Os veículos autônomos atualmente contam com uma combinação de câmeras, radar e LiDAR para garantir que tenham todos os dados de que precisam para navegar com segurança. No entanto, a Tesla pretende, em última instância, confiar exclusivamente em câmeras, usando uma rede neural para alcançar uma direção autônoma com apenas a visão.
Esse sistema é altamente desejável por uma série de razões. O mais óbvio é que ele reduz a quantidade de tecnologia por veículo, o que reduz o custo e o peso. E como o CEO da Tesla, Elon Musk, enfatizou no Twitter em abril: "A visão tem muito mais precisão, então é melhor dobrar a visão do que a fusão de sensores."
No entanto, usar apenas a visão requer muito treinamento, e é aí que entra o dojo. Como relata o TechCrunch, o Dojo é um computador de treinamento de rede neural que Tesla planeja usar para processar as "enormes quantidades de dados de vídeo" necessárias para treinar esse sistema de direção de auto-busca. O problema é que o Dojo ainda não existe, mas a Tesla acaba de revelar o supercomputador que planeja usar como um protótipo do dojo. De acordo com Andrej Karpathy, Diretor de IA da Tesla, o supercomputador consiste em 5.760 GPUs que fornecem 1,8 EFLOPS (exaFLOPS) e são suportados por 10 petabytes de armazenamento NVMe com uma velocidade de conexão de 1,6 TBps.
Durante uma palestra de workshop sobre direção autônoma no CVPR 2021, Karpathy explicou como a abordagem LiDAR depende da criação de um mapa HD com antecedência e, em seguida, localizá-lo nesse mapa durante a condução. A abordagem de Tesla faz tudo localmente e depende da transmissão de vídeo de oito câmeras montadas no veículo. Karpathy diz que esta é a abordagem muito mais difícil, mas também muito mais escalável do que a alternativa do cartão LiDAR + HD, porque você simplesmente não pode atualizar os dados do mapa rápido o suficiente.
A solução da Tesla já é avançada o suficiente para que as câmeras façam a maior parte do trabalho pesado e Karpathy confirmou que os carros começaram a ser enviados há três semanas sem radar. O vídeo do workshop (comece a assistir na marca de oito horas) mostra a filmagem das oito câmeras nas quais Tesla depende para o sistema autônomo. Agora, tudo que Tesla precisa fazer é gravar muitos vídeos de direção, armazenar petabytes de dados e treinar seu sistema para seja competente e seguro o suficiente para todos os veículos.
