在自动驾驶技术日益发展的今天，特斯拉的人工智能与自动辅助驾驶软件副总裁阿肖克・埃卢斯瓦米（Ashok Elluswamy）近日在国际计算机视觉会议后罕见地分享了特斯拉的“端到端”自动驾驶系统的工作原理，吸引了广泛关注。
特斯拉的自动驾驶系统与许多其他公司的模块化、传感器密集型系统截然不同。埃卢斯瓦米指出，许多自动驾驶公司将感知、规划和控制这三个环节分开处理，而特斯拉则将它们整合进一个统一的、持续训练的神经网络中。这种创新的架构使得梯度信号能够从控制层反向传播至传感器输入层，从而实现对整个网络的全局优化。
这种全局优化的优势在于可扩展性以及更贴近人类思维方式的推理能力。通过对真实驾驶场景的学习，特斯拉的AI能够掌握复杂的价值判断。例如，AI可以决定是绕过路面积水，还是短暂驶入对向空车道以确保安全通行。埃卢斯瓦米称，自动驾驶汽车无时无刻不在面对“微型电车难题”，而特斯拉的AI通过大量的人类驾驶数据进行训练，能够学习与人类价值观相一致的行为准则。
此外，该系统还具备理解复杂意图判断的能力，能够识别道路上的动物是准备穿越还是原地停留。埃卢斯瓦米强调，这类细微行为若采用传统编程方式手动编码，难度极高，但通过端到端的学习方式，AI能够更自然地掌握这些复杂的驾驶决策。
然而，埃卢斯瓦米也坦言，这一技术路径仍面临巨大挑战。特斯拉的AI系统需要处理来自多摄像头、导航地图及运动学数据的数十亿个“输入标记”（input tokens）。为了应对如此庞大的数据量，特斯拉依托其全球车队构建了一个庞大的“数据瀑布”资源池，每天产生的驾驶数据相当于500年的实际驾驶经验。随后，特斯拉的先进数据管道会从中筛选出最具价值的训练样本。
为了提升神经网络的可解释性和可测试性，特斯拉还开发了一系列专用工具。其中，“生成式高斯点阵渲染”（Generative Gaussian Splatting）技术能够在毫秒级时间内重建三维场景，并且无需复杂配置即可建模动态物体。此外，特斯拉自主研发的“神经世界模拟器”（neural world simulator）使得工程师能够在高度逼真的虚拟环境中安全测试新的驾驶模型，并实时生成高分辨率、具备因果逻辑的响应。
埃卢斯瓦米最后表Pg电子平台网址示，这一相同的神经网络架构未来也将应用于特斯拉的人形机器人Optimus。他坚信，这项工作将极大造福全人类，并称特斯拉是“当前全球从事人工智能研究的最佳平台”。
总的来说，特斯拉的端到端自动驾驶系统不仅在技术上颠覆了传统的自动驾驶思维，更为未来的人工智能应用开辟了新的方向。随着技Pg电子平台网址术的不断进步，特斯拉的AI系统将继续向更高的智能水平迈进，推动汽车行业的革命性变革。返回搜狐，查看更多