特斯拉人工智能副总裁阿肖克・埃卢斯瓦米近日披露,公司采用"端到端"神经网络架构,将感知、规划与控制功能整合于单一系统中。与传统模块化方案不同,该技术通过梯度反向传播实现全局优化,使自动驾驶系统能掌握细微价值判断。
埃卢斯瓦米举例说明,该系统能自主决策绕行积水或借道避让,并理解动物穿越意图。为实现这一能力,特斯拉依托全球车队构建"数据瀑布",每日积累相当于500年驾驶经验的数据量。通过自研的生成式高斯点阵渲染技术和神经世界模拟器,工程师可在虚拟环境中高效测试新模型。
该神经网络架构未来将延伸至人形机器人Optimus的研发,展现其在人工智能领域的扩展潜力。
免责声明:本文内容由开放的智能模型自动生成,仅供参考。

扫一扫关注微信