Карьера в Tesla: Направление AI & Robotics
Мы разрабатываем и внедряем автономные системы в автомобилях, роботах и не только. Мы убеждены, что подход, основанный на передовом искусственном интеллекте для компьютерного зрения и планирования, поддерживаемый эффективным использованием инференсного оборудования, — единственный путь к созданию универсального решения для полного автономного вождения, двуногой робототехники и других задач.
Нейронные сети
О проекте:Применение передовых исследований для обучения глубоких нейронных сетей, решающих задачи от восприятия до управления.
Чем предстоит заниматься:
* Работать с покамерными сетями, анализирующими сырые изображения для семантической сегментации, обнаружения объектов и оценки глубины с одной камеры.
* Разрабатывать сети, формирующие вид "с высоты птичьего полета" (birds-eye-view), которые обрабатывают видео со всех камер и выдают схему дороги, статическую инфраструктуру и 3D-объекты непосредственно в проекции сверху.
* Обучать сети на самых сложных и разнообразных сценариях, которые в реальном времени собираются нашим парком из миллионов автомобилей.
* Работать в масштабах: полная сборка нейронных сетей для автономного вождения включает 48 сетей, на обучение которых уходит 70 000 часов GPU. В сумме они выдают 1000 различных тензоров (предсказаний) на каждом временном шаге.
Мы разрабатываем и внедряем автономные системы в автомобилях, роботах и не только. Мы убеждены, что подход, основанный на передовом искусственном интеллекте для компьютерного зрения и планирования, поддерживаемый эффективным использованием инференсного оборудования, — единственный путь к созданию универсального решения для полного автономного вождения, двуногой робототехники и других задач.
Нейронные сети
О проекте:Применение передовых исследований для обучения глубоких нейронных сетей, решающих задачи от восприятия до управления.
Чем предстоит заниматься:
* Работать с покамерными сетями, анализирующими сырые изображения для семантической сегментации, обнаружения объектов и оценки глубины с одной камеры.
* Разрабатывать сети, формирующие вид "с высоты птичьего полета" (birds-eye-view), которые обрабатывают видео со всех камер и выдают схему дороги, статическую инфраструктуру и 3D-объекты непосредственно в проекции сверху.
* Обучать сети на самых сложных и разнообразных сценариях, которые в реальном времени собираются нашим парком из миллионов автомобилей.
* Работать в масштабах: полная сборка нейронных сетей для автономного вождения включает 48 сетей, на обучение которых уходит 70 000 часов GPU. В сумме они выдают 1000 различных тензоров (предсказаний) на каждом временном шаге.