机器人视觉感知行业报告：Teslabot，问道机器人视觉感知技术进化史（20页）

行业报告下载 2022年08月06日 08:07 管理员

基于视觉的神经网络技术已经在特斯拉电动车 FSD 得到实战验证，有望借助于 Dojo 加速训练芯片实现升级。特斯拉 FSD 目前已完成了横跨美国绝大多数道路的数据采集，每辆特斯拉每天采集的数据近 4GB，累计采集数据达 1.5PB，特斯拉汽车积累的海量数据和算法，有助于帮助机器人实现更复杂“自动驾驶”快速落地。特斯拉 FSD 工作流程包括识别、预测、规划三个步骤。1）通过路测采集和计算机模拟，特斯拉积累了多达 100 万个 10 秒视频并通过无监督机器学习给 60 亿个物体贴上了深度、速度和加速度的标签；2）特斯拉的 FSD 能够对收集到的数据加入时间戳以形成一定的“记忆”能力，对车辆的相对位置、速度以及不在视野范围内的障碍物等将做出实时预测，这弥补了纯视觉算法对于障碍物遮挡下实时决策的限制，成为 FSD 更加“智能”的关键；3）FSD 完成了对多种常见驾驶场景的路线规划算法迭代，如“有车变道”、窄道遇车、停车场寻位等。由于特斯拉全球独一无二庞大的数据量和领先的 AI 预测与算法，特斯拉认为目前纯视觉方案也能较好弥补深度传感器缺失带来的不足。

去年 AI Day 上，特斯拉 AI 超算 Dojo 亮相，这款芯片单芯片算力为 362TFLOPS， 25 个芯片一组组成一个训练模块，算力可达 9PFLOPS，接口带宽为 36TB/s，目前 Dojo 组成的机柜集群由 120 个训练模块组成，内置 3000 个 Dojo 芯片，超过 100 万个训练节点。通过自研最先进的 AI 训练基础设施，特斯拉省去了购买昂贵的 GPU 服务器的大量成本并不需要依赖其他云服务商的能力，保障了数据和算法的安全。特斯拉有望将 Dojo 超算强大的 AI 大数据训练能力赋能 Teslabot，从而大大缩短机器人上线和后续软件迭代的速度。各大平台着力打造机器人技术平台，AI 下一波浪潮已开启。我们在之前关于 GTC2022 的点评中指出，AI 的下一波应用爆发浪潮为机器人，从 AGV 小车到自动驾驶再到人形机器人，AI 正在从固定的计算机进化成可移动的机器人形态。特斯拉搭建的自动驾驶场景模拟平台已帮助特斯拉积累标记 3.71 亿个模拟图像和 4.8 亿个立方体。特斯拉自动驾驶模拟系统由准确传感器模拟、逼真渲染、各种路上的事物和定位、可扩展的场景生成以及情景重构组成，这些能帮助特斯拉模拟一些现实中很少遇到的事故场景并提高数据冗余度。而英伟达通过 Omniverse replicator 在 DRIVE Sim 和 Isaac Sim 的加持下，通过仿真平台中的虚拟摄像机和传感器，合成难以标记的真值数据，并帮助 AI 工程师构建这些数据，弥补现实世界中不容易发现的数据缺口。各大自动驾驶巨头纷纷布局机器人技术开发平台和模拟工具，人形机器人有望接棒汽车成为重要的“机器人应用”。