Ehkä ymmärrät, jos väännän vielä vähäsen rautalangasta:
Kisan voittaa se jolla on eniten dataa. Teslalla dataa oli 2019 3 miljardia ajettua mailia, kun Waymolla oli 20 miljoonaa mailia.
Toki pistepilveä voidaan käyttää koulutusdatana koneoppimiseen, mutta koko homma on helvetin paljon kalliimpaa joka osa-alueella:
Yhden lidarin hinnalla saa satoja low-res kamerayksiköitä, joita Tesla käyttää
Lidarin tuottaman 3d-pistepilven käsitely vaatii huomattavasti enemmän laskentatehoa kuin pakattu videokuva
Waymolla laskentayksikkö täyttää koko takakontin, kun se on Teslalla custom-built piirilevy hansikaslokeron takana → Waymon teho- ja virtasyöppö ratkaisu on huono sähköautoon
Lidarissa on mekaanisia liikkuvia osia, jotka vaativat huoltoa
@Hereford_Picnic mutta kun tunnut olevan noin varma, niin voinet antaa esimerkkejä kilpailijoista, jotka käyttävät lidaria nimenomaisesti konenäön koulutukseen ja joilla on realistinen mahdollisuus ohittaa Tesla kisassa.
Kyllä sanoisin että datan laatu on tärkeämpää kuin suoranainen määrä. Tarvitaan koulutettu käyttäjä, tässä tapauksessa kuljettaja jolla on riittävästi mahdollisuuksia antaa luotettavaa tarkkaa palautetta. Miten Tesla on hoitanut tämän? Ihan aito kysymys, en tiedä. Päälle päin näyttää siltä että autoilla vaan ajellaan ja tavikset painaa yhtä nappia silloin tällöin, tai ottavat ohjat tarvittaessa. Ei sellaisesta saa mitään hyödyllistä dataa irti.
Liikenneympäristö kaikkine tosimaailman tekijöineen on niin monimutkainen kokonaisuus, että datan määrä on ainoa tapa ratkaista se. Konenäöllä täytyy olla videokuvaa niistä kaikkein harvinaisimmistakin erikoistilanteista, jotta se pystyy vastaavista selviytymään ilman ihmisen ohjausta.
Yksinkertaistettu vastaus: autopilot on Tesloissa päällä shadow moodissa. Eli autopilot havainnoi ympäristöä ja tekee ajopäätökset, mutta ei välitä niitä auton ohjaukseen. Kun shadow moodissa olevan autopilotin ratkaisu poikkeaa kuskin ratkaisusta, jää siitä tieto, jonka Tesla lataa autosta serverilleen.
Toinen tilanne, jossa dataa lähtee Teslalle, on kun kuski joutuu ottamaan ohjat autopilotin tehdessä virheen.
Se ilmoitusnappula on lähinnä kuskin mahdollisuus “kommentoida” tilanteita.
Jos haluat kattavamman vastauksen, niin katso Andrej Karpathyn osuus Teslan Autonomy Daysta:
Joo, luin mitä kirjoitit, ja sen perusteella en ajatellut hukata aikaani enempää lukemalla artikkelia.
Kiitos silti kirjoittelupanoksestasi näissä asioissa. Kiva tietää, mitä näistä jutuista ajatellaan. Tesla voi olla hyvä sijoitus.
En mä noista kilpailijoista osaa sanoa, mitä ne datallaan tekee, sorry. Mulla on uudessa Tojotassakin aika hyvät full self drivingit, ja käytän tosi usein, mutta tulkintavirheiden takia pitää olla hereillä ajaessa. Henk:koht. tykkäisin monipuolisesta sensorikombosta, joita täällä onkin jo ansiokkaasti käsitelty. Siihen sitten vielä mahdollisimman taitava prosessointi päälle. Ehkä se kymmenen vuoden päästä jo toimii. Ilmassa olisi helpompaa, kun ei ole kiinteitä rakenteita monimutkaistamassa asioita, mutta sepä menee jo tämän ketjun aiheen ulkopuolelle.
Kuljettajan vikahan tuo on täysin, kun on luottanut täysin avustavaan teknologiaan. Meillä on vielä junissakin kuljettajat ja ne kulkee sentään kiskoilla. Silti ihmiset kuvittelevat että voivat antaa autonsa ajella itsekseen ja vaikka torkkua itse kuskin paikalla. Vaarallista leikkiä, miksi edes haluamme pyrkiä moiseen?
Kun olet ostanut 10 000$ paketin minkä nimi on full self driving ja lukenut netistä että täysin ylivoimainen teknologia niin sattuuhan näitä että joku uskoo.
No siis, kyllä. On se vika tietysti yrityksen ja yksittäisen onnettomuuteen joutuneen järjestelmänkin.
Niin kauan kuin vastuu on kuljettajalla pitäisi se markkinoinnissa pitää kirkkaana esillä. Jos halutaan vastuu (myös juridinen) siirtää yritykselle ja ajoneuvolle, niin markkinoikoot FSD:nä sen jälkeen.
Ihan mielenkiintoista kyllä jos Tesla antaa kaikille potentiaalin FSD:n testaamiseen, mutta sitten sen käyttö olisi kielletty tietyillä alueilla, niin kuka ottaa sen vastuun siitä käyttökiellon noudattamisesta? Tesla nyt vetää varmaan klassisella pöhinäkulttuurin “Tehdään ja sitten pyydetään anteeksi”- metodilla, mutta voi olla hyvin vaihtelevaa kaupungeittainkin.
Suomessa saa kyllä aika pitkään odottaa, että saisi laillisesti ajaa FSDllä muualla kuin korkeintaan sille varatulla kaistalla. Katsotaan, miten tuokkonen tippuu Kurikassa lattialle, kun lainsäädäntö tulee ihan jälkijunassa.
Jäin hieman odottamaan vastausta vaikka Tesla_uskovaiselta, Juha_Salmiselta ja Jarnikselta: Jos teidän pitäisi miettiä, että miten Teslan maailmanvalloitus voisi epäonnistua, niin mihin se kaatuisi ja mitkä olisivat ennusmerkkejä siitä?
Perinteisesti nuo ovat ne suurimmat ev-maat Euroopassa pl Iso-Britannia. Mutta kai analyytikot seuraavat rekisteröintitietojen lisäksi laivaliikennettä ja tehtaiden tuotantotilannetta.
Lyhyellä tähtäimellä Teslalta odotetaan huhtikuussa FSD betaa ladattavaksi kaikille sen ostaneille. Cybertrukin julkaisu pitäisi myös tulla piakkoin. Giga Berlinin rakennuslupa olisi myös hyvä saada, jos tuotanto aiotaan aloittaa loppukesästä. Tesla voi myös yllättää esim. uutisilla $25k pikkuautosta tai uusista tehtaista. Isoja semi-toimitussopimuksia voi myös tulla.
Todettakoon että “FSD” (beta) ei ole jakelussa vielä jenkkien ulkopuolella, eli tuo Taiwan-case on “tavallinen autopilot”. FSD ehkä olisi jopa tuon välttänyt. Eli jospa ei dissata FSD:tä sen perusteella mitä on tapahtunut ilman että se on edes osallisena?
Oli järjestelmä mikä tahansa, pitää kuljettajan olla niin hereillä, että ehtii pysäyttämään auton tuollaisessa tilanteessa jossa järjestelmä ajaa päin punaisia. Lentää ne lentokoneetkin autopilotilla, mutta silti joku istuu ohjaamossa puuttumassa tilanteeseen, jossa järjestelmä tekee virheen tai siihen tulee toimintahäiriö. Minä en usko että täysin autonomista ajamista tullaan näkemään vielä aikoihin. Tai ainakin toivon niin.
Tämä onnettomuus ei tosiaan kyllä ole Teslan vika. Autopilot vähän välittää liikennevaloista täällä (beta ei ole jaossa täällä FSD:stä puhumattakaan) joten vaikea sitä on syyttää. Kyseessä oli siis vuokra-auto ja kuljettajalla ei tunnu olevan hajuakaan siitä miten se toimii. Tosin tässä kyllä totuuden nimessä on pieni ongelma, jos on aina ajanut ns normaalilla autolla niin käyttöliittymä Teslassa kyllä oikeasti vaatii opettelua. Mutta kyllä vastuu tässä on ihan tasan naisella joka autoa ajoi.
Itse Tesla omistajana en kyllä ole yhtään vakuuttunut, että autoni tulee ajamaan kotoa töihin itse lähivuosina Taiwanissa. Ehkä sellaisilla alueilla jossa tiet ja säännöt ovat selkeät ja sää on suotuisa niinkuin Kaliforniassa, mutta suuressa osaa maailmaa en näe mahdolliseksi.
@Tesla_uskovainen kommenteissa oli epähuomiossa virheitä, joten kommentoin vain päällisin puolin.
Teslan ns. Data Engine, joka oli @Tesla_uskovainen linkkaamassa Andrej Karpathy videossa on yleinen malli, jota mm. Waymo käyttää. Yleinen Data Engine toteutus
Käytännössä Teslassa on kymmeniä neuroverkkoja (Objektien tunnistus, reitti…) ja mm. linkattu Karpathy video on lähinnä yleiskuvaus.
Teslan oppiminen (kuten Waymon, AutoX:n jne.) tapahtuu simulaattorilla tai Teslojen yhteiseen pilveen lähettämillä poikkeustapausten tiedoilla. Poikkeustapauksista Teslan insinöörit poimivat saman kaltaisia tilanteita ja opettavat neuroverkon. Opetetun neuroverkon tiedot viedään Tesloihin ja sitä ensin testataan Shadow modessa eli neuroverkon muutokset ajetaan Teslassa, ne eivät ohjaa Teslaa mutta ilmoittavat Teslan insinööreille toimivatko uudet muutokset
Omasta mielestäni neuroverkkoja voitaisiin käyttää paljon enemmän hyödyksi, mutta niissä on rajoitteita.
Rajoitteita voi havainnollistaa vaikka esimerkillä, jossa auton takana on pyöräteline, jossa on pyörä kiinni. Kun takana ajavassa autossa kuski näkee tämän auton, kuski tietää välittömästi että keskeistä on seurata autoa, koska pyörä on vain autossa kiinni.
Neuroverkko ei tätä ymmärrä, vaan sille on opetettava useilla kuvilla tilanteita, joissa autossa on pyörä kiinni. Siltikään kukaan ei koskaan voi tietää, missä vaiheessa neuroverkko on oppinut asian täysin “ymmärtämään”
Neuroverkkohan ei ajattele vaan on “mekaaninen” ohjelma. Eri tapauksia varten rakennetaan eri neuroverkkoarkkitehtuurit ja jokainen neuroverkko saa opetuksesta parhaiten toimivat kertoimet joiden perusteella se antaa keskimäärin parhaan arvauksen.
Itse epäilen, että sekä Kamera että Lidar korvautuvat 10 vuoden sisällä.
Kamera on vanha keksintö jossa otetaan yksittäisiä kuvia. Sensorina voisi olla hyödyllisempi kamera, joka ei ota kuvia vaan lähettää jatkuvaa tietovirtaa kameran näkemistä pikseleistä. Muuttuvataajuiset laserit sekä tutkat lähettävät jokaisesta pixselistä täydentävää tietoa.
Todennäköinen eteneminen tasolle 4/5 lieneekin se, että tiestö digitalisoituu pilveen, autojen ADAS-toiminnallisuudet sekä tieliikenneinfra kehittyvät tukemaan tasoa 4/5 vuosi vuodelta. Tähän on käytönnön projekteja menossa mm. EU:ssa
Jos sää on tämmöinen, niin miten nuo voivat toimia yksin? Tai mikäli kamerat likaantuvat (tai rikkoutuvat), tuleeko auton mukana huolto-ohjeet näille?
Artikkelit vuosi sitten (mm. käsitellessä tutkaa mikä skannaa maanmuotoja auton alta tunnistakseen “missä tie menee”) eivät olleet optimistisia pelkkään kameraan luottamisesta How Do Self-Driving Cars Drive In the Snow? | MIT LGPR
Sori en ihan ymmärtänyt, mitä tarkoitat. Miksei lidarit toimisi 10 vuoden päästä? Eikö muuttuvataajuisiset lasertutkatkin olisi nimenomaan lidaria?
Onko sillä merkitystä, että ottaako kamera yksittäisiä kuvia, jos kuvataajuus ja datansiirron nopeus kasvaa 5g:n ja teknologisen kehityksen myötä huomattavasti? Miten se eroaa sensorista, joka lähettää jatkuvaa tietovirtaa kameran näkemistä pikseleistä?
Itse liputan lidarin puolesta, mutta olen valmis muuttamaan mielipidettäni.
Minun on vaikea ymmärtää miten kamerat yksiomaan voivat riittää luotettaviin tulkintoihin. Kameraa on äärettömän helppo huijata valoilla, varjoilla ja heijastuksilla uskomaan melkein mitä tahansa. Kaksiulotteisenkin saa näyttämään kolmiulotteiselta ja toisin päin. Varmasti oikeassa elämässä tulee tilanteita jossa jo ihan aurinkokin saa luomine varjoineen aikaan tilanteita joita on keinoälyn kaksiulotteisesta kuvasta ihan mahdoton tulkita. Usein se on vaikeaa ihan ihmisillekin.
165k. Konsensus 162k.