當前位置:律師網大全 - 專利申請 - 特斯拉新專利 “影子模式”升級 將收集更多學習數據進行深度學習

特斯拉新專利 “影子模式”升級 將收集更多學習數據進行深度學習

車東西3月24日消息,據外媒Electrek報道,近日,特斯拉申請了壹項關於自動駕駛機器學習的專利。如果特斯拉可以獲取龐大的車輛行駛數據和硬件機器學習數據,就能夠訓練自動駕駛神經網絡,實現更深入的機器學習。

實際上,這項專利就是特斯拉“影子模式”的升級版本。此前,特斯拉通過車輛硬件自主進行機器學習,加強自動駕駛能力。而目前,通過收集大量的實際駕駛數據,可以讓自動駕駛具有更強大的判斷能力,尤其加強對未來發生事件的預判。如果這項工作得以順利開展,特斯拉的自動駕駛能力將得到更大提升。

壹、特斯拉申請新專利?用駕駛大數據進行更加深度的機器學?

日前,特斯拉申請了壹項關於自動駕駛機器學習的專利。專利中描述,特斯拉可以使用車輛行駛的大數據訓練自動駕駛神經網絡,讓自動駕駛系統能力得到提升。

▲特斯拉新專利

這壹專利已經通過審核並對外公布,特斯拉是這項專利的持有者,特斯拉人工智能和Autopilot自動駕駛軟件負責人Andrej?Karpathy是唯壹發明者。

實際上,這就是特斯拉“影子模式”的壹個升級。

專利描述中首先對駕駛數據收集的困難進行了闡述:“深度學習系統的性能通常受制於訓練模型的質量。大多數情況下,深度學習開發者都會花大量精力收集、整理、註釋訓練數據,這壹過程通常十分枯燥乏味。而且,機器學習模型通常需要非常特殊的個例,這些個例也難以收集。”

而特斯拉所采用的數據收集方式和其他公司完全不同。其他自動駕駛研發公司通常會選取壹部分自動駕駛車輛收集數據,因此數據量通常較少,也難以具有普遍性。

特斯拉則使用旗下大量車輛的行駛數據用於深度學習,數據量更大,也能覆蓋更多的場景。因此,在進行深度學習時也會得到更精準的結果。

▲特斯拉數據收集流程圖

可是,如果不進行大量數據收集就無法完成機器學習了嗎?Karpathy對此進行解釋:“隨著機器學習模型變得越來越復雜,機器學習需要使用更多數據才能保證準確性。與較淺的機器學習相比,更深入的學習可以保證軟件通用性更高。雖然經過反復的機器學習訓練,淺層的機器學習也能提高準確度,但它對未來發生事件的判斷仍不夠強大。”

也就是說,通過前期的機器學習,特斯拉自動駕駛已經取得了壹些成果。目前進行的數據收集,則是為了能夠達到更高的自動駕駛目標。

二、特斯拉去年推出影子模式?日“測試量”可達數百萬英裏

特斯拉在自動駕駛領域已經是老玩家了,不過特斯拉官方的上路測試真的很少,大部分都是靠特斯拉車主貢獻自動駕駛方面的數據。此前,特斯拉在2019年4月發布了“影子模式”,希望讓大量特斯拉汽車的自動駕駛硬件在車輛行駛時工作,達到機器學習的目的。

“影子模式”的原理是,讓特斯拉汽車的自動駕駛軟件處於開啟狀態,傳感器探測車輛行駛道路周圍的數據,但駕駛操作完全由人來完成,機器不參與駕駛。在人的駕駛過程中,機器就能學習人的駕駛操作,從而達到提升自動駕駛能力的目的。

▲特斯拉2019年發布“影子模式”時的演講

特斯拉當時就認為,如果只收集特定車輛的自動駕駛信息,測試結果通常都不準確,因為數據量、測試場景的局限性太大。如果大量特斯拉車主希望***享駕駛數據,使用這些數據進行機器學習,數據量和準確度都有更多保障。

特斯拉表示,如果使用電腦模擬器進行自動駕駛測試,每天測試量可以達到100萬英裏,而特斯拉車主所能***享的數據已經超過這個數字,車主***享的數據有更高的價值。

結語:特立獨行者——特斯拉

在自動駕駛測試中,特斯拉算是個特立獨行者。沒有官方的自動駕駛測試,靠的是大量用戶的駕駛數據;堅決不用激光雷達,相信攝像頭+毫米波就能解決大多數自動駕駛難題。特斯拉的這種特立獨行也讓許多自動駕駛公司有些不知所措。

不過,正是特斯拉的特立獨行才造就了特斯拉。從推出電動汽車的那壹刻起,特斯拉就註定是個特立獨行者。

本文來源於汽車之家車家號作者,不代表汽車之家的觀點立場。

  • 上一篇:水光針多久見效?打水光針有依賴性嗎?打水光針會有依賴嗎?
  • 下一篇:王山專利
  • copyright 2024律師網大全