Bagaimana Nvidia Membantu Kereta Autonomi Meniru Jalan Mereka Ke Keselamatan

Nvidia

Bayangkan bahawa anda adalah pemandu sedan keluarga empat pintu yang menghampiri tanda berhenti. Apabila anda sampai di tanda berhenti, anda melihat penunggang basikal cuba melintas jalan. Melalui hubungan mata, ekspresi wajah dan petunjuk bahasa badan, penunggang basikal itu dapat merundingkan hak mereka dengan anda. Akibatnya, anda memutuskan untuk membiarkan penunggang basikal melintas jalan terlebih dahulu, sebelum anda meneruskan dengan berhati-hati memasuki persimpangan.

Dalam dunia pemanduan autonomi hari ini, tidak akan ada cara untuk "menandai" atau mengkategorikan acara seperti itu, kata Ketua Pegawai Eksekutif Cognata, Danny Atsmon. Kaedah semasa membolehkan anda mengenal pasti penunggang basikal secara visual, tetapi sistem latihan untuk mengenali dan memahami perundingan yang rumit di jalan raya tetap menjadi cabaran bagi industri pemanduan autonomi $ 10.3 trilion.

Sebenarnya, pemanduan autonomi mewakili "satu-satunya masalah pengkomputeran paling sukar yang pernah dihadapi dunia," seperti yang diakui oleh Ketua Pegawai Eksekutif NVIDIA, Jensen Huang ketika dia melancarkan beberapa pemproses grafik paling berkuasa di dunia semasa ucaptama GTC 2018 di San Jose, California.

Merapatkan Real dan Maya

"Dunia mengemudi 10 trilion batu per tahun," kata Huang dalam persembahan yang tajam - tetapi Atsmon menunjukkan bahawa kereta yang memandu sendiri hanya meliputi tiga juta batu jalan raya tahun lalu. Agar kenderaan memandu sendiri dapat memandu dengan lebih baik, mereka mesti belajar lebih banyak, dan ini pada dasarnya merupakan cabaran terbesar yang dihadapi oleh industri ini. Untuk melatih sistem pemanduan autonomi untuk memiliki kecekapan pemandu manusia, komputer perlu memandu sejauh 11 bilion batu, kata Atsmon kepada kami.

Ini adalah masalah pengkomputeran paling sukar yang pernah dihadapi oleh dunia.

Angka itu dihitung berdasarkan 1.09 kematian setiap 100 juta batu yang ditempuh pada tahun 2015. "Jadi, untuk mengatakan mesin boleh mempunyai prestasi yang selamat seperti manusia dengan 95 peratus keyakinan, anda perlu mengesahkan sejauh 11 bilion batu, "Kata Atsmon.

Selain masa yang diperlukan untuk mencapai tujuan itu, ada juga perbelanjaan yang perlu dipertimbangkan. Sekarang, kos per batu untuk mengendalikan kereta autonomi adalah dalam ratusan dolar - memperhitungkan masa kejuruteraan, pengumpulan dan penandaan data, kos insurans, dan masa pemandu untuk duduk di kokpit kereta. Gandakan dengan penanda aras 11 bilion batu, dan mahal yang besar yang berkaitan dengan melatih kereta autonomi menjadi jelas.

Pengesahan adalah kunci, dan kemalangan baru-baru ini yang melibatkan kenderaan autonomi menunjukkan bahawa ujian data dan senario latihan yang tidak lengkap dapat membuktikan maut. Dalam satu contoh yang kurang ekstrem, perkhidmatan ulang-alik memandu di Las Vegas menavigasi sekitar 0.6 batu sejam, tetapi ia melanggar sebuah trak (Jeff Zurschmeide, penyumbang freelancer Digital Trends, ada di sana ketika ia berlaku). Tidak ada yang cedera, tetapi senario membingungkan itu berlaku kerana trak itu bergerak ke depan, lalu mundur ketika cuba meletak kenderaan. Penyebab kemalangan itu, menurut Atsmon, adalah bahawa pesawat ulang-alik tidak disahkan untuk situasi seperti ini, dan tidak tahu apa yang harus dilakukan - jadi ia bergerak maju perlahan dan terhempas.

Simulasi yang Lebih Baik untuk Pembelajaran Lebih Dalam

Penyelesaian semasa industri untuk merapatkan jurang 11-bilion batu untuk sistem autonomi untuk mencapai kecekapan memandu manusia adalah dengan mengembangkan simulasi untuk membolehkan kereta belajar lebih cepat dengan menggabungkan pembelajaran mendalam dengan persekitaran maya.

bagaimana nvidia membantu kereta autonomi mensimulasikan jalan mereka untuk keselamatan kebenaran kognatabagaimana nvidia membantu kereta autonomi mensimulasikan cara mereka untuk mengawal cuaca cuaca keselamatanbagaimana nvidia membantu kereta autonomi mensimulasikan jalan mereka ke keselamatan kognata lidarbagaimana nvidia membantu kereta autonomi mensimulasikan jalan mereka ke peta kognata keselamatan

"Simulasi adalah jalan menuju berbilion batu," kata Huang di GTC. Akhir tahun lalu, Waymo milik Alphabet melancarkan Carcraft, pendekatannya untuk belajar melalui simulasi.

Cognata menggunakan kemajuan terkini dalam grafik dan perkakasan sensor untuk membuat model dunia yang lebih menyerupai kehidupan dan realistik untuk dipelajari oleh kereta autonomi. Untuk otak pengkomputeran kereta memandu sendiri, seperti memasuki permainan video yang dimodelkan di dunia nyata, dan itu boleh menyebabkan senario pemanduan yang lebih realistik untuk menguji dan mengesahkan data pemanduan kereta. Syarikat ini baru-baru ini memetakan kota-kota terpilih, seperti San Francisco, menggunakan data dari GIS - kamera definisi tinggi dan algoritma komputer canggih yang berjalan di atas citra paparan satelit dan jalanan, menghasilkan pemandangan realistik foto.

Simulasi adalah jalan menuju berbilion batu.

Untuk meningkatkan lagi simulasi, Nvidia, dan beberapa rakannya, menggunakan data dari sensor kenderaan autonomi untuk membina peta definisi lebih tinggi. Ketika kenderaan autonomi melanda jalan, mesin ini tidak hanya akan bergantung pada data yang tersedia melalui latihan, tetapi juga menyumbang pada pengumpulan data dengan berkongsi data yang ditangkapnya dari susunan LIDAR, IR, radar, dan kamera.

Apabila data yang baru diambil ini digabungkan melalui pembelajaran mendalam dengan kumpulan data berkualiti rendah yang ada, ia akan menjadikan jalan dan jalan kelihatan lebih realistik. Cognata mendakwa bahawa algoritma dapat memproses data dengan cara untuk memberikan perincian dalam bayang-bayang dan sorotan, seperti foto HDR dari kamera telefon pintar anda, untuk membuat pemandangan berkualiti tinggi.

Walaupun simulasi adalah alat yang sangat baik, Atsmon menyatakan ia mempunyai kekurangan tersendiri. Ia terlalu mudah, dan untuk memandu secara autonomi menjadi realistik, ia mesti belajar dari kes-kes tepi. Cognata mendakwa bahawa hanya memerlukan beberapa klik untuk memprogram dalam kes canggih untuk mengesahkan kenderaan autonomi untuk senario pemanduan yang lebih luar biasa. Syarikat yang membina kenderaan autonomi harus rajin mencari kes canggih yang dapat menipu kereta memandu sendiri, dan kreatif dalam membuat penyelesaian untuk mereka.

Ketika Memandu Sendiri Gagal

Keselamatan sangat penting bagi kenderaan autonomi sehingga Nvidia menganggapnya sebagai perkara terpenting bagi industri ini. Apabila keadaan gagal, kematian boleh dan berlaku, seperti yang dibuktikan baru-baru ini ketika Uber autonomi menyerang dan membunuh pejalan kaki di Arizona.

"Saya dapat meyakinkan anda bahawa [Uber] sama-sama hancur dengan apa yang berlaku."

Ketika disoal dalam satu perjumpaan media mengenai kemalangan Uber - Uber adalah rakan kongsi Nvidia - Huang menangguhkan syarikat perkongsian perjalanan untuk memberi komen, dengan mengatakan bahawa "kita harus memberi peluang kepada Uber untuk memahami apa yang telah terjadi dan untuk menjelaskan apa yang telah terjadi. "

"Saya dapat meyakinkan anda bahawa [Uber] sama-sama hancur dengan apa yang berlaku," tambah Huang.

Kerana Nvidia mengembangkan penyelesaian end-to-end untuk pemanduan autonomi, rakan kongsi yang berbeza - dari Uber hingga Toyota dan Mercedes Benz - mungkin menggunakan semua atau beberapa bahagian sistem. "Ada sekitar 370 syarikat di seluruh dunia yang menggunakan teknologi kami dalam beberapa cara." Pada rancangan itu, Nvidia juga mengumumkan Orin, komputer generasi seterusnya dari platform DRIVEnya.

Nvidia-autonomous-cars-holodeck Nvidia

Manusia sebagai Sandaran

Walaupun kereta yang memandu sendiri semakin pintar dari masa ke masa, Huang masih percaya bahawa selalu ada sandaran manusia, walaupun dalam keadaan kereta dirancang tanpa tempat duduk pemandu. Untuk mencapainya, Nvidia mempamerkan Holodecknya semasa ucaptama GTC tahun ini, yang membolehkan pemandu jauh mengawal kereta fizikal secara real-time melalui realiti maya.

"Ini teleportasi," kata Huang, menekankan bahawa ini mungkin dilakukan melalui pelaburan awal Nvidia dalam realiti maya.

Semasa demo, Tim, pemandu, berada di lokasi terpencil. Apabila dia mengenakan sepasang cermin mata realiti maya, dia akan merasa seperti berada di dalam kereta fizikal, memungkinkan dia merasakan kereta itu, dan melihat alat kawalan dan panel instrumen. Dari lokasi terpencil ini dan dengan bantuan alat dengar VRnya, dia dapat mengendalikan kenderaan autonomi, yang membolehkannya memandu kenderaan dan memarkirnya.

Seperti yang telah dilakukan oleh tentera untuk seketika - membenarkan pengendali drone menerbangkan drone tanpa pemandu dari lokasi terpencil. Tetapi dalam kes Nvidia, dengan kekuatan VR, pemandu akan merasa seperti dia secara fizikal hadir di kokpit. Syarikat itu percaya bahawa simulasi yang dikuasakan oleh GPU akhirnya menjadikan kereta autonomi hampir tidak dapat dilupakan tetapi, sehingga mereka, Holodeck dapat membantu manusia mengawasi armada yang memandu sendiri.