Ringkasan keynote self-driving Tesla @ CVPR21

Pemaparan kasus peningkatan Autopilot dengan pure vision tanpa radar (diringkas oleh Sleeper dari Clien)

• Sebelumnya menggunakan campuran radar dan vision

• Karena noise radar, ada masalah pada keandalan nilai yang diestimasi

• Karena itu, dilakukan upaya untuk mengestimasi posisi, kecepatan, dan percepatan objek hanya dengan vision

→ 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)

→ 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

→ 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)

→ Proses deployment ulang jaringan saraf baru yang dilatih dengan data ini ke 'shadow mode' kemudian diulang terus

→ Diulang 7 kali selama 4 bulan, dan membangun set pelatihan berisi 1 juta video termasuk edge case

→ Jumlah label mencapai 6 triliun, dengan kapasitas 1,5 petabyte

→ Untuk pelatihan, dibangun superkomputer dengan performa 1,8 exaflops

• Hasilnya adalah pure vision Autopilot

• Responsnya jauh lebih cepat, dapat mengidentifikasi beragam objek, dan menunjukkan hasil yang memuaskan

[dalinaum]

Kalau Autopilot pure vision begini, sepertinya phantom brake akan jadi lebih parah.