智能驾驶系列报告二:特斯拉FSD:智驾全栈自研 开启宏图新篇.pdf

1引言
本报告为特斯拉FSD专题报告,从算法端、算力端、芯片端、数据端四个层面出发,对FSD系统底层技术原理进行全面深度拆解,并结合端到端架构演进趋势,对FSD系统的最新发展变化进行梳理,对板块后续核心催化进行展望。
FSD是一套包含感知、规控、执行在内的全链路自动驾驶软硬件架构,在算法、算力、数据、芯片等层面实现了高度集成:
1)算法端:感知规划算法全栈自研,实现从纯视觉信息输入到规划方案输出
1)感知。特斯拉采用BEV+Transformer架构,将2D图像转化为对周围环境的准确3D感知。而后,特斯拉将该架构升级为Occupancy Network,能够直接在向量空间产生体积占用,精准识别物体运动状态差异;2)规划。特斯拉采用交互搜索框架,以任务分解的方式对一系列可能的行驶轨迹进行研究,实现对规划方案的实时评估。通过算法端全栈自研,特斯拉以低成本感知硬件进行高阶智驾能力输出,快速实现自动驾驶算法优化迭代。
2)算力端:从0到1构建超级计算机系统,为远期算力提供强大支撑。特斯拉从算力芯片开始,完整构建Dojo超级计算机系统,以处理自动驾驶所需海量数据。2021年8月,Dojo在特斯拉首届AIDay上正式亮相,定位为超高速训练计算机,采用分布式计算架构设计,算力分为内核级、芯片级、格点级、集群级等四个层级,实现从训练节点到训练集群的完整构建。特斯拉从0到1构建超级计算机系统,旨在摆脱对英伟达GPU的依赖,为远期算力瓶颈进行前瞻布局
3)芯片端:由合作迈向自研,实现高性能算力集成。特斯拉自动驾驶硬件平台初期与Mobileye、英伟达等合作,2019年正式发布基于自研FSD芯片的HW
3.0系统,开始转向硬件平台全面自研,下一代全自动驾驶(FSD)硬件——AI5,预计将于2025年下半年投产。FSD硬件计算平台采用两颗SoC芯片,以双系统设计提升自动驾驶功能安全冗余。特斯拉构建了神经网络编译器与链接器,以最大化计算资源利用率、吞吐量,并最小化延迟。通过芯片自研,特斯拉能够实现硬件方案的持续快速迭代,与软件算法进行更好的整合,从而实现更优的系统性能。
4)数据端:高效自动标注+构建仿真场景,实现数据驱动训练。2020年,特斯拉开始研发并使用数据自动标注系统,能够在12小时内自动标注一万个驾驶旅程,可抵充500万个小时的人工标注工作,极大提高了标注效率。仿真模拟则可以提供现实世界中难以获得或是难以标记的数据,从而加速FSD能力的训练,赋能模型迭代.结合真实数据和标签,以及仿真和手动校准的数据,特斯拉形成综合训练数据集,用于训练车端的在线模型,涉及网络占用、车道线和障碍物检测以及规划算法,形成闭环的数据流,实现自动驾驶系统的持续优化

本文来自知之小站

 

PDF报告已分享至知识星球,微信扫码加入立享3万+精选资料,年更新1万+精选报告

(星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com)