IA et robotique
Nous développons et déployons l’autonomie à grande échelle dans les véhicules, les robots et plus encore. Nous sommes convaincus qu’une approche fondée sur l’intelligence artificielle avancée pour la vision et la planification, soutenue par une utilisation efficace du matériel d’inférence, est la seule manière d’obtenir une solution générale à la conduite entièrement automatique, à la robotique bipède et au-delà.
Tesla Optimus
Créez un robot humanoïde bipède autonome à usage général, capable d’effectuer des tâches dangereuses, répétitives ou ennuyeuses. Pour atteindre cet objectif final, il faut construire les piles de logiciels qui permettent l’équilibre, la navigation, la perception et l’interaction avec le monde physique. Nous embauchons des ingénieurs en apprentissage profond, vision par ordinateur, planification de mouvement, contrôles, mécanique et logiciel général pour résoudre certains de nos défis d’ingénierie les plus difficiles.
Puce de conduite entièrement autonome
Créez des puces d’inférence d’IA pour exécuter notre logiciel de conduite entièrement automatique, en tenant compte de chaque petite amélioration architecturale et micro-architecturale tout en exprimant une performance maximale du silicium par watt. Effectuez des analyses de planification, de synchronisation et de puissance sur la configuration. Rédigez des tests et des tableaux de bord robustes pour vérifier la fonctionnalité et les performances. Mettez en place des pilotes pour programmer et communiquer avec la puce, en vous concentrant sur l’optimisation des performances et la redondance. Enfin, validez la puce de silicium et amenez-la en production de masse dans nos véhicules.
Réseaux de neurones
Appliquez des recherches de pointe pour entraîner les réseaux neuronaux profonds sur des problèmes allant de la perception au contrôle. Nos réseaux par caméra analysent les images brutes pour effectuer une segmentation sémantique, une détection d’objet et une estimation de la profondeur monoculaire. Nos réseaux à vol d’oiseau prennent la vidéo de toutes les caméras pour afficher le tracé de la route, l’infrastructure statique et les objets en 3D directement dans la vue descendante. Nos réseaux apprennent des scénarios les plus compliqués et les plus diversifiés au monde, provenant de façon itérative de notre parc de millions de véhicules en temps réel. Une version complète des réseaux neuronaux de conduite automatique implique 48 réseaux qui nécessitent 70 000 heures d’UTG pour s’entraîner 🔥. Ensemble, ils produisent 1 000 tenseurs distincts (prédictions) à chaque pas de temps.
Algorithmes d’autonomie
Développez les algorithmes de base qui conduisent le véhicule en créant une représentation haute fidélité du monde et en planifiant des trajets dans cet espace. Afin d’entraîner les réseaux neuronaux à prédire de telles représentations, créez par algorithmes des données de réalité du terrain précises et à grande échelle en combinant l’information des capteurs du véhicule à travers l’espace et le temps. Utilisez des techniques de pointe pour mettre en place un système de planification et de prise de décision efficace qui fonctionne dans des situations d’inquiétude réelles et complexes. Évaluez vos algorithmes à l’échelle de l’ensemble du parc Tesla.
Bases du code
Le débit, la latence, l’exactitude et le déterminisme sont les principaux indicateurs pour lesquels nous optimisons notre code. Construisez les bases du logiciel de conduite automatique à partir des niveaux les plus bas de la pile, en les intégrant parfaitement à notre matériel personnalisé. Mettez en place des chargeurs de démarrage très fiables avec prise en charge des mises à jour sans fil et créez des noyaux Linux personnalisés. Rédigez du code de bas niveau rapide et efficace en mémoire pour capturer les données à haute fréquence et en grand volume de nos capteurs et pour les partager avec plusieurs processus de consommation, sans impact sur le temps de latence d’accès à la mémoire centrale ou le code fonctionnel critique des cycles de processeur. Effectuez des calculs par « squeeze » et pipe-line sur une variété d’unités de traitement matérielles réparties sur plusieurs systèmes sur puces.
Infrastructure d’évaluation
Construisez des outils d’évaluation à circuit ouvert et fermé, qui incluent le matériel dans le circuit, et une infrastructure à grande échelle pour accélérer le rythme de l’innovation, suivre les améliorations de performance et éviter les réductions. Tirez des clips caractéristiques anonymisés de notre parc et intègre-les dans de grandes suites de cas d’essai. Écrivez du code qui simule notre environnement réel en produisant des graphiques très réduits et d’autres données de capteurs qui alimentent notre logiciel de conduite automatique pour un débogage en temps réel ou des tests automatisés.
