展覽 市場動態 生活 處理器 頭條話題

Tesla說明當前自動駕駛技術發展,透過Unreal Engine建構模擬世界、以Dojo超級電腦進行訓練
讓自駕車可以學會真實世界中複雜的用路邏輯

除了介紹人型機器人完整原型設計,Tesla在此次AI Day活動中也進一步說明目前在自動駕駛技術發展,以及Dojo超級電腦發展狀況。

-
▲透過更高效率、更高運算效能推動自動駕駛訓練

其中,在去年釋出的自動駕駛功能測試版本,目前已經經歷35個版本更新,並且累積釋出281種運作模型,目前總計完成訓練75778種運作模型,同時衍生18659種運作模型,更累積多達480組資料片段,而使用者更從去年的2000人,在今年增加至16萬人。

而訓練使用資料量,目前更以14.4億組影片,透過每小時以10萬組GPU形式在90度運作環境下進行訓練。

其中,在訓練環境中的1萬4000組GPU中,將以4000組GPU會用於影片場景細項自動分類,1萬組GPU則會用於訓練,另外訓練用影片資料量也將多達30PB,總計累積1600億組影片畫格數,並且透過50萬組影片每天重複進行訓練,更以每秒透過40萬組影片進行大量訓練。

-
▲以4000組GPU會用於影片場景細項自動分類,1萬組GPU則會用於訓練,另外訓練用影片資料量也將多達30PB,總計累積1600億組影片畫格數,並且透過50萬組影片每天重複進行訓練,更以每秒透過40萬組影片進行大量訓練

在訓練過程中,Tesla更強調強化影片分類精準度,藉此提升30%訓練效率,同時也進一步透過道路用路邏輯,加入包含識別在紅燈亮起的搶快駕駛行為,或是在道路上緩慢行駛等行為,藉此讓自動駕駛系統能更輕易分別道路上複雜的用路情況,同時也加入諸多與駕駛場景互動情況判斷,藉此在一般正常駕駛運作過程中,可以避免各類突發狀況產生危機。

-
▲讓自動駕駛系統能更輕易分別道路上複雜的用路情況

另外,Tesla更透露藉由Unreal Engine打造真實的虛擬世界,藉此讓自動駕駛系統可以在虛擬環境下持續進行模擬訓練,例如以真實世界的舊金山市區為範本,Tesla便建立許多道路交通繁忙地區資料,讓自動駕駛車輛可以藉此「熟悉」更多用路行為。

-
▲藉由Unreal Engine打造真實的虛擬世界

Tesla也進一步介紹目前用於Dojo超級電腦中的Tile運算模塊設計,強調可藉由模組化設計,讓整體佔用空間可以更有控制彈性,同時電力使用也能更有效率。

在以6組Tile構成的系統模組約可對應54PFLOPS (BF16)運算量,並且以100 kW以上電力運作。

-
▲Tile運算模塊設計
-
▲6組Tile構成的系統模組

配合單張即可對應32GB高傳輸頻寬記憶體、每秒900TB資料傳輸量,以及每秒可對應50GB資料傳輸量的網路傳輸頻寬,加上每秒32GB資料傳輸量與PCIe 4.0介面設計的Dojo介面卡,總計可構成高達640GB高傳輸頻寬記憶體容量、每秒可對應1TB網路傳輸頻寬的Dojo介面處理器,進而讓構成的ExaPOD可發揮1.1 EFLOPS (FP16)運算量、對應1.3TB靜態隨機存取記憶體容量,以及13TB高傳輸頻寬記憶體容量。

-
▲對應32GB高傳輸頻寬記憶體、每秒900TB資料傳輸量,以及每秒可對應50GB資料傳輸量的網路傳輸頻寬的Dojo介面卡
-
▲以多數Dojo介面卡構成Dojo介面處理器
-
▲透過大量Dojo介面處理器構成的ExaPOD可發揮1.1 EFLOPS (FP16)運算量、對應1.3TB靜態隨機存取記憶體容量,以及13TB高傳輸頻寬記憶體容量
楊又肇 (Mash Yang)
mashdigi.com網站創辦人兼主筆,同時也是科技新聞業流浪漢。

發表迴響