Představte si, že jste řidičem čtyřdveřového rodinného sedanu, který se blíží k stopce. Když dorazíte na stopku, všimnete si cyklisty, který se snaží přejít silnici. Prostřednictvím očního kontaktu, výrazu obličeje a řečí těla si s vámi cyklista vyjedná přednost v jízdě. V důsledku toho se rozhodnete nechat cyklistu přejít silnici jako první, než budete opatrně vjíždět do křižovatky.
V dnešním světě autonomního řízení by neexistoval způsob, jak takovou událost „označit“ nebo kategorizovat, řekl generální ředitel Cognaty Danny Atsmon. Současné metody umožňují vizuálně identifikovat cyklistu, ale tréninkové systémy rozpoznat a pochopit, že složitá jednání na silnici zůstávají výzvou pro autonomní řízení v hodnotě 10,3 bilionu dolarů průmysl.
Doporučená videa
Autonomní řízení ve skutečnosti představuje „nejtěžší výpočetní problém, s jakým se svět kdy setkal“, jak říká generální ředitel NVIDIA Jensen. Huang přiznal, když během keynote GTC 2018 v San Jose odhalil některé z nejvýkonnějších grafických procesorů na světě, Kalifornie.
Příbuzný
- Říká se, že auto Applu by mohlo stát stejně jako Tesla Model S
- Nvidia's Drive Concierge naplní vaše auto obrazovkami
- S flotilou autonomních aut se právě stala zvláštní věc
Propojení skutečného a virtuálního
"Svět najede 10 bilionů mil ročně," řekl Huang ve špičaté prezentaci - ale Atsmon poukázal na to, že samořiditelná auta loni urazila pouze tři miliony mil silnic. Aby samořídící vozidla mohla lépe řídit, musí se naučit více, a to je v zásadě největší výzva, které toto odvětví čelí. Aby bylo možné vytrénovat systém autonomního řízení tak, aby měl kompetence lidského řidiče, musely by počítače ujet zhruba 11 miliard mil, řekl nám Atsmon.
Je to nejtěžší počítačový problém, s jakým se kdy svět setkal.
Toto číslo je vypočítáno na základě 1,09 úmrtí na 100 milionů ujetých mil v roce 2015. „Pokud tedy chcete říci, že stroj může mít stejně bezpečný výkon jako lidská bytost s 95procentní jistotou, museli byste ověřit 11 miliard mil,“ řekl Atsmon.
Kromě času potřebného k dosažení tohoto cíle je třeba zvážit také náklady. Právě teď se náklady na míli za provoz autonomního vozu pohybují ve stovkách dolarů – včetně inženýrský čas, sběr dat a označování, náklady na pojištění a čas, kdy řidič sedí v kokpitu auto. Vynásobte to referenční hodnotou 11 miliard mil a obrovské náklady spojené s výcvikem autonomních aut budou jasné.
Ověření je klíčové a nedávné nehody autonomních vozidel ukazují, že neúplné testy dat a tréninkové scénáře mohou být fatální. V jednom méně extrémním příkladu se samořídící raketoplán v Las Vegas pohyboval rychlostí přibližně 0,6 mil za hodinu, ale narazilo do náklaďáku (Jeff Zurschmeide, nezávislý přispěvatel do Digital Trends, byl u toho, když se to stalo). Nikdo nebyl zraněn, ale záhadný scénář se stal, protože kamion táhl dopředu a pak couval, když se snažil zaparkovat. Příčinou havárie je podle Atsmona to, že raketoplán nebyl pro tento typ situace ověřen a nevěděl, co má dělat – takže postupoval vpřed pomalu a havaroval.
Lepší simulace pro hlubší učení
Současné řešení v tomto odvětví k překlenutí 11 miliard mil mezery mezi autonomními systémy, aby dosáhly lidského řízení kompetence je vyvíjet simulace, které umožní autům učit se rychleji kombinací hlubokého učení s virtuálním životní prostředí.
"Simulace je cesta k miliardám mil," řekl Huang v GTC. Koncem minulého roku společnost Waymo vlastněná Alphabetem představila Carcraft, svůj přístup k učení pomocí simulace.
Cognata využívá nejnovější pokroky v grafickém a senzorovém hardwaru k vytváření reálnějších a realističtějších modelů světa pro autonomní auta, ze kterých se mohou učit. Pro výpočetní mozky samořídícího auta je to jako vstoupit do videohry po vzoru skutečného světě, a to by mohlo vést k realističtějším jízdním scénářům pro testování a ověřování řízení automobilů data. Společnost nedávno zmapovala vybraná města, jako je San Francisco, pomocí dat z GIS – kamer s vysokým rozlišením a sofistikované počítačové algoritmy, které běží přes satelitní snímky a snímky z ulice, což vede k fotorealistické scéně.
Simulace je cesta k miliardám mil.
K dalšímu vylepšení simulací využívá Nvidia a někteří její partneři data ze senzorů autonomních vozidel k vytváření map s vyšším rozlišením. Když autonomní vozidla vyjedou na silnici, tyto stroje se nebudou spoléhat pouze na data, která jsou k dispozici prostřednictvím školení, ale také přispívá ke sběru dat sdílením dat, která zachytila ze svého LIDAR, IR, radaru a kamery pole.
Když se tato nově pořízená data zkombinují prostřednictvím hlubokého učení se stávajícími datovými soubory nízké kvality, ulice a silnice budou vypadat více fotorealisticky. Cognata tvrdí, že její algoritmy dokážou zpracovat data tak, aby vynesly detaily ve stínech a světlech, podobně jako HDR fotografie z fotoaparátu vašeho smartphonu, abyste vytvořili vysoce kvalitní scénu.
Cognata - Deep Learning Autonomní Driving Simulator
Zatímco simulace je vynikající nástroj, Atsmon poznamenal, že má své vlastní chyby. Je to příliš jednoduché, a aby bylo autonomní řízení realistické, musí se učit z okrajových případů. Cognata tvrdí, že k naprogramování v okrajovém případě stačí jen několik kliknutí k ověření autonomních vozidel pro neobvyklejší jízdní scénáře. Společnosti vyrábějící autonomní vozidla budou muset být pilní při hledání okrajových případů, které mohou oklamat samořídící auta, a musí být kreativní při vytváření řešení pro ně.
Když selže autonomní řízení
Bezpečnost je pro autonomní vozidla tak prvořadá, že ji Nvidia považuje za jedinou nejdůležitější věc v tomto odvětví. Když věci selžou, může dojít a dochází k smrtelným úrazům, jak se nedávno ukázalo, když autonomní Uber srazil a zabil chodce v Arizoně.
"Mohu vás ujistit, že [Uber] je stejně zdrcen tím, co se stalo."
Když byl Huang na tiskové schůzce dotázán na havárii Uberu – Uber je partnerem Nvidie – Huang odložil spolujízdu společnosti za komentáře s tím, že „měli bychom dát Uberu šanci pochopit, co se stalo, a vysvětlit, co se stalo Stalo."
„Mohu vás ujistit, že [Uber je] stejně zdrcen tím, co se stalo,“ dodal Huang.
Protože Nvidia vyvíjí komplexní řešení pro autonomní řízení, mohou různí partneři – od Uberu po Toyotu a Mercedes Benz – využívat všechny nebo některé části systému. "Na celém světě je asi 370 společností, které nějakým způsobem využívají naše technologie." Na výstavě Nvidia také oznámila Orin, počítač nové generace své platformy DRIVE.
Lidé jako záloha
I když jsou samořídící auta postupem času stále chytřejší, Huang stále věří, že by vždy měla existovat lidská podpora, a to i v případech, kdy je auto navrženo bez sedadla řidiče. Aby toho dosáhla, Nvidia předvedla svůj Holodeck během letošní keynote GTC, která umožňuje vzdálenému řidiči ovládat fyzické auto v reálném čase prostřednictvím virtuální reality.
"Je to teleportace," řekl Huang a zdůraznil, že je to možné díky raným investicím Nvidie do virtuální reality.
NVIDIA DRIVE — Ukázka GTC 2018
Během dema se řidič Tim nacházel na vzdáleném místě. Když si nasadí brýle pro virtuální realitu, bude se cítit jako ve fyzickém autě, což mu umožní cítit auto a vidět ovládací prvky vozu a přístrojovou desku. Z tohoto vzdáleného místa a pomocí své VR náhlavní soupravy mohl převzít kontrolu nad autonomním vozidlem, což mu umožnilo vozidlo řídit a zaparkovat.
Je to jako to, co už nějakou dobu dělá armáda – umožňuje operátorům dronů létat s bezpilotními drony ze vzdáleného místa. Ale v případě Nvidie se díky síle VR bude řidič cítit, jako by byl fyzicky přítomen v kokpitu. Společnost věří, že simulace poháněná jejími GPU nakonec učiní autonomní auta téměř neomylnými, ale dokud se jim to nepodaří, Holodeck může lidem pomáhat hlídat autonomní flotily.
Doporučení redakce
- Autonomní auta zmatená sanfranciskou mlhou
- Ford a VW zavírají autonomní jednotku Argo AI
- Bývalý zaměstnanec Applu se přiznal k odhalení tajemství Apple Car
- Policisté zmatení, když zastavují prázdné samořídící auto
- Jak velká modrá dodávka z roku 1986 vydláždila cestu samořiditelným autům
