel olarak bir fabrikada ya da ev setinde olman.
Sadece robottan rica edebilirsiniz. Lütfen mutfağa konuşun ya da fabrikadaki bir yere yönelin.
Ve sonra, koridorlardan geçmenin bir yolunu tahmin ediyoruz. Koridor boyunca robotları alıp, bunu iyi söyleyeceğini
mutfağa nasıl gidilir, sadece gerçekten bize, navigasyon sorununu basitleştiren bu farklı yolları modellemek için güzel bir çerçeve veriyor.
Aşağıya doğru akım planlayıcısı, sonuç olarak,
bu şerit algılama ağı, bağlantılarında bir şerit kümesidir ve doğrudan ağdan gelen bağlantılardan
Burada ek bir adım yok. Bu kadar basitleştirmek için yoğun tahminler bildiğiniz gibi yoğun öngörüler biliyorsunuz.
Bu yalnızca ağ üzerinde doğrudan süzgeçten geçirilmemiş bir çıkışa sahip
Tamam, ben de Lanes hakkında biraz konuştum. Kısa bir süre sonra nasıl modellediğimiz ve gelecekteki yolları nasıl tahmin edebileceğimi anlatmıştım.
Nesneler üzerindeki diğer anlambilimi, bu yüzden iki örnek arasında hızlıca geçeceğim.
İşte burada kırmızı ışıkta çalışan bir arabamız var ve bizim halletmemiz gereken şeyi önümüze çeviriyor.
bunun gibi durumlar, kullanabileceğimiz tüm nesnelerle ilgili kısa bir zaman horizon gelecek yörüngelerini tahmin ediyoruz.
burada tehlikeli durumu tahmin etmek ve herhangi bir çarpışmadan kaçınmak için frenleme ve direksiyon hareketinin ne gerekiyorsa uygulanması gerekmektedir.
Sağdaki videoda, önümüze iki araç var. Sol şeritten biri park halinde. Görünüşe göre park halinde.
Ama önemli olan sinirsel ağımızın neden oraya park etmeye karar verdiğini bilmiyorum. Ama sinirsel ağımız durdurulmuş.
Bu da kırmızı renk. Diğer şeritteki kırmızı renk. Fark ettiği gibi, sabit.
Belli ki, kırmızı ışığın yeşile dönüşmesini bekliyorsunuz. Her iki obje de sabit ve sıfır hıza sahip olsa da, bu semantik.
Burada çok önemli. Bu yüzden, park halindeki arabanın arkasında sıkışıp kalmayız.
bu aracı özniteliklerinin tümünü tahmin etme, gerçek zamanlı bir sistem oluşturmaya çalışırken bazı pratik sorunlar sunar
otomatik pilotun değişen ortama hızlı bir şekilde tepki verebilmesi için nesne bölümü yığınının çerçeve oranını en üst düzeye çıkarmamız gerekiyor.
Buradaki her milisaniyede gerçekten önemli olan şey, sinirsel ağımızın iki evreye bölünmesi için ...
ilk aşamada, ajanların var olduğu 3 boyutlu mekanda yer tespit ettik
İkinci aşamada, o 3B konumlardaki tensörleri dışarı çekiyoruz. Bu, ek veriler ile birlikte,
araç ve daha sonra biliyoruz ki bu belirtim adımı işleme geri kalanı izin veriyor.
Gecikme maliyetinin bir bölümü için bize üstün performans veren, önem veren alanlarda bilgi işlem yapmak için nöral ağ.
Bu yüzden hepsini bir araya getirmek otomatik pilot görme yığınının geometrisi ve kinematiklerden daha fazlasını öngörüyor.
dünya, aynı zamanda güvenli ve insan benzeri bir sürüş sağlayan zengin bir semantik öngörüde de tahmin ediyor
Bir şeyleri sokağa atmayacağım. Bize FSD bilgisayarındaki tüm havalı sinir ağlarını nasıl işlediğimizi anlatacağız. Teşekkür ederim.
[ Alkışlar]
Herkese merhaba. Bugün SRI. Bu FSC ağlarını çalıştırmak için ne gerekeceğini bir göz atmak istiyorum.
araba ve bugün çıkarılma gecikme süresi için nasıl optimize ediyoruz?
John 'un az önce bahsettiği FSG şeritleri ağı
Bu piste başladığınızda, bu FSC Lanes Ağı ' nın seyahat motorunda yer alan bir ağ olup olmadığını öğrenmek istedik.
Bu, FSD bilgisayarında inşa ettiğimiz sinirsel ağ hızlandırıcımız.
Bu donanımı kurduğumuz zaman basit tuttuk ve bir tane yapacağından emin olduk.
şey saçma bir şekilde hızlı yoğun nokta ürünler ama bu mimari otomatik
İnner Döngüsü 'nde birden çok dikkat blokunda çıtır çıtır ve tekrarlayıcı ve tekrarlayıcı
doğrudan her adımda seyrek puan üretmesi, buradaki meydan okumanın nasıl
yoğun bir nokta ürün motoru üzerinde bu ayrıştırma noktası öngörüsü ve seyrek hesaplamayı yapabilir miyiz? bakalım bunu nasıl yaptık?
seyahatte böylece ağ, ısı haritasını öngörüyor
en muhtemel mekansal lokasyonlar şimdi bir Arc Max ve bir tane
mekansal konum endekslerinin tek bir sabit kodlamasını veren kalp operasyonu
şimdi bu dizinle ilişkili katıklamayı, çalışma sırasında öğrenilen bir gömme tablosundan seçmemiz gerekiyor.
gezide bunu yapmak için eğitim aslında SRAM ' de bir arama tablosu inşa ettik ve biz tasarladık
bu gömme boyutlarının boyutları sadece matris çarpmasıyla tüm bu şeyi başarabiliriz.
sadece bu katıklamayı bir simge önbelleğine depolamak da istemedik.
Bunu, her yineleme için yeniden hesaplamayız. Daha sonra tekrar tekrar tekrar kullanmak için. Gelecek noktaya tekrar tekrar gireceğiz.
Buradaki numaralar, tüm bu operasyonları sadece nokta ürün motorunda yaptığımız için yaptık. Takımımız çok iyi.
trip motorundaki tüm bu işlemleri ways in ways ile eşlemenin yaratıcı yolları bulundu
Bu donanım tasarlanınca bile hayal bile edemedi. Ama bu bizim için gereken tek şey değil.
bu işi yapmak için aslında bu modeli yapmak için çok sayıda operasyon ve özellik uyguladık.
performansı iyileştirmenin yanı sıra giriş doğruluğunu da iyileştirebilir.
tüm bu şeyler sadece 10 yaş altı 75 milyon parametre modelini yürütmemize yardımcı oldu.
milisaniyenin sadece 8 watt gücünün tüketilmesinin milisaniye
ancak bu, otomobilde çalışan tek mimari değil, o kadar çok başka mimariler modül ve ağlar.
bir ölçek duygusu vermek için arabada koşmamız gerekiyor. tüm ağların yaklaşık bir milyar parametresi var.
1000 civarında nöral ağ sinyalleri üretti, bu yüzden emin olmak için
Onları ortaklaşa optimize ediyoruz ve hesaplamayı en üst düzeye çıkaracağız.
kullanımı verimi ve gecikmeyi en aza indirmek için sadece sinirsel için bir derleyici inşa ettik
yapıyı geleneksel derleyiciye paylaşan ağlar, büyük kütleleri aldığını görebilirsiniz.
150k düğüm ve 375k bağlantı ile sinirsel Nets ' in grafiği bu şeyi alır
bunları bağımsız alt grafiklere ve com ' un her birine bölümlere ayırır
alt grafikler, çıkarsama cihazları için, o zaman bir sinir ağımız
Yapıyı geleneksel Linker 'a paylaşan Linker, bu bağlantı süresi optimizasyonunu gerçekleştiriyor
Burada, bilgi işlem belleği ve bellek ile ilgili çevrimdışı bir optimizasyon sorunu çözüyoruz.
bant genişliği kısıtlaması, böylece otomobilde yürütülen optimize edilmiş bir zaman çizelgesiyle birlikte
yürütme sırasında, temel olarak bunu yapan bir karma zamanlama sistemi tasarladık
Bir SOC üzerinde türdeş olmayan zamanlama ve bu ağları bir modelde çalıştırmak için her iki soc genelinde bir zamanlama dağıtık
tüm türkiye genelinde optimize etmek gereken 100 damla bilgi işlem kullanımı elde etmek için paralel moda
ağ mimarisini ayarlayan yazılım katmanlarının tümü derleyici tüm
Hem srcs hem de daha da derinlemesine bir düşük gecikme süresi yüksek bant genişliği RDMA bağlantısını uygulama yöntemi
soc ' de accelerator uyumlu ve uyumlu olmayan veri yollarının anlaşılması ve optimize edilmesinde bu çok fazla
en yüksek çerçeve oranını aldığımızdan emin olmak için her seviyede optimizasyon ve her milisaniyede sayımlar olarak
burada ve işte bu sadece, bu sadece
arabada çalışan sinir ağlarının görselleştirilmesi bu dijital beynimiz esasen görebileceğiniz gibi.
bu operasyonlar, sadece matrix çarpma uyumunun, arabada çalışan birkaç gerçek operasyona isim vermek için
bir milyar parametreyle bu ağı eğitmek veya eğitmek için çok sayıda etiketlenmiş veriye ihtiyacınız var bu yüzden aegon konuşacak
bunu otomatik etiketleme boru hattı ile nasıl başaracağız?
Teşekkür ederim, Sherry.
Merhaba, ben Jurgen Zhang. Ve otopilede geometrik bir vizyon yönetiyorum.
Evet, otomatik etiketleme hakkında konuşalım.
Bu yüzden, çeşitli ağ türlerini desteklemek için çeşitli etiketlere sahibiz. Ama bugün, bu tür iletişim kanallarını desteklemek için ...
başarılı bir şekilde eğitim ve genelleme yapmak için muhteşem Lanes ağa odaklanılması
bu ağ her yere kadar onlarca milyon gezdiğimizi sandığımız her yere
Muhtemelen bir milyon kavşak, hatta daha da fazla.
O zaman bunu nasıl yapacagına göre, bu kesinlikle yeterli kaynağa ulaşılabiliyor.
Tim 'in daha önce açıkladığı gibi, günlük nakit para için 500 000 gezimiz olduğunu zaten önceden açıklamıştık.
her ne kadar tüm bu verileri bir eğitim formuna dönüştürmek çok zorlu bir teknik sorun.
bu zorluğu çözmek için çeşitli yollarla manuel ve otomatik etiketleme denedik.
İlk sütun, saniyeden saniyeye kadar olan ilk sütun, bize yaklaşık 100x İyileştirme sağlamış olarak
Ancak hala daha iyi bir Otomatik etiketleme makinesi elde ettik.
sağlayıcılara iyi kalite çeşitliliği ve ölçeklenebilirlik sağlar
Tüm bu şartları yerine getirebilmek için burada gerekli olan mühendislik çabalarına rağmen, bir tane geliştirdik.
yeni sipariş etiketleme makinesi, çoklu trib yeniden yapısıyla güçlendirilerek, bu sayede 5 milyon saatlik bir
10 000 geziyi etiketlemek için kümede sadece 12 saat ile el ile etiketleme
Bu şekilde nasıl çözdük? Üç büyük adım var. İlk adım, yüksek hassaslık yörüngesi ve yapı kurtarma.
çok kameralı görsel atalet odyometrisi bu yüzden burada zemin yüzeyi de dahil olmak üzere tüm özellikler videolardan çıkarsanan
daha sonra sinir ağlarına göre takip edilmiş ve vektör uzayında yeniden inşa edilmiştir
bu yüzden arabadaki bu yörüngenin tipik drift oranı 1,3 santimetre gibi
Ölçüm başına/metre başına 0,45 Milli radyan, kompakt hesaplamasını dikkate alarak oldukça iyi bir şekilde
gereksinim kurtarma hizmeti ve ham detaylardan da güçlü bir şekilde kullanılır.
Daha sonraki bir el ile doğrulama adımına ilişkin kılavuz bilgiler, her FSD ' de de etkinleştirilir
araç böylece gezi verileri ile birlikte önceden işlenmiş yörüngeleri ve yapıları elde ediyoruz
ikinci adım, bu makinenin büyük ve çekirdek parçası olan çok -2 yeniden yapılanma
böylece video, önceden gösterilen gezinin yeniden inşa edilmiş ve uyumlu hale getirildiğini gösterir
diğer geziler ile temel olarak farklı kişilerden gelen diğer seyahatler aynı araç değil, bu sayede birden çok kişi tarafından yapılır
kurs hizalama pairwise eşleştirme ortak optimizasyon gibi internet adımları daha sonra daha fazla yüzey iyileştirmesi
sonunda insan analisti gelir ve etiketi sonlandırır.
böylece her mutlu adımlar zaten kümede tamamen paraleldir.
tüm süreç genellikle sadece birkaç saat sürer.
son adım, aslında yeni gezileri otomatik olarak etiketlemek.
burada aynı çok trip hizalama motorunu kullanıyoruz ama sadece önceden oluşturulmuş yeniden yapılanma ve her yeni
Trip böylece tüm klipleri tamamen yeniden inşa etmekten çok daha basittir.
Bu yüzden her bir seyahat için sadece 30 dakika sürüyor. El ile değil.
birkaç saat manuel etiketleme ve bu aynı zamanda ölçeklenebilirliğin anahtarı
bu makinenin bu makine kolayca ölçeklendirir biz
kullanılabilir bilgi işlem ve gezi verilerine sahip olup, böylece yaklaşık 50 ağaç yeni sipariş
bu sahnenin etiketlenmiş ve bazıları burada farklı araçlardan 53 ' ü burada gösteriliyor
bu sayede dünya ' nın uzay zaman dilimlerini bu şekilde yakalayıp dönüştüreceğiz.
Ağ denetiminde evet. Not etmek istediğim bir şey var.
şeritlerimizi etiketle ancak planlayıcımız ve birçok kişi dahil olmak üzere yaptığımız hemen her görev için otomatik laborers
bunlar, nesneler veya diğer kinematik gibi şekillerin şekillerini gösteren insanlar gibi tamamen otomatik.
Vadeli her şey otomatik etiketten geliyor aynı şey de doluluk için de geçerli ve biz de gerçekten çok az.
Eğer bir tane daha geri dönebilirseniz, bir tane daha geri dönebilirseniz.
"Kümeyle paralelize edilmiş" yazıyor. Yani kulağa oldukça basit geliyor ama ...
Belki de böyle bir şeyin nasıl olduğunu paylaşmak eğlencelidir. Bir süre önce hiç bir şey yapmamış olmadık.
otomatik etiketleme her zaman ve sonra biri işe başladığı bir script yapar, biz a ulaşana kadar daha iyi çalışmaya başlar.
hacmi oldukça yüksek ve net bir şekilde çözüme ihtiyacımız var ve bu yüzden de iki mühendis daha vardı.
Senin gibi olan ekibimiz ilginç bir şey biliyor. Ne yapmamız gerektiğini biliyor musun?
esasen python fonksiyonlarını birbiri sonra çalıştırman lazım önce klibi çekiyorsun sonra biraz temizlik yap o zaman yaparsın
bazı ağ çıkarımı sonra başka bir ağ çıkarımı sonra bunu elde edene kadar ama bunu bir şekilde yapmanız gerekiyor.
Büyük ölçekli. Ben de onlara şunu söyleyeyim ki muhtemelen günde 100 000 Clips 'i, 100 000 'i de çekmemiz gerekiyor.
Bu iyi bir şey gibi görünüyor. Mühendisler de şöyle diyor: "Biraz postgres" ve biraz da "biraz" desek iyi olur.
Dirsek yağı da yapabiliriz. Bu arada biz de biraz geç kaldık ve 20 dolar daha yapıyoruz.
bu fonksiyonların milyonları her gün yine yarım milyon civarında çekiyoruz.
Klipsler ve bir ton fonksiyonumuz var. Her biri bir akış şeklinde ve bu da bir tür arka moda.
uç infra aynı zamanda sadece eğitim çalıştırmak için değil, aynı zamanda otomatik etiketleme gibi. Evet gerçekten de bir fabrika gibi.
bu konuda uygulanan tüm aynı kavramlar gibi etiketler üretir ve üretim hatları gibi kalite ıh envanteri sağlar
Etiket Fabrikası için geçerli olan fabrika, arabalarımızın fabrikasını biliyorsunuz.
Tamam, teşekkürler. Evet, bu kadar.
Bu bölüm, A Network için daha zorlu ve ilginç birkaç örnek paylaşmak istiyorum.
İnsanlar için muhtemelen en tepeden. Lies vakası veya sisli gece veya yuvarlak bir gece gibi.
Park edilmiş arabaların ve hatta yağmurlu bir gecede, ... yağmur damlaları ile kamera lenslerinin üzerine yağmur damlaları ile ağır oklamalar ve oklamalar.
bunlar zorlu ama bir kez orijinal sahneleri tamamen yeniden inşa edilmiş diğer klipler onların hepsi olabilir.
Kartlarımızın bu zorlu senaryolar arasında daha da iyi bir şekilde sürebilmesi için otomatik olarak etiketlenmiş
Şimdi, Sim 'in yeni dünyayı bu etiketlerin üzerine nasıl yarattığı hakkında daha fazla bilgi edinmek için mikrofonu David 'e iletmeme izin verin.
siz
Tekrar teşekkür ederim. Adım David ve simülasyon hakkında konuşacağım bu yüzden simülasyon kritik bir rol oynuyor.
kaynağı zor olan ve ya da etiketlemek zor olan veriler sağlamak, ancak 3 boyutlu sahneler çok yavaş
benim arkamda oynayan simli sahneyi örnek almak için
San Francisco 'daki Market Street 'ten karmaşık bir kavşakta iki hafta sürecektir.
sanatçıların tamamlanmak üzere ve bizim için acı bir şekilde yavaşıdır. ancak, bu şekilde kullanmak hakkında konuşacağım
Jaegan 'ın otomatik saha gerçeği etiketleri ile birlikte bu yeni alet edepsiz bir şekilde üretmemize olanak sağlayan yeni bir alet.
sahne ve benzeri pek çok şey, sadece beş dakika içinde, öncekinden bin kat daha hızlı.
Bu yüzden, bu olay mahallemizde, otomatikleştirilmiş zemini ... ... bir şekilde baştan başlatıyoruz.
Dünya yaratıcısı, Houdini 'nin içinde yol sınırı ile başlayan, simüle edilmiş dünyamıza doğru etiketler.
etiketler düz bir yol örgüsü oluşturabiliriz ve re-topolize it with the lane graph etiketler bu yardım önemli yolu bilgilendirir
crossroads eğimi ve ayrıntılı malzeme harmanlama gibi detaylar
Sonra hat verilerini kullanıp, geometriyi yüzeyinden tarayabiliriz ve yolu Lane boyasını yaratacak şekilde projeleyebiliriz.
ortanca kenarları kullanarak daha sonra yumurtlayabiliriz
Ada geometrisi ve bunu rastgele yapraklarla doldurur. Bu, olay yerinin görünürlüğünü önemli ölçüde değiştirir.
şimdi dış dünya, bir dizi randomize heuristics a modüler yapı jeneratörleri aracılığıyla oluşturulabilir.
hydrants gibi rastgele yerleştirilen nesneler, eğrilerin rengini değiştirebilirken görsel engeller oluşturma
ağaçlar, yaprakları aşağı ya da kenarları kesmeye bırakabiliyor.
daha sonra trafik trafik ışıkları gibi şeylerin pozisyonlarını bildirmek için harita verilerini getirebiliriz veya birlikte izleyebildiğimiz işaretleri durdurabiliriz.
şerit sayısı gibi önemli bilgileri toplamak ve hatta üzerinde doğru sokak isimleri almak normal.
Şerit grafiğinden sonra belirir. Kule bağlantısını belirleyebiliriz. Ve yön tuşlarıyla.
Yoldaki yol işaretleri ve onlara eşlik ediyorlar. Sonunda Lane 'in grafiğiyle birlikte olduk.
Lane adjacency ve diğer yararlı metrikleri spawn randomize traffic permütasyonları Insider simulator için belirleyebilir
ve yine bu tüm otomatik olmayan tüm sanatçılar döngüde ve dakikalar içinde olur ve şimdi bu bizi bu işe ayarlıyor
her şey veri ve buluşsal temellere dayandığından bu yana oldukça güzel şeyler, fuzz ' a başlayabiliriz
parametreler, tek zemin gerçeğin görsel çeşitleri oluşturmak için, nesne yerleştirmesi kadar ince ve rastgele olabilir.
Tamamen yeni biomlar veya Urban gibi çevrenin yerleri gibi daha köklü değişimler için malzeme değişimi
Banliyö veya kırsal alan, belirli bir hedefe yönelik sonsuz hedefli permütasyon yaratmamızı sağlıyor.
daha fazla yer gerçemesi gereken yer gerçeklikleri ve tüm bunlar bir tıklım içinde olur
düğme ve toprak doğrularımızı değiştirerek bunu bir adım daha öteye götürebiliriz.
Kendisi, John 'un Ağının, yön işaretleri ile ilgili daha fazla dikkat çekmesini istediğini söylüyor.
yaklaşan bir esir sol şeritini daha iyi tespit etmek için, içinde şerit grafiğimizi proceceurally olarak değiştirmeye başlayabiliriz
yardımcı olmak için simülatör, insanlara yardım etmek için bu kesişim üzerinden tamamen yeni akışlar yaratmasına yardımcı
Daha doğru tahminler yaratmak için ağın dikkatini yol işaretlerine odaklanın ve bunun nasıl olduğunu gösteren harika bir örnek.
araç, gerçek dünyadan hiçbir zaman toplanabilen yeni veriler oluşturmamızı sağlıyor.
ve bu aracın gerçek gücü onun mimarisinde ve tüm görevleri sonsuz bir şekilde sonsuz şekilde nasıl çalıştırabiliriz?
Ölçeğin ölçeğini, zemin gerçeğini dönüştüren eylemdeki Yaratıcı aracını görmenizi sağlar.
etiketleriyle yanındaki muadillerine etiketler, karo extractor aracını kullanabiliyoruz
bu verileri boyut olarak 150 metre kare ile ilgili jeohash döşemelerine bölmek
daha sonra bu verileri ayrı bir geometri ve eşgörünüm dosyalarına saklarız. bu bize kolay bir veri kaynağı verir.
yükleme ve gelecek için motor agnostik görüntüleme imkanı sağlıyor
daha sonra bir döşeme yükleyici aracını kullanarak, şu anda yaptığımız bir jeo-hash kimliğini kullanarak o önbellek karolarını çağırabiliriz.
Beş ya da üç kişi tarafından bu beş ya da üç kişi genellikle filoların etrafında ortalanmış ya da ilginç bir kara grafisi.
döşeme yükleyicide yer alan yerler de bu döşeme kümelerini tüketim için U varlıklarına dönüştürür
Unreal Engine tarafından size ilk slayda gördüğünle ilgili bitmiş bir proje ürünü sunuyor.
ve bu gerçekten bizi, haritada gördüğünüz gibi boyut ve ölçek için yukarı doğru ayarlar.
San Francisco sokaklarında kolayca ürebiliyoruz. Bu da yıllar ya da aylarca işe yaramamış.
bir kişi tarafından daha çok iki hafta boyunca her şeyi yönetmeye ve büyütebiliriz
Bu veri, PDG ağımızı kullanarak, bu işlem için, bu işlem sayesinde,
bunu hesapla ve tüm bu karo setlerini bir gecede yeniden oluşturun bu tüm ortamların alınmasını sağlar
yeni ontoolojiler ve sinyaller sürekli olduğu için eğitim için süper önemli olan tutarlı kalite ve özellikler
serbest bırakıldı ve şimdi tam daire gelecek çünkü biz
tüm bu karo setlerini, gerçek dünyadan gelen tüm garip incelikleri içeren yer hakiki verilerinden üretti
Ve bunu yordamsal Görsel ve trafik çeşidesiyle birleştirebiliriz. Limitsiz veriler oluşturmak için
"Sim" bölümünü bitirip bitirmenin nasıl bir şey yapabileceğimizi konuşmak için Kate 'e ileteceğim.
otomatik olarak otomatik teşekkür etmek için tüm bu verileri kullanın
teşekkürler David merhaba benim adım Kate Park ve ben buraya veri motoru hakkında konuşmak için geldim. bu işlem hangi süreç içinde
Sinirsel ağlarımızı, size nasıl belirleyeceğiz, müdahaleleri nasıl belirleyeceğiz diye göstereceğiz.
veriler aracılığıyla ve bu senaryoda bu belirli kliplerin yaşamında sizi gezdirin
otopilot bir dönüşe doğru yaklaşıyor ve yanlış bir tahmin öngörüyor bu çapraz aracı trafik için durdu ve böylece
Gerçeklikte yavaşlayacağımız bir araç, arabada kimse yok. Sadece garip bir şekilde park ettik.
yanlış yönlendirmeleri tanımlamak için araçlar, etiketi düzeltin ve bu etiketi kategorilere ayırır
bir değerlendirmeye giren klip bu özel klibi, 126 ' dan biri olacak
Bu yüzden, park edilmiş arabalara meydan okumuş oluyoruz.
infra bu değerlendirme kümesini, herhangi bir mühendislik kaynağı özel olmadan şekillendirebiliriz
bu özel durum davasına gerçekten meydan okuyacak bir sorunu çözmek için
Bunun gibi binlerce örneği madencilmeye gerek var. Ve Tesla 'nın bizim verimizi kullanabileceğimiz bir şey olduğu bir şey.
kaynak kullanımı infra istek verileri ve daha önce gösterilen araçları doğru kullanmak için
sadece en değerli modeli eklediğimiz mevcut modelin yanlış yönlendirmelerini ameliyatla hedef alan etiketler
eğitim setimize örnekler cerrahi olarak 13 adet 900 şarjör ve uh
çünkü bunlar mevcut model mücadelelerinin, model mimarisini değiştirmesine bile gerek kalmadığı örneklerdi.
bu yeni değerli veriyle basit bir şekilde güncelleme, meydan okuma davasını çözmek için yeterli. bu yüzden artık öngöremediğimizi görün
Bu Crossing aracı, Orange 'da gösterildiği gibi durdurulmuş, ancak kırmızı olarak gösterildiği gibi park etmiş.
Academia 'da insanların veri sürekli sabit tutulduğunu görüyoruz ama Tesla 'da.
çok zıt gördüğümüz zaman ve zaman ve tekrar bu veriler, en belirleyici kol olmasa da en iyilerden biri.
bu müdahaleleri çözmek için size sadece veri motoru döngülerini gösterdik
bir meydan okuma davası için, yani bu park edilmiş arabalar sırayla ama bir sinyal için bile birçok meydan okuma vakası var.
Araç Hareketi bu veri motoru Döngüsü uyguladığımız her bir meydan okuma vakasına otobüs olup olmadığını tespit ettik.
kıvrımlı yollar araç otoparklarını durdurdu ve biz sadece bir kez veri eklemedik
bunu tekrar ve tekrar mükemmelce mükemmelce yapın bu yıl araç hareket sinyalini beş kez güncelledik
ve yeni veriler üzerinde eğitilmiş her ağırlık güncellemesiyle, araç hareketimizi doğrulukla yukarı ve yukarı doğru itiyoruz
bu veri motoru çerçevesi 3 boyutlu olup olmadıkları tüm sinyallerimiz için geçerlidir
Verilerin otomatik olarak etiketlenmiş olarak etiketlenmiş ya da benzetimli olarak etiketlenmiş bir model mi, yoksa bir çevrimdışı model mi olduğunu çok kameralı bir video
online model modeli ve tesla, filo nedeniyle bunu ölçeklendirerek yapabilmektedir.
Motorumuzun inşa ettiği infra 'dan yararlanın ve Ağlarımızı besleyen etiketleme kaynaklarını kullanın.
Tüm bu verileri eğitmek için büyük miktarda hesaplamaya ihtiyacımız var. Bu yüzden Pete ve Ganesh 'le ilgili konuşmak için onu vereceğim.
dojo supercomputing platformu teşekkür ediyor [ alkışlar]
Teşekkür ederim Katie.
Teşekkürler. Teşekkürler. Teşekkürler.
Tesla 'daki silikon ve alçak gerilim takımları ve benim adım Ganesh Venkat.
doji programı
Teşekkür ederim sık sık neden araba var diye soruyordum.
şirket, eğitim için süper bir bilgisayar inşa ediyor ve bu soru temelden
Tesla 'nın doğasını yanlış anlayan Tesla, sert bir teknolojidir.
şirket genelindeki tüm kişiler bilim ve mühendislik alanında çok çalışıyor.
mevcut sahip olduğumuz temel anlayış ve yöntemleri ilerlemek
otomobil enerji çözümleri robotları ve başka herhangi bir şey yapmak için biz bunu yapabiliriz
Dünya 'nın etrafındaki insan durumunu iyileştiriyor. Çok heyecan verici bir şey. Çok heyecan verici bir şey.
Bu gece yarı iletken grubunda küçük bir parça. Dojo hakkında biraz konuşacağız ve sana bir şeyler vereceğiz.
son bir yıl içinde neler yapabildiğimize ilişkin güncelleme ancak bunu yapmadan önce biraz daha fazla bilgi vermek istedim.
birkaç yıl önce başlattığımız ilk tasarıma ilişkin arka plan, başlangıç olarak bir yıl sağlamak oldu.
autopilot takımımız için eğitim gecikme süresine önemli bir şekilde gelişme
bugün eğittikleri en büyük nöral ağlar bir ayı aşkın bir sürede çalıştırıyorlar ve bu da hızlı bir şekilde yeteneklerini kısıtlıyorlar.
Alternatifleri araştır ve onları değerlendirin. Böylece bir 30X hızının daha iyi olacağını bileceksin.
Rekabetçi ve rekabetçi bir enerji maliyetiyle bunu sağlayabilsek çok iyi olur.
bir çok aritmetik aritmetik ile bir çip inşa etmek istediğimizi
çok yüksek bir verimlilikde kullanabileceğimiz birimler ve bunu yapabilmemiz için çok zaman harcadık.
DRM ' nin çeşitli paketleme fikirlerini kullanarak bunların hepsi başarısız oldu ve sonunda
bu sistem için birincil depolama aracı olarak ddram ' i reddetmeye karar verdiğimiz ve bunun yerine odaklanmak için karar verdiğimiz doğal bir davranış gibi hissettirdi
çip SRAM 'de yerleşik olan SRAM' de ne yazık ki müte
kapasite miktarı ancak son derece yüksek bant genişliği ve çok düşük gecikme süresi ve bu da yüksek kullanım elde etmemizi sağlar
bu seçeneklerin aritmetik birimleriyle
Örneğin, ihtiyacınız olan sanal belleğe sahip olmak istiyorsanız, bu belirli bir seçenek bütünün diğer birçok seçeneğe yol açmasını sağlar.
Sayfa masaları çok fazla yer çıkardılar. Uzay yoktu. Bu yüzden sanal bellek de yok.
Hızlandırıcı, bir derleyiciye sunulan bir donanım parçası olan Rob parçasıdır.
derleyicide, terminalist bir şekilde gerçekleşen her şeyi zamanlamadan sorumlu olur. Bu yüzden gerek yok ya da
hatta sistemde kesintiye uğrama arzusu bile, model peşine düşmeyi tercih ettik.
en çok tipik durum olmayan bir eğitim metodolojisi olarak paralellik
Günümüzde çoğu makine, ek bellek kapasitesini kullanan veri paralelliğini kullanıyor ki bu da bizim sahip olmadığımız
Yani bütün bu seçenekler bizi oldukça radikal bir makine inşa etmeye yöneltti.
bugün mevcut olandan farklı olarak, bir sürü başka gol de vardı, en önemli olanlarından biri de değildi.
sınırlar. bu yüzden en çok yer almak için sınırsız bir şekilde ölçeklendirecek bir hesaplama kumaşı inşa etmek istedik.
Şu anda fiziksel bir sınır var ama modeliniz çok iyi biliyor musunuz?
Bilgisayar için çok büyük. Daha büyük bir bilgisayar satın almak zorundaydınız. Bu gün bizim için paket olan bir paket.
makineler paketlenir ve oldukça sabit bir oran vardır; örneğin, GPU CPU ' lar ve
ve dram kapasitesi ve ağ kapasitesi ve biz gerçekten tüm bunları parçalamak istedik böylece modeller evrimleştikçe evrimleşebildik.
bu çeşitli unsurların oranlarına göre değişiklik gösterir ve sistemi, ürünün ihtiyaçlarını karşılamak için daha esnek hale getirin
autopiot takımı evet ve hiçbir sınır felsefesi gibi doğru. bizim yol gösterici yıldızımızdı.
tüm seçimlerimiz bunun etrafında ortalanmış ve bu şekilde
Geleneksel veri merkezi altyapısının limitlerini kısıtlamamızı istemediğimize dikkat çekiyoruz.
bu programları hız olarak yürütebilme kapasitesi, bu yüzden
Bu yüzden özür dilerim. Bu yüzden entegre olduk.
dikey olarak veri merkezimizi tüm veri merkezi ' ne dikey olarak
güç optimize edebileceğimiz yeni verimlilik seviyelerini çıkarabileceğimiz veri merkezinin entegrasyonu
Teslim Cooling ve sistem yönetiminin yanı sıra
kutu kutu yapmak yerine tüm veri merkezi yığını ve bunu bütünleştirmek
bu kutular veri merkezlerine ve bunu yapmak için de istedik
Ölçeklendirmenin limitlerini çözmek için erken bütünleşme
yazılım iş yükleri bu sayede Dojo ortamını otomatik olarak otopilot yazılımımıza entegre ettik ve çok şey öğrendik.
dersleri ve bugün Bill Chang, donanım güncellemenin yanı sıra bazı donanımları da
yol boyunca karşılaştığımız zorlukların ve rajiv kurian ' ın size bir
Derleyici teknolojimizi ve bazı güzel sonuçlarımızı göz önüne almak için bir göz atmanın
İşte böyle.
Teşekkürler Pete. Teşekkürler Ganesh. Bu gece yüksek seviyeli bir şekilde başlayacağım.
tüm zorlukları ve olduğumuz sorunları için aşamanın belirlenmesine yardımcı olacak sistemimizin vizyonunu
çözme ve daha sonra yazılımın bu performansı nasıl kullanacağını da nasıl kullanacağını
şimdi de Dojo için vizyonumuz, tek bir birleşmiş, çok büyük bir hızlandırma inşa etmek.
bir yazılım, küresel olarak adreslenebilen kusursuz bir hesaplama uçağı görecektir
çok hızlı bellek ve tüm bağlı bir arada üniforma yüksek bant genişliği ve
kullanmamız gerekenin farkında olmak için şimdi düşük gecikme süresi
performans elde etmek için yoğunluk şu anda bu yoğunluğu elde etmek için teknolojiden yararlanıyoruz seviyelerini kırmak için
hiyerarşi ' nin çipinden yatay ölçeklendirmeye kadar tüm yol
şimdi silikon teknolojisi bu işi onlarca yıl çipler için kullanmıştır.
Performans ölçeklemeyi elde etmek için Moore yasasının yoğunluk ve bütünleşme için izlenmesi
şimdi vizyon ' un bizim eğitim kartımız olduğunu fark etmede önemli bir adım. sadece 25 kişi hayatını entegre edebiliyoruz.
son derece yüksek bant genişliği ancak bunları sadece birbirine bağlayarak herhangi bir sayıda ek karo ile ölçeklendirebiliriz
Geçen sene ilk fonksiyonel antrenman döşeğimizi gösterdik ve o zamanlar iş yüklerimiz başladı bile.
Ve o zamandan beri buradaki takım sıkı çalışıyor ve yavaş yavaş harekete geçmekte.
Bu ölçekte, inanılmaz bir ilerleme kaydettik ve bir çok Kilometre Taşı yaptık ve yol boyunca
Tabii, bir sürü beklenmedik zorluk yaşadık. Ama bu noktada başarısız olduğumuz nokta burası.
felsefe sınırlarımızı zora girmemize izin verdi
şimdi yoğunluk için baskı yoğunluğu sunar tüm yeni zorlukları bir alan güç teslimi
Burada, hesaplamanın gücünü ve bu doğrudan etki için gerekli olan gücü sağlamalıyız.
en iyi çizgi bilgi işlem performanmız ama bunu daha önce benzeri görülmemiş bir yoğunlukta yapmamız gerekiyor ki bizim de
milimetre karesi başına neredeyse bir ampul güç yoğunluğuna sahip ölüm atışı
ve aşırı bütünleşme nedeniyle bu ihtiyaca göre çok katmanlı bir dikey olmalıdır.
güç çözümü ve karmaşık türdeş olmayan bir malzeme yığını olması nedeniyle
malzeme geçişini özellikle CTE ' yi dikkatlice yönetmemiz gerekiyor.
şimdi neden bu durumda termal genişleme madde katsayısı CTE ' nin temel bir malzeme özelliği
Eğer dikkatli bir şekilde yönetilmiyorsa, bu Stack Up tam anlamıyla kendini parçalara ayırdı.
bu nedenle bunu geliştirmek için satıcılarla çalışarak bu çabayı başlattık.
güç çözümü ama biz aslında bu kurum içi geliştirmek zorunda olduğumuzu fark ettik
şimdi zaman çizelgesi ve riski dengelemek için hızlı yinelemeler inşa ettik
hem sistemimiz, hem yazılım geliştirme, hem de optimum tasarım bulmak için ve
son üretim hedeflerimizi karşılayacak olan bir yığın ve sonunda CTE 'yi yüzde 50' nin üzerinde indirebildik.
ve başlangıç sürümümüz üzerinden 3x ile performansıyla tanışın
şu anda en uygun malzeme yığınını en üst düzeye çıkarırken söylemeye gerek yok.
yoğunlukta performans son derece zor
Şimdi, yol boyunca beklenmedik zorluklar çektik. Bir örnek var. Bir örnek.
bileşen arızalarına yol açan bütünleştirmenin sınırları
bu başlangıç, daha büyük ve daha uzun iş yüklerine ölçeklediğimizde ve daha sonra ara aralıklı olarak tek
bir fayın üzerinde yer alan site, kurtarılabilir hatalar olarak çalışmaya başladıklarında, ancak biraz zorlamaklarımız
daha yüksek ve yüksek güç bunlar kalıcı arızalar haline gelecek
şimdi bu başarısızlığı anlamak için neden ve nasıl inşa ediyoruz anlamak zorundasınız.
her seviyede güç modülleri çözme yoğunluğu,
Bizim X Y düzlemimiz için kullanıldığı için artık sistem performansına ulaşabilmenin Cornerstone 'sidir.
yüksek bant genişliği iletişimi, diğer her şeyin dikey olarak yığılması gerekir
bu, bizim ölümüz dışındaki diğer tüm bileşenlerin güç modüllerimize entegre edilmesi gerektiği anlamına geliyor.
Bu da zamanımız ve güç kaynaklarımız ve aynı zamanda sistem kontrolörlerimiz de dahil.
şimdi bu durumda başarısızlıklar, osilatörlerimizden saat çıkışını kaybetmekten kaynaklandı.
ve kapsamlı bir debug sonrasında, kök nedenin modül üzerindeki titreşimler nedeniyle olduğunu tespit ettik.
piezoelektrik yakındaki kapasitörler
şimdi şarkı söylemek yeni bir fenomen değil ve aslında güç tasarımında çok yaygın
ancak normalde saat çipleri, yönetim kurulunun çok sessiz bir alanına ve sıklıkla yerleştirilir.
güç devrelerinden etkilenmez ancak bu osilatörlerin bu seviyeye ulaşması için ihtiyacımız olduğu için
anahtarlama sıklığımız nedeniyle çok yakın bir yere yerleştirilecek ve
daha sonra titreşim rezonans yarattı. memb'ımızda otomatik uçak titreşimi
şimdi crack ' a neden olan osilatör bu sorunun çözümü bir çözüm.
çoklu prong yaklaşımı, yumuşak terminal kapakları kullanarak titreşimi azaltabiliriz
dış uçak yönü için daha düşük bir Q katsayısı ile mems kısmını güncelleyebiliriz
ayrıca bu rezonansı daha da uzaklaştırabilmek için anahtarlama frekans frekansımızı da güncelleyebilirsiniz.
hassas bantlar şu anda yoğunluk a ' ya ek olarak
Altyapı seviyesinde çok ilerleme kaydettiğimiz sistem seviyesi
veri merkezi altyapısının her yönünü yeniden incelemek zorunda olduğumuzu biliyorduk.
eşi görülmemiş güç ve soğutma yoğunluğumuzu desteklemek için
Dojo 'nun yoğun soğutma özelliğini desteklemek için tamamen özel tasarlanmış bir CDU getirdik.
gereksinimleri ve şaşırtıcı kısmı, bunu maliyetin bir kısmını raftan satın almak ve satın almak için yapabilmemiz.
değiştirmeyi ve Dojo kabinimizden bu yana yeterli güç ve soğutmayı bir an önce eşleştirerek bütünleştirir
Tüm standart rafta dolayımızı ve kabinemizi dikkatlice tasarlamaya ihtiyacımız var.
altyapıyı birlikte ve bu kabinenin birkaç yinelemesini daha iyi optimize etmek için çoktan geçti
bu ve daha önce bu yıl içinde güç ve soğutma gücümüzü test etmeye başladık.
altyapımıza takılıp düşmeden önce iki megawatt üzerinden iterek, iki megawatt üzerinden itmeyi başardık.
şehir evet şimdi geçen yıl sadece bir tane tanıştırdık
Sistemimizin birkaç bileşeni özel D1 ölür ve eğitim döşemesi hariç
Çıkış kapsülü ile dalga geçtik. Son hedefimiz olarak sistemimizin geri kalan kısımlarından geçeceğiz ve bu da bir şeyler inşa etmek için gerekli olan bir yapı.
bu çıkış kapsülü artık sistem tepsisinin önemli bir parçası
tek bir hızlandırıcı vizyonumuzu gerçekleştirmek, sorunsuz bir şekilde sorunsuz bir şekilde bize olanak sağlar
bağlantı döşemeleri yalnızca kabin içinde değil, dolaplar arasında
Bu Tiles 'i çok sıkı bir mesafeye bağlayabiliriz. Tüm hızlandırıcı boyunca.
Ve bu bizim üniforma iletişimimizi nasıl elde ettiğimiz. Bu da bize izin veren laminant bir otobüs barı.
son derece yoğun bir entegrasyonda çok yüksek güç mekanik ve termal desteği entegre etmek için bizi
75 milimetre yüksekliğinde ve 135 kilogramda 6 Tiles 'i destekliyor.
Bu, üç ile dört adet tam dolu yüksek performanslı rafların eşdeğeridir.
Bir sonraki eğitim karolarına veri beslemek gerekiyor. Dojo arayüz işlemcisini geliştirdik.
sistemimizi, eğitim verilerimizi Aşabilmek için yüksek bant genişliğine sahip Dram sağlar
ve TTP ' yi kullanarak eğitim döşemelerimize tam bellek bant genişliği sağlar.
tüm hızlandırıcımızda iletişim kurmak için kullanabileceğimiz protokol aynı zamanda yüksek hızlı ethernet ' i
standart ethernet üzerinden bu özel protokolü genişletmemize yard