在国际计算机视觉大会上，特斯拉的AI和自动驾驶软件副总裁阿肖克·埃卢斯瓦米首次详细披露了特斯拉独特的自动驾驶学习机制，这一机制将对整个行业产生深远影响。与多数自动驾驶公司依赖的“模块化、多传感器”系统不同，特斯拉的“端到端”神经网络将感知、规划和控制三大环节整合为一个统一的系统。
埃卢斯瓦米在社交媒体X上解释说，特斯拉的系统通过“持续训练的神经网络”实现全局优化，确保每个环节的梯度都能从控制层流向传感器输入层。他指出，这种架构不仅提升了系统的可扩展性，还具备类人类的推理能力。通过真实驾驶案例，他强调，特斯拉的AI能够做出“细微的价值判断”，比如在面对水坑时，是选择绕过还是短暂驶入对向车道。
他进一步指出，自动驾驶汽车时刻面临“迷你电车难题”，而特斯拉的机器人学习人类驾驶数据，能够掌握与人类价值观一致的判断标准，确保在复杂环境下的安全驾驶。此外，特斯拉的AI还具备识别路上动物意图的能力，比如判断动物是否打算过马路，这种细微的场景在传统编程中难以实现。
尽管面临来自多个摄像头、导航地图和运动学数据的“数十亿个输入数据单元”的挑战，埃卢斯瓦米表示，特斯拉全球车队每天产生的驾驶数据量相当于“500年的人类驾驶时长”，这堪称“数据尼亚加拉瀑布”。通过复杂的数据处理流程，特斯拉能筛选出最具价值的训练样本，并开发工具确保神经网络的“可解释性和可测试性”。
此外，特斯拉的“生成式高斯溅射法”能够在毫秒级时间内重建3D场景，而“神经世界模拟器”则为工程师提供了一个高仿真的虚拟环境，安全测试新的驾驶模型。埃卢斯瓦米最后提到，这套系统的成功应用还将扩展到特斯拉的人形机器人Optimus身上，并相信这将为全人类带来巨大的益处。
特斯拉正在以其独特的AI学习机制引领自动驾驶的未来，真正实现了科技与人类价值观的完美结合。返回搜狐，查看更多