تخيل أنك سائق سيارة سيدان عائلية ذات أربعة أبواب تقترب من إشارة التوقف. عندما تصل إلى إشارة التوقف، تلاحظ وجود سائق دراجة يحاول عبور الطريق. من خلال التواصل البصري وتعبيرات الوجه وإشارات لغة الجسد، يتفاوض راكب الدراجة معك بشأن حقه في الطريق. ونتيجة لذلك، عليك أن تقرر السماح لراكب الدراجة بعبور الطريق أولاً، قبل المضي قدمًا في الدخول بحذر إلى التقاطع.
وقال داني أتسمون، الرئيس التنفيذي لشركة كوجناتا، إنه في عالم القيادة الذاتية اليوم، لن تكون هناك طريقة لوضع علامة أو تصنيف لمثل هذا الحدث. تسمح لك الطرق الحالية بالتعرف على راكب الدراجة بصريًا، لكن أنظمة التدريب للتعرف عليه و إن فهم المفاوضات المعقدة على الطريق لا يزال يمثل تحديًا للقيادة الذاتية التي تبلغ قيمتها 10.3 تريليون دولار صناعة.
مقاطع الفيديو الموصى بها
في الواقع، تمثل القيادة الذاتية "أصعب مشكلة حاسوبية واجهها العالم على الإطلاق"، كما قال جنسن، الرئيس التنفيذي لشركة NVIDIA. اعترف هوانغ عندما كشف النقاب عن بعض أقوى معالجات الرسومات في العالم خلال الكلمة الرئيسية لـ GTC 2018 في سان خوسيه، كاليفورنيا.
متعلق ب
- يمكن أن تكلف سيارة Apple المشاع عنها نفس تكلفة سيارة Tesla Model S
- سوف يقوم Nvidia's Drive Concierge بملء سيارتك بالشاشات
- حدث شيء غريب للتو مع أسطول من السيارات ذاتية القيادة
سد الواقعي والافتراضي
وقال هوانغ في عرض تقديمي محدد: "يقود العالم 10 تريليون ميل سنويا"، لكن أتسمون أشار إلى أن السيارات ذاتية القيادة لم تغطي سوى ثلاثة ملايين ميل من الطرق العام الماضي. لكي تتمكن المركبات ذاتية القيادة من القيادة بشكل أفضل، يجب عليها أن تتعلم المزيد، وهذا هو في الأساس التحدي الأكبر الذي تواجهه الصناعة. لتدريب نظام القيادة الذاتية على كفاءة السائق البشري، ستحتاج أجهزة الكمبيوتر إلى القيادة لمسافة 11 مليار ميل تقريبًا، كما أخبرنا أتسمون.
إنها أصعب مشكلة حاسوبية واجهها العالم على الإطلاق.
ويتم حساب هذا الرقم على أساس 1.09 حالة وفاة لكل 100 مليون ميل في عام 2015. وقال أتسمون: "لذلك، لكي نقول إن الآلة يمكن أن تتمتع بأداء آمن مثل الإنسان بنسبة 95% من الثقة، فسوف تحتاج إلى التحقق من صحة 11 مليار ميل".
وبصرف النظر عن الوقت اللازم للوصول إلى هذا الهدف، هناك أيضًا النفقات التي يجب أخذها في الاعتبار. في الوقت الحالي، تبلغ التكلفة لكل ميل لتشغيل سيارة ذاتية القيادة مئات الدولارات، وهو ما يمثل الوقت الهندسي، وجمع البيانات ووضع العلامات عليها، وتكاليف التأمين، والوقت الذي يستغرقه السائق للجلوس في قمرة القيادة سيارة. وبضرب ذلك في الرقم القياسي البالغ 11 مليار ميل، تصبح التكلفة الهائلة المرتبطة بتدريب السيارات ذاتية القيادة واضحة.
يعد التحقق من الصحة أمرًا أساسيًا، وتُظهر الحوادث الأخيرة التي شملت المركبات ذاتية القيادة أن اختبارات البيانات غير المكتملة وسيناريوهات التدريب يمكن أن تكون قاتلة. وفي مثال أقل تطرفًا، كانت حافلة ذاتية القيادة في لاس فيغاس تبحر بسرعة حوالي 0.6 ميل في الساعة، لكنها اصطدمت بشاحنة (جيف زورشمايد، وهو مساهم مستقل في Digital Trends، كان موجودًا عندما حدث ذلك). ولم يصب أحد بأذى، لكن السيناريو المحير حدث لأن الشاحنة كانت تتقدم للأمام، ثم ترجع للخلف أثناء محاولتها ركن السيارة. سبب التحطم، وفقًا لأتسمون، هو أن المكوك لم يتم التحقق من صحته لهذا النوع من المواقف، ولم يكن يعرف ما يجب فعله، لذلك تقدم للأمام ببطء وتحطم.
محاكاة أفضل للتعلم الأعمق
الحل الحالي للصناعة لسد الفجوة البالغة 11 مليار ميل للأنظمة الذاتية للوصول إلى القيادة البشرية تتمثل الكفاءة في تطوير عمليات محاكاة للسماح للسيارات بالتعلم بشكل أسرع من خلال الجمع بين التعلم العميق والتعلم الافتراضي بيئة.
وقال هوانغ في GTC: "المحاكاة هي الطريق إلى مليارات الأميال". في أواخر العام الماضي، كشفت Waymo المملوكة لشركة Alphabet عن Carcraft، وهو نهجها في التعلم عن طريق المحاكاة.
تستخدم Cognata أحدث التطورات في أجهزة الرسومات وأجهزة الاستشعار لإنشاء نماذج أكثر واقعية وواقعية للعالم لتتعلم منها السيارات ذاتية القيادة. بالنسبة للأدمغة الحاسوبية للسيارة ذاتية القيادة، فإن الأمر يشبه الدخول في لعبة فيديو على غرار الواقع العالم، وقد يؤدي ذلك إلى سيناريوهات قيادة أكثر واقعية لاختبار قيادة السيارة والتحقق من صحتها بيانات. قامت الشركة مؤخرًا برسم خرائط لمدن مختارة، مثل سان فرانسيسكو، باستخدام بيانات من نظم المعلومات الجغرافية - كاميرات عالية الدقة و خوارزميات حاسوبية متطورة تعمل عبر صور الأقمار الصناعية وصور الشوارع، مما يؤدي إلى الحصول على مشهد واقعي.
المحاكاة هي الطريق إلى مليارات الأميال.
ولزيادة تحسين عمليات المحاكاة، تستخدم شركة Nvidia وبعض شركائها البيانات من أجهزة استشعار المركبات ذاتية القيادة لبناء خرائط عالية الوضوح. عندما تنطلق المركبات ذاتية القيادة على الطريق، لن تعتمد هذه الآلات فقط على البيانات المتاحة من خلال التدريب، بل ولكنها تساهم أيضًا في جمع البيانات من خلال مشاركة البيانات التي التقطتها من LIDAR والأشعة تحت الحمراء والرادار والكاميرا صفائف.
عندما يتم دمج هذه البيانات الملتقطة حديثًا من خلال التعلم العميق مع مجموعات البيانات الحالية منخفضة الجودة، فإنها ستجعل الشوارع والطرق تبدو أكثر واقعية من حيث الصورة. تدعي شركة Cognata أن خوارزمياتها يمكنها معالجة البيانات بطريقة لإظهار التفاصيل في الظلال والإبرازات، تمامًا مثل تقرير التنمية البشرية صورة من كاميرا هاتفك الذكي لإنشاء مشهد عالي الجودة.
Cognata - محاكي القيادة الذاتية للتعلم العميق
في حين أن المحاكاة هي أداة ممتازة، أشار أتسمون إلى أن لها عيوبها الخاصة. إنه أمر بسيط للغاية، ولكي تكون القيادة الذاتية واقعية، يجب أن تتعلم من الحالات المتطورة. تدعي Cognata أن الأمر لا يتطلب سوى بضع نقرات للبرمجة في حالة الحافة للتحقق من صحة المركبات ذاتية القيادة لسيناريوهات قيادة أكثر غرابة. يتعين على الشركات التي تصنع مركبات ذاتية القيادة أن تكون مجتهدة في بحثها عن الحالات المتطورة التي يمكن أن تخدع السيارات ذاتية القيادة، وأن تكون مبدعة في صياغة الحلول لها.
عندما تفشل القيادة الذاتية
تعد السلامة أمرًا بالغ الأهمية بالنسبة للمركبات ذاتية القيادة، حيث تعتبرها Nvidia أهم شيء في هذه الصناعة. عندما تفشل الأمور، يمكن أن تحدث حالات وفاة، كما ثبت مؤخرًا عندما كانت شركة أوبر ذاتية القيادة ضرب وقتل أحد المشاة في ولاية أريزونا.
"أستطيع أن أؤكد لكم أن شركة أوبر منسحقة بنفس القدر لما حدث".
عندما سئل في اجتماع صحفي حول تحطم أوبر - أوبر شريك لشركة نفيديا - أرجأ هوانغ إلى مشاركة الركوب الشركة للتعليق، قائلة: "يجب أن نمنح أوبر فرصة لفهم ما حدث وشرح ما حدث حدث."
وأضاف هوانغ: "أستطيع أن أؤكد لكم أن شركة أوبر منسحقة بنفس القدر لما حدث".
نظرًا لأن Nvidia تطور حلاً شاملاً للقيادة الذاتية، فقد يستخدم شركاء مختلفون - من Uber إلى Toyota وMercedes Benz - كل أو بعض أجزاء النظام. "هناك حوالي 370 شركة حول العالم تستخدم تقنياتنا بطريقة ما." وفي المعرض، أعلنت Nvidia أيضًا عن Orin، وهو كمبيوتر الجيل التالي من منصة DRIVE الخاصة بها.
البشر كنسخة احتياطية
وبينما تصبح السيارات ذاتية القيادة أكثر ذكاءً بمرور الوقت، لا يزال هوانغ يعتقد أنه يجب أن يكون هناك دائمًا دعم بشري، حتى في الحالات التي يتم فيها تصميم السيارة بدون مقعد للسائق. ولتحقيق ذلك، عرضت Nvidia جهاز Holodeck الخاص بها خلال الكلمة الرئيسية لـ GTC لهذا العام، مما يسمح للسائق عن بعد بالتحكم في سيارة فعلية في الوقت الفعلي من خلال الواقع الافتراضي.
قال هوانغ: "إنه انتقال آني"، مسلطًا الضوء على أن هذا ممكن من خلال استثمارات Nvidia المبكرة في الواقع الافتراضي.
عرض NVIDIA DRIVE-GTC 2018
أثناء العرض التوضيحي، كان السائق تيم موجودًا في مكان بعيد. عندما يرتدي زوجًا من نظارات الواقع الافتراضي، سيشعر وكأنه في سيارة فعلية، مما يمكنه من الشعور بالسيارة ورؤية أدوات التحكم ولوحة العدادات الخاصة بالسيارة. ومن هذا الموقع البعيد وبمساعدة سماعة الواقع الافتراضي الخاصة به، يمكنه التحكم في مركبة ذاتية القيادة، مما يسمح له بقيادة السيارة وركنها.
إنه مثل ما كان الجيش يفعله لفترة من الوقت – السماح لمشغلي الطائرات بدون طيار بالتحليق بطائرات بدون طيار من مكان بعيد. لكن في حالة إنفيديا، ومع قوة الواقع الافتراضي، سيشعر السائق وكأنه موجود جسديًا في قمرة القيادة. وتعتقد الشركة أن المحاكاة التي تدعمها وحدات معالجة الرسومات الخاصة بها ستجعل في نهاية المطاف السيارات ذاتية القيادة معصومة من الخطأ، ولكن حتى يتم ذلك، يمكن أن يساعد Holodeck البشر في مراقبة أساطيل القيادة الذاتية.
توصيات المحررين
- السيارات ذاتية القيادة مرتبكة بسبب ضباب سان فرانسيسكو
- تقوم شركتا Ford وVW بإغلاق وحدة السيارة ذاتية القيادة Argo AI
- موظف سابق في شركة Apple يعترف بأنه مذنب في الاستيلاء على أسرار Apple Car
- الضباط في حيرة من أمرهم أثناء قيامهم بإيقاف سيارة فارغة ذاتية القيادة
- كيف مهدت شاحنة زرقاء كبيرة من عام 1986 الطريق للسيارات ذاتية القيادة
