Ringkasan keynote self-driving Tesla @ CVPR21
(clien.net)<p>Pemaparan kasus peningkatan Autopilot dengan pure vision tanpa radar (diringkas oleh Sleeper dari Clien)<br />
- Sebelumnya menggunakan campuran radar dan vision<br />
- Karena noise radar, ada masalah pada keandalan nilai yang diestimasi<br />
- Karena itu, dilakukan upaya untuk mengestimasi posisi, kecepatan, dan percepatan objek hanya dengan vision<br />
→ Data untuk pelatihan dibangun dengan mengambil video berkendara dari armada Tesla yang beroperasi di jalan umum, lalu melakukan pelabelan otomatis secara offline (mengisikan posisi, kecepatan, percepatan)<br />
→ Didefinisikan 221 tanda yang menunjukkan bahwa situasi tersebut adalah 'situasi sulit', dan jaringan saraf yang berjalan dalam 'shadow mode' pada kendaraan Tesla biasa menangkap tanda-tanda ini<br />
→ Jika departemen AI Tesla menilai suatu 'situasi sulit' tertentu sebagai masalah, data dari situasi serupa dikumpulkan dari kendaraan Tesla dan dibuat menjadi data pelatihan berlabel (secara otomatis)<br />
→ Proses deployment ulang jaringan saraf baru yang dilatih dengan data ini ke 'shadow mode' kemudian diulang terus<br />
→ Diulang 7 kali selama 4 bulan, dan membangun set pelatihan berisi 1 juta video termasuk edge case<br />
→ Jumlah label mencapai 6 triliun, dengan kapasitas 1,5 petabyte<br />
→ Untuk pelatihan, dibangun superkomputer dengan performa 1,8 exaflops<br />
- Hasilnya adalah pure vision Autopilot<br />
- Responsnya jauh lebih cepat, dapat mengidentifikasi beragam objek, dan menunjukkan hasil yang memuaskan</p>
1 komentar