Wie Nvidia autonomen Autos hilft, ihren Weg in die Sicherheit zu simulieren

Stellen Sie sich vor, Sie sind der Fahrer einer viertürigen Familienlimousine und nähern sich einem Stoppschild. Als Sie das Stoppschild erreichen, bemerken Sie einen Radfahrer, der versucht, die Straße zu überqueren. Durch Augenkontakt, Gesichtsausdruck und körpersprachliche Hinweise verhandelt der Radfahrer mit Ihnen über seine Vorfahrt. Sie entscheiden sich daher dafür, den Radfahrer zuerst über die Straße zu lassen, bevor Sie vorsichtig in die Kreuzung einfahren.

In der heutigen Welt des autonomen Fahrens gäbe es keine Möglichkeit, ein solches Ereignis zu „kennzeichnen“ oder zu kategorisieren, sagte Danny Atsmon, CEO von Cognata. Aktuelle Methoden ermöglichen es, den Radfahrer visuell zu identifizieren, aber Trainingssysteme ermöglichen es, ihn zu erkennen und zu erkennen Verstehen Sie, dass komplexe Verhandlungen auf der Straße eine Herausforderung für das 10,3 Billionen US-Dollar teure autonome Fahren bleiben Industrie.

Tatsächlich stellt autonomes Fahren „das härteste Rechenproblem dar, dem die Welt jemals begegnet ist“, wie NVIDIA-CEO Jensen sagte Huang gab zu, als er während der GTC 2018-Keynote in San Jose einige der leistungsstärksten Grafikprozessoren der Welt vorstellte: Kalifornien.

Eine Brücke zwischen dem Realen und dem Virtuellen schlagen

„Die Welt fährt 10 Billionen Meilen pro Jahr“, sagte Huang in einer pointierten Präsentation – aber Atsmon wies darauf hin, dass selbstfahrende Autos im vergangenen Jahr nur drei Millionen Meilen auf Straßen zurücklegten. Damit selbstfahrende Fahrzeuge besser fahren können, müssen sie mehr lernen, und das ist im Grunde die größte Herausforderung, vor der die Branche steht. Um einem autonomen Fahrsystem die Kompetenz eines menschlichen Fahrers beizubringen, müssten Computer etwa 11 Milliarden Meilen zurücklegen, sagte uns Atsmon.

Diese Zahl wird auf der Grundlage von 1,09 Todesopfern pro 100 Millionen gefahrenen Meilen im Jahr 2015 berechnet. „Um also zu sagen, dass eine Maschine mit 95-prozentiger Sicherheit eine ebenso sichere Leistung wie ein Mensch erbringen könnte, müsste man eine Validierung über 11 Milliarden Meilen durchführen“, sagte Atsmon.

Abgesehen von der Zeit, die zum Erreichen dieses Ziels benötigt wird, müssen auch die Kosten berücksichtigt werden. Derzeit belaufen sich die Kosten pro Meile für den Betrieb eines autonomen Autos auf Hunderte von Dollar – buchhalterisch Entwicklungszeit, Datenerfassung und -kennzeichnung, Versicherungskosten und die Zeit, die ein Fahrer im Cockpit verbringt einen Wagen. Multipliziert man das mit dem 11-Milliarden-Meilen-Benchmark, wird deutlich, wie teuer die Ausbildung autonomer Autos ist.

Validierung ist von entscheidender Bedeutung, und die jüngsten Unfälle mit autonomen Fahrzeugen zeigen, dass unvollständige Datentests und Trainingsszenarien tödlich sein können. In einem weniger extremen Beispiel bewegte sich ein selbstfahrendes Shuttle in Las Vegas mit einer Geschwindigkeit von etwa 0,6 Meilen pro Stunde. aber es prallte gegen einen Lastwagen (Jeff Zurschmeide, freiberuflicher Mitarbeiter bei Digital Trends, war dabei, als es passierte). Niemand wurde verletzt, aber das rätselhafte Szenario ereignete sich, weil der Lastwagen vorwärts fuhr und dann rückwärts fuhr, als er versuchte einzuparken. Laut Atsmon liegt die Ursache für den Absturz darin, dass das Shuttle nicht für eine solche Situation geeignet war und nicht wusste, was es tun sollte – also fuhr es langsam vorwärts und stürzte ab.

Bessere Simulation für tieferes Lernen

Die aktuelle Lösung der Branche zur Überbrückung der 11 Milliarden Meilen langen Lücke zwischen autonomen Systemen und menschlichem Fahren Die Kompetenz besteht darin, Simulationen zu entwickeln, damit Autos durch die Kombination von Deep Learning mit virtuellem Lernen schneller lernen können Umfeld.

„Simulation ist der Weg zu Milliarden von Meilen“, sagte Huang bei der GTC. Ende letzten Jahres stellte das zu Alphabet gehörende Unternehmen Waymo Carcraft vor, seinen Ansatz zum Lernen durch Simulation.

Cognata nutzt die neuesten Fortschritte in der Grafik- und Sensorhardware, um lebensechtere und realistischere Modelle der Welt zu erstellen, von denen autonome Autos lernen können. Für das Rechengehirn eines selbstfahrenden Autos ist es, als würde man an einem Videospiel teilnehmen, das der Realität nachempfunden ist Welt, und das könnte zu realistischeren Fahrszenarien führen, um das Autofahren zu testen und zu validieren Daten. Das Unternehmen hat kürzlich ausgewählte Städte wie San Francisco mithilfe von GIS-Daten kartiert – hochauflösende Kameras und Hochentwickelte Computeralgorithmen, die Satelliten- und Streetview-Bilder verarbeiten, ergeben eine fotorealistische Szene.

Um die Simulationen weiter zu verbessern, nutzen Nvidia und einige seiner Partner Daten von den Sensoren autonomer Fahrzeuge, um Karten mit höherer Auflösung zu erstellen. Wenn autonome Fahrzeuge auf die Straße kommen, verlassen sich diese Maschinen nicht nur auf die durch Training verfügbaren Daten, sondern tragen auch zur Datenerfassung bei, indem sie die Daten teilen, die sie von ihrem LIDAR, IR, Radar und ihrer Kamera erfasst haben Arrays.

Wenn diese neu erfassten Daten durch Deep Learning mit vorhandenen Datensätzen geringer Qualität kombiniert werden, werden Straßen und Straßen fotorealistischer aussehen. Cognata behauptet, dass seine Algorithmen die Daten so verarbeiten können, dass Details in Schatten und Lichtern hervorgehoben werden, ähnlich wie bei einem HDR Foto von der Kamera Ihres Smartphones, um eine hochwertige Szene zu erstellen.

Obwohl die Simulation ein hervorragendes Werkzeug ist, stellte Atsmon fest, dass sie ihre eigenen Mängel aufweist. Es ist zu einfach, und damit autonomes Fahren realistisch ist, muss es aus Grenzfällen lernen. Cognata behauptet, dass es nur ein paar Klicks braucht, um einen Randfall zu programmieren, um autonome Fahrzeuge für ungewöhnlichere Fahrszenarien zu validieren. Unternehmen, die autonome Fahrzeuge bauen, müssen sorgfältig nach Grenzfällen suchen, die selbstfahrende Autos austricksen können, und kreativ bei der Entwicklung von Lösungen dafür sein.

Wenn das autonome Fahren scheitert

Sicherheit ist bei autonomen Fahrzeugen so wichtig, dass Nvidia sie als das Allerwichtigste für die Branche ansieht. Wenn Dinge scheitern, kann es zu Todesfällen kommen, wie kürzlich bei einem autonomen Uber bewiesen wurde In Arizona wurde ein Fußgänger angefahren und getötet.

Als Huang in einer Pressekonferenz zum Uber-Absturz befragt wurde – Uber ist ein Partner von Nvidia – lehnte er die Mitfahrgelegenheit ab Das Unternehmen bat um Kommentare und sagte: „Wir sollten Uber die Chance geben, zu verstehen, was passiert ist, und zu erklären, was passiert ist.“ passiert."

„Ich kann Ihnen versichern, dass [Uber] gleichermaßen niedergeschlagen ist über das, was passiert ist“, fügte Huang hinzu.

Da Nvidia eine End-to-End-Lösung für autonomes Fahren entwickelt, können verschiedene Partner – von Uber über Toyota bis hin zu Mercedes Benz – das System ganz oder teilweise nutzen. „Weltweit gibt es rund 370 Unternehmen, die unsere Technologien in irgendeiner Weise nutzen.“ Auf der Messe kündigte Nvidia außerdem Orin an, den Computer der nächsten Generation seiner DRIVE-Plattform.

Der Mensch als Backup

Obwohl selbstfahrende Autos mit der Zeit immer intelligenter werden, ist Huang immer noch der Meinung, dass es immer einen menschlichen Ersatz geben sollte, selbst wenn ein Auto ohne Fahrersitz konzipiert ist. Um dies zu erreichen, stellte Nvidia während der diesjährigen GTC-Keynote sein Holodeck vor, das es einem Fernfahrer ermöglicht, ein physisches Auto in Echtzeit durch virtuelle Realität zu steuern.

„Es ist Teleportation“, sagte Huang und betonte, dass dies durch Nvidias frühe Investitionen in die virtuelle Realität möglich sei.

Während der Demo befand sich Tim, der Fahrer, an einem abgelegenen Ort. Wenn er eine Virtual-Reality-Brille aufsetzt, wird er sich wie in einem echten Auto fühlen, sodass er das Auto spüren und die Bedienelemente und das Armaturenbrett des Autos sehen kann. Von diesem entfernten Standort aus konnte er mit Hilfe seines VR-Headsets die Kontrolle über ein autonomes Fahrzeug übernehmen und es so steuern und parken.

Es ähnelt dem, was das Militär schon seit einiger Zeit tut: Drohnenbetreibern das Fliegen unbemannter Drohnen von entfernten Standorten aus zu ermöglichen. Aber im Fall von Nvidia wird der Fahrer mit der Leistung von VR das Gefühl haben, physisch im Cockpit anwesend zu sein. Das Unternehmen geht davon aus, dass die auf seinen GPUs basierende Simulation autonome Autos letztendlich nahezu unfehlbar machen wird. Bis dahin kann das Holodeck den Menschen jedoch dabei helfen, selbstfahrende Flotten zu überwachen.

Empfehlungen der Redaktion

• Autonome Autos verwirrt durch den Nebel von San Francisco
• Ford und VW schließen die autonome Autosparte Argo AI
• Ex-Apple-Mitarbeiter bekennt sich schuldig, Geheimnisse des Apple-Autos gestohlen zu haben
• Beamte verwirrt, als sie ein leeres selbstfahrendes Auto anhalten
• Wie ein großer blauer Transporter aus dem Jahr 1986 den Weg für selbstfahrende Autos ebnete