テスラの自動運転計画、ずさんさと頑固さが反転
マスク氏は、Twitter の新しい社長になるずっと前から、テスラ車の自動運転化に夢中でした。この技術の開発にはかなりの費用がかかったため、2年前にサプライチェーンが崩壊し始めたとき、マスク氏はコスト削減を決意した。彼は車のレーダーセンサーを標的にしました。
このセンサーは、遠くにある危険を検出し、走行中に車両が他の車両に衝突するのを防ぐように設計されています。現在、車には 8 台のカメラが取り付けられており、道路を監視してあらゆる方向の危険を発見することができます。マスク氏はそれで十分だと考えている。
しかし、複数の元従業員によると、多くのテスラエンジニアがこれにショックを受けたという。彼らは信頼できる元幹部に連絡を取り、マスク氏にこのアプローチを放棄するよう説得しようとした。レーダーがなければ、テスラの車両は、カメラが雨滴や明るい光でさえも遮られると、低レベルの認識エラーを起こしやすくなり、衝突につながる可能性があります。
しかし、マスク氏は納得していないようで、エンジニアたちの意見を覆しました。テスラは2021年5月、新車からレーダーを撤去すると発表した。その後すぐに、同社はすでに道路を走行している車両のレーダーを無効化し始めました。十数人の元従業員、テストドライバー、安全担当者、その他の専門家へのインタビューによると、重要なセンサーを突然失ったテスラ車は、衝突やその他の恥ずかしい間違いを犯す可能性が大幅に高くなるという。
マスク氏は、テスラの完全自動運転(FSD)技術について「テスラに多額の価値があるか、本質的に何の価値もないかの大きな違い」と説明しているが、彼の自動運転車の夢には明らかに障害があった。
米国当局者によると、テスラはここ数週間、自社車両が制限速度を違反し、一時停止標識を突き破る可能性があるとの懸念から、リコールを行い、対象車両へのこの技術の導入を一時停止した。顧客からの苦情は山積しており、その中にはマスク氏がこの技術の機能を誇張したとして先月裁判所に起こされた訴訟も含まれる。テスラの提出書類はまた、安全上の問題の証拠が増える中、規制当局や政府当局がテスラのシステムや過去の声明を精査していることを示している。
テスラの運転支援ソフトウェアの開発に携わった元従業員らはインタビューで、同社の問題の原因は開発速度などのコストや業界の慣例から逸脱したマスク氏のレーダー中止の決定などにあると述べた。テスラ特有の問題など。さらに、マスク氏の不安定なリーダーシップスタイルも影響し、彼らは猛スピードでテクノロジーを開発し、準備が整う前に一般に公開することを余儀なくされた。今でもこのソフトウェアが公道で使用するには十分安全ではないと心配する人もいる。
テスラのオートパイロット部門で働いていた元テストオペレーターのジョン・バーナル氏は、「このシステムは社内で非常にゆっくりと進んでいるが、世間は会社ができるだけ早くリリースすることを望んでいる」と語った。ベルナル氏は、FSDのビデオを公開した後、テクノロジーを不適切に使用したとしてテスラ社から非難され、2022年2月に解雇された。
事情に詳しい関係者によると、マスク氏は昨秋、問題を抱えていたソーシャルメディアプラットフォームのツイッターを大々的に鳴り物入りで買収し、数十人のテスラエンジニアを動員してツイッターのコード作業を手伝ったという。今月初め、同社が投資家向けデーで主要な新製品を発表できなかったことを受け、テスラ株は6%下落した。
マスク氏はテスラの行動を擁護し、これは莫大な価値を生み出すことを約束する長期的な賭けだったと述べた。テスラはまた、FSD ソフトウェアを有効化した車両は、通常に運転する車両に比べて衝突事故に巻き込まれる可能性が少なくとも 5 分の 1 であると述べた。マスク氏とテスラ氏は度重なるコメント要請に応じなかった。
しかし、FSD の話は、この億万長者が性急な意思決定、物事を違うやり方で行うという頑固なこだわり、そしてまだ証明されていないビジョンへの揺るぎない信念によってどのようにしてそれを実現させたかを示す鮮やかな例を提供しています。賭けは複雑になります。
パッチワークのソリューションはテクノロジーが進歩しているように感じさせる
2019年4月、「自律投資家の日」と呼ばれるプレゼンテーションで、マスク氏はテスラとしておそらく最も大胆な予測を立てた。最高経営責任者(CEO。同氏は当時投資家に対し、「来年半ばまでに、完全自動運転ハードウェアを搭載した100万台以上のテスラ車が路上を走行できるようになるだろう。当社のソフトウェアは無線で自動的に更新され、FSDは非常に信頼できるものになるだろう」と語った。
投資家は大喜びし、2020年にテスラ株は急騰し、同社を最も価値のある自動車メーカーとし、マスク氏が世界で最も裕福な人物になるのに貢献した。 Autopilot に続いて、FDS が 2014 年に発売され、その後、自動車が高速道路で自動運転し、ハンドルを切り、車線を変更し、速度を自動的に調整できるようになりました。 FSD はこれらの機能を都市や住宅街に導入することを目指していますが、これははるかに困難な作業です。
上記の目標を達成するには、自動車のハードウェアとソフトウェアを組み合わせる必要があります。 8 台のカメラを使用して車両周囲の活動のリアルタイム映像を撮影することで、車両が歩行者や自転車などの危険を評価し、それに応じて反応できるようになります。約束を果たすために、マスク氏は問題解決のために長時間労働や夜更かしをいとわないスターエンジニアのチームを編成した。マスク氏は、自分の車で最新のソフトウェアをテストし、他の幹部とともにエンジニア向けの「修正」リクエストを作成することに意欲的だ。
一部の元従業員は、パッチワークのソリューションは継続的な技術進歩のような錯覚を与えるが、一貫した開発戦略の欠如を隠していると述べました。アルファベットの自動運転車ウェイモなどのライバルは自動運転ソフトウェアの範囲を制限する厳格なテストプロトコルを採用したが、テスラは最終的に36万人のオーナーにFSDを展開し、それをアクティベートするかどうかの決定は彼らに委ねた。
テスラの哲学はシンプルです。車を誘導する AI がさらされるデータが増えるほど、学習が速くなります。しかし、この大まかなモデルはセキュリティが緩いことも意味します。テスラの元従業員によると、同社はソフトウェアが効果的に自己学習し、「ニューラルネットワーク」と呼ばれるルールのない技術を通じて脳のような敏捷性を開発することを選択したという。これによりトレーニング プロセスをスピードアップできる可能性がありますが、最終的には基本的に試行錯誤のアプローチになります。
同社の慣行に詳しいシリコンバレーの内部関係者によると、WaymoやAppleなどの競合企業は、ルールを設定し、それらの制限に違反した場合には違反に対処するという、異なる自律的なアプローチを採用している。自動運転技術を開発している企業は、ソフトウェアが周囲の環境を詳細にマップするのに役立つ高度な LIDAR およびレーダー システムも使用していることがよくあります。
Waymoの広報担当ジュリア・イリーナ氏は、両社の慣行には明らかな違いがあると述べた。彼女は、Waymo の目標は完全な自律性を実現し、機械学習を重視することであると述べました。アップルはコメントを控えた。
テスラのアプローチには、何度も問題があることが判明しています。約 2 年前、誰かがサンフランシスコの曲がりくねったロンバード ストリートをナビゲートするのに苦労しているソフトウェアのビデオを投稿し、そのビデオは数万回の再生回数を獲得しました。ベルナル氏は、テスラのエンジニアが、車が道路上に留まるのを助けるために、ボウリング場のバンパーのような目に見えないバリアをソフトウェアに組み込んだことを明らかにした。続くビデオでは、ソフトウェアがスムーズに動作する様子が示されています。
これにはベルナルは混乱しました。社内テスターとして、この道路でハンドルを握るのは彼の仕事の一部であり、これが他の公道での典型的な経験とはかけ離れていることは明らかです。
レーダーはもともとテスラ車とソフトウェアの設計において重要な役割を果たし、特に視界が遮られる可能性がある状況で周囲環境の現実的なビューを提供することでカメラを補完しました。テスラはまた、車の周囲数センチ以内の障害物を検出できる短距離デバイスである超音波センサーを使用しています。
レーダーを備えていても、テスラ車はライダーを使用する他のライバル車ほど洗練されていません。 「ライダーの重要な利点の 1 つは、たとえそれが何であるか分からない場合でも、いつでも電車やトラックを事前に発見できることです。ライダーは前方に何かがあることを知っており、車両はそれ以上知ることなく時間内に停止することができます。」
カメラが効果的であるためには、何が映っているのかを理解する必要があり、一時停止標識や電車などの車両によって記録された Tesla Workers のラベル画像を利用して、ソフトウェアがどのように反応すればよいかを認識できるようにする必要があります。
テスラの元従業員らによると、2020年末にオートパイロットの従業員がコンピューターの電源を入れたところ、職場監視ソフトウェアが社内にインストールされていることを発見したという。ソフトウェアはキーストロークとマウスのクリックを監視し、それらのイメージタグを追跡します。マウスが一定時間動かないとタイマーが作動し、従業員は解雇されるまで叱責される可能性がある。
先月、テスラのバッファロー工場で労働組合の結成を推進するグループが職場の監視について懸念を表明し、テスラは対応を発表した。同社は、「画像タグ付けの時間を監視する理由は、当社のタグ付けソフトウェアの使いやすさを向上させるためです。その目的は、画像にタグ付けするのにかかる時間を計算することです。」と述べています。 「視覚のみ」のナビゲーション方法は、よりシンプルで、安価で、より直観的であるためです。 2022年2月、同氏はツイッターで「道路システムはカメラ(目)とニューラルネットワーク(脳)のために設計されている。」
しかし、多くの人がこのアプローチは危険だと信じている。 Tesla Autopilot の元エンジニアは、「そのソフトウェアを路上で使用するのは安全ではないことはわかっています。車が何をするか予測することはできません。」と述べました。クラッシュ中
##これらの元従業員らは、テスラが2021年5月にレーダーの撤去を発表した直後に問題に気づいたと述べた。この間、FSD テスト プログラムは数千人のドライバーから数万人のドライバーに拡大しました。規制当局に提出された苦情によると、テスラ車は想像された危険を理由に突然停止したり、道路標識を読み間違えたり、緊急車両などの障害物を検知できなかったりしたとされている。
テスラ車の「ファントム ブレーキ」事故の増加はレーダーの欠如のせいだと考える人もいます。米国道路交通安全局(NHTSA)のデータによると、テスラ車が絡む交通事故は昨年急増した。 「ファントムブレーキング」に関する苦情は、過去22カ月間で34件だったのに対し、過去3カ月で107件に増加した。 NHTSA はこの問題に関する 2 週間で約 250 件の苦情を受け取り、9 か月間で 354 件の関連苦情を受けて調査を開始しました。
数カ月前、NHTSAは、テスラ車が停止中の緊急車両に衝突したという約12件の報告をめぐり、オートパイロットの調査を開始した。最新の例は今月、政府機関が2月に起きたテスラ車と消防車による死亡事故を調査していることを認めた際に明らかになった。専門家らは、カメラは明るい光の影響を受けやすいため、レーダーはカメラが捉えているものを再確認できると述べている。
元NHTSA上級安全顧問ミッシー・カミングス氏は、「これがテスラ車がトラブルに見舞われる唯一の理由ではないが、重要な理由だ。レーダーは前方の物体を検出するのに役立つ。大きなエラーがある場合は、問題があるかどうかをチェックするためにヒューズを付けるセンサーとして使用できます。」
マスク氏は主任テスターとして、ソフトウェアのバグ修正を頻繁に行う必要があるため、エンジニアに介入して調整してもらいますコード。ある元幹部は、プロジェクトに携わったエンジニアが彼に言った言葉を思い出した:「トラに追われているときは、誰も良いアイデアを思いつくことはできない。」受け入れようとする姿勢は、順応の文化につながります。テスラはマスク氏に反対する従業員を解雇。同社はまた、非常に多くのソフトウェアアップデートをプッシュしたため、2021年後半にはNHTSAがテスラに対し、正式なリコール通知なしに修正プログラムをリリースしないよう公に警告した。
テスラとツイッターの従業員は、マスク氏のツイッター買収決定は気を散らすものだった、と述べた。元従業員への多くのインタビューや文書によると、マスク氏は昨年買収が完了した後、ツイッターの引き継ぎを支援するようテスラのエンジニア数十人に要請していた。テスラがバグを克服し、より野心的な目標を追求するために取り組んでいる中、2 週間ごとにリリースされるはずだったソフトウェア アップデートが突然数か月の間隔になってしまいました。
マスク氏のツイッター乗っ取りを嘆く人もおり、自分が始めたことを終わらせるためにはテスラに再び注力する必要があると述べた。テスラの投資家ロス・ガーバー氏は、「FSDはテスラの明るい未来の前兆だ。私たちはマスクを愛している。彼は現代の革新者だ。私たちはただ、彼が再びテスラに心から戻ってくるのを見たいだけだ。」
将来は不確実性に満ち、複数の調査に直面しているテスラのエンジニアは疲弊しており、他の場所で機会を探すために辞任している。 Tesla AI ディレクターの Andrej Karpathy 氏は、昨年 1 か月間休暇をとり、チャットボット ChatGPT を開発した OpenAI に入社するために退社することを選択しました。一方、テスラ・オートパイロットのディレクター、アショク・エルスワミー氏はツイッター社に出勤した。
進行中の捜査の一環として、米国司法省はテスラに対してFSDに関連する文書の提出を要求しました。米証券取引委員会(SEC)も大規模な捜査の一環として、テスラの自動運転推進におけるマスク氏の役割を調査している。
2月に起こされた訴訟では、テスラはオートパイロットとFSDの安全性と性能を「著しく誇張」する「虚偽で誤解を招く」発言をしたとして告発された。これには、NHTSAによるオートパイロットに関する2件の調査、1件は緊急車両の衝突に関する調査、もう1件は「ファントムブレーキング」に関する調査は含まれていない。
今月の投資家デーイベントで、マスク氏は十数人のテスラ幹部とともにステージに登場し、同社の広範な専門知識を宣伝した。しかし同社は、FSD 技術に関するセクションを設けたにもかかわらず、FSD に関する大きな進展を提供しなかった。
マスク氏の忠実な顧客の多くは、マスク氏の当初の約束が実現するという希望をあきらめています。フロリダ州ジャクソンビル在住の商用パイロット兼エンジニアであるチャールズ・クックは、モデル Y を所有しており、FSD を作動させて頻繁に運転しています。
クック氏はテクノロジーの能力に驚いたが、その進歩の遅さとマスク氏の約束実現の遅れに不満を抱いていた。同氏は、「完全自動運転タクシーが完成すると考えてFSDソフトウェアを購入し、そのために苦労して稼いだお金をつぎ込んだ人もいるかもしれない。しかし今、マスク氏のエンジニアらはこの嘲笑を懸念しているかもしれない。おそらく人々は、来年手に入ると思って 15,000 ドルを費やし、今ではがっかりしているでしょう。」 (小小)
以上がテスラの自動運転計画、ずさんさと頑固さが反転の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











上記と著者の個人的な理解 3 次元ガウシアンプラッティング (3DGS) は、近年、明示的な放射線フィールドとコンピューター グラフィックスの分野で出現した革新的なテクノロジーです。この革新的な方法は、数百万の 3D ガウスを使用することを特徴とし、主に暗黙的な座標ベースのモデルを使用して空間座標をピクセル値にマッピングする神経放射線場 (NeRF) 方法とは大きく異なります。明示的なシーン表現と微分可能なレンダリング アルゴリズムにより、3DGS はリアルタイム レンダリング機能を保証するだけでなく、前例のないレベルの制御とシーン編集も導入します。これにより、3DGS は、次世代の 3D 再構築と表現にとって大きな変革をもたらす可能性のあるものとして位置付けられます。この目的を達成するために、私たちは 3DGS 分野における最新の開発と懸念について初めて体系的な概要を提供します。

昨日の面接で、ロングテール関連の質問をしたかと聞かれたので、簡単にまとめてみようと思いました。自動運転のロングテール問題とは、自動運転車におけるエッジケース、つまり発生確率が低い考えられるシナリオを指します。認識されているロングテール問題は、現在、単一車両のインテリジェント自動運転車の運用設計領域を制限している主な理由の 1 つです。自動運転の基礎となるアーキテクチャとほとんどの技術的問題は解決されており、残りの 5% のロングテール問題が徐々に自動運転の開発を制限する鍵となってきています。これらの問題には、さまざまな断片的なシナリオ、極端な状況、予測不可能な人間の行動が含まれます。自動運転におけるエッジ シナリオの「ロング テール」とは、自動運転車 (AV) におけるエッジ ケースを指します。エッジ ケースは、発生確率が低い可能性のあるシナリオです。これらの珍しい出来事

自動運転では軌道予測が重要な役割を果たしており、自動運転軌道予測とは、車両の走行過程におけるさまざまなデータを分析し、将来の車両の走行軌跡を予測することを指します。自動運転のコアモジュールとして、軌道予測の品質は下流の計画制御にとって非常に重要です。軌道予測タスクには豊富な技術スタックがあり、自動運転の動的/静的知覚、高精度地図、車線境界線、ニューラル ネットワーク アーキテクチャ (CNN&GNN&Transformer) スキルなどに精通している必要があります。始めるのは非常に困難です。多くのファンは、できるだけ早く軌道予測を始めて、落とし穴を避けたいと考えています。今日は、軌道予測に関するよくある問題と入門的な学習方法を取り上げます。関連知識の紹介 1. プレビュー用紙は整っていますか? A: まずアンケートを見てください。

0.前面に書かれています&& 自動運転システムは、さまざまなセンサー (カメラ、ライダー、レーダーなど) を使用して周囲の環境を認識し、アルゴリズムとモデルを使用することにより、高度な知覚、意思決定、および制御テクノロジーに依存しているという個人的な理解リアルタイムの分析と意思決定に。これにより、車両は道路標識の認識、他の車両の検出と追跡、歩行者の行動の予測などを行うことで、安全な運行と複雑な交通環境への適応が可能となり、現在広く注目を集めており、将来の交通分野における重要な開発分野と考えられています。 。 1つ。しかし、自動運転を難しくしているのは、周囲で何が起こっているかを車に理解させる方法を見つけることです。これには、自動運転システムの 3 次元物体検出アルゴリズムが、周囲環境にある物体 (位置を含む) を正確に認識し、記述することができる必要があります。

最初のパイロットおよび重要な記事では、主に自動運転技術で一般的に使用されるいくつかの座標系と、それらの間の相関と変換を完了し、最終的に統合環境モデルを構築する方法を紹介します。ここでの焦点は、車両からカメラの剛体への変換 (外部パラメータ)、カメラから画像への変換 (内部パラメータ)、および画像からピクセル単位への変換を理解することです。 3D から 2D への変換には、対応する歪み、変換などが発生します。要点:車両座標系とカメラ本体座標系を平面座標系とピクセル座標系に書き換える必要がある 難易度:画像の歪みを考慮する必要がある 歪み補正と歪み付加の両方を画面上で補正する2. はじめに ビジョンシステムには、ピクセル平面座標系 (u, v)、画像座標系 (x, y)、カメラ座標系 ()、世界座標系 () の合計 4 つの座標系があります。それぞれの座標系には関係性があり、

原題: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving 論文リンク: https://arxiv.org/pdf/2402.02519.pdf コードリンク: https://github.com/HKUST-Aerial-Robotics/SIMPL 著者単位: 香港科学大学DJI 論文のアイデア: この論文は、自動運転車向けのシンプルで効率的な動作予測ベースライン (SIMPL) を提案しています。従来のエージェントセントとの比較

先頭と開始点に書かれている エンドツーエンドのパラダイムでは、統一されたフレームワークを使用して自動運転システムのマルチタスクを実現します。このパラダイムの単純さと明確さにも関わらず、サブタスクにおけるエンドツーエンドの自動運転手法のパフォーマンスは、依然としてシングルタスク手法に比べてはるかに遅れています。同時に、以前のエンドツーエンド手法で広く使用されていた高密度鳥瞰図 (BEV) 機能により、より多くのモダリティやタスクに拡張することが困難になります。ここでは、スパース検索中心のエンドツーエンド自動運転パラダイム (SparseAD) が提案されています。このパラダイムでは、スパース検索は、高密度の BEV 表現を使用せずに、空間、時間、タスクを含む運転シナリオ全体を完全に表します。具体的には、統合されたスパース アーキテクチャが、検出、追跡、オンライン マッピングなどのタスク認識のために設計されています。さらに、重い

この 1 か月間、いくつかのよく知られた理由により、私は業界のさまざまな教師やクラスメートと非常に集中的な交流をしてきました。この交換で避けられない話題は当然、エンドツーエンドと人気の Tesla FSDV12 です。この機会に、現時点での私の考えや意見を整理し、皆様のご参考とご議論に役立てたいと思います。エンドツーエンドの自動運転システムをどのように定義するか、またエンドツーエンドで解決することが期待される問題は何でしょうか?最も伝統的な定義によれば、エンドツーエンド システムとは、センサーから生の情報を入力し、関心のある変数をタスクに直接出力するシステムを指します。たとえば、画像認識では、従来の特徴抽出 + 分類子方式と比較して、CNN はエンドツーエンドと言えます。自動運転タスクでは、各種センサー(カメラ/LiDAR)からのデータを入力
