Φανταστείτε ότι είστε ο οδηγός ενός τετράθυρου οικογενειακού σεντάν που πλησιάζει σε μια πινακίδα στοπ. Όταν φτάσετε στην πινακίδα στοπ, παρατηρείτε έναν ποδηλάτη που προσπαθεί να διασχίσει το δρόμο. Μέσω της οπτικής επαφής, της έκφρασης του προσώπου και των ενδείξεων της γλώσσας του σώματος, ο ποδηλάτης διαπραγματεύεται το δικαίωμα διέλευσης μαζί σας. Ως αποτέλεσμα, αποφασίζετε να αφήσετε τον ποδηλάτη να διασχίσει πρώτα το δρόμο, προτού προχωρήσετε με προσοχή στην είσοδο στη διασταύρωση.
Στον κόσμο της αυτόνομης οδήγησης σήμερα, δεν θα υπήρχε τρόπος να "επισημάνετε" ή να κατηγοριοποιήσετε ένα τέτοιο γεγονός, δήλωσε ο CEO της Cognata, Danny Atsmon. Οι τρέχουσες μέθοδοι σάς επιτρέπουν να αναγνωρίζετε οπτικά τον ποδηλάτη, αλλά τα συστήματα εκπαίδευσης να αναγνωρίζουν και κατανοήστε ότι οι περίπλοκες διαπραγματεύσεις στο δρόμο παραμένουν μια πρόκληση για την αυτόνομη οδήγηση αξίας 10,3 τρισεκατομμυρίων δολαρίων βιομηχανία.
Προτεινόμενα βίντεο
Στην πραγματικότητα, η αυτόνομη οδήγηση αντιπροσωπεύει «το πιο δύσκολο υπολογιστικό πρόβλημα που έχει συναντήσει ποτέ ο κόσμος», όπως είπε ο CEO της NVIDIA, Jensen Ο Huang παραδέχτηκε όταν αποκάλυψε μερικούς από τους πιο ισχυρούς επεξεργαστές γραφικών στον κόσμο κατά τη διάρκεια της κεντρικής ομιλίας του GTC 2018 στο Σαν Χοσέ, Καλιφόρνια.
Σχετίζεται με
- Το φημολογούμενο αυτοκίνητο της Apple θα μπορούσε να κοστίζει το ίδιο με ένα Tesla Model S
- Το Drive Concierge της Nvidia θα γεμίσει το αυτοκίνητό σας με οθόνες
- Ένα περίεργο πράγμα μόλις συνέβη με ένα στόλο αυτόνομων αυτοκινήτων
Γεφυρώνοντας το Πραγματικό και το Εικονικό
«Ο κόσμος οδηγεί 10 τρισεκατομμύρια μίλια ετησίως», είπε ο Χουάνγκ σε μια αιχμηρή παρουσίαση — αλλά ο Άτσμον επεσήμανε ότι τα αυτοοδηγούμενα αυτοκίνητα κάλυψαν μόνο τρία εκατομμύρια μίλια δρόμων πέρυσι. Για να οδηγούν καλύτερα τα αυτόνομα οχήματα, πρέπει να μάθουν περισσότερα, και αυτή είναι ουσιαστικά η μεγαλύτερη πρόκληση που αντιμετωπίζει ο κλάδος. Για να εκπαιδεύσουν ένα σύστημα αυτόνομης οδήγησης ώστε να έχει την ικανότητα ενός ανθρώπου οδηγού, οι υπολογιστές θα πρέπει να οδηγήσουν περίπου 11 δισεκατομμύρια μίλια, μας είπε ο Atsmon.
Είναι το πιο δύσκολο υπολογιστικό πρόβλημα που έχει συναντήσει ποτέ ο κόσμος.
Αυτός ο αριθμός υπολογίζεται με βάση τους 1,09 θανάτους ανά 100 εκατομμύρια μίλια που διανύθηκαν το 2015. «Επομένως, για να πούμε ότι ένα μηχάνημα θα μπορούσε να έχει τόσο ασφαλή απόδοση όσο ένας άνθρωπος με 95 τοις εκατό εμπιστοσύνη, θα πρέπει να επικυρώσετε για 11 δισεκατομμύρια μίλια», είπε ο Atsmon.
Εκτός από το χρόνο που απαιτείται για την επίτευξη αυτού του στόχου, υπάρχει και το κόστος που πρέπει να λάβετε υπόψη. Αυτήν τη στιγμή, το κόστος ανά μίλι για τη λειτουργία ενός αυτόνομου αυτοκινήτου είναι σε εκατοντάδες δολάρια — αντιπροσωπεύοντας χρόνος μηχανικής, συλλογή δεδομένων και επισήμανση, κόστος ασφάλισης και ο χρόνος ενός οδηγού να καθίσει στο πιλοτήριο του ένα αυτοκίνητο. Πολλαπλασιάστε το με το σημείο αναφοράς των 11 δισεκατομμυρίων μιλίων και το τεράστιο ακριβό που σχετίζεται με την εκπαίδευση αυτόνομων αυτοκινήτων γίνεται σαφές.
Η επικύρωση είναι το κλειδί και τα πρόσφατα ατυχήματα που αφορούν αυτόνομα οχήματα δείχνουν ότι οι ελλιπείς δοκιμές δεδομένων και τα σενάρια εκπαίδευσης μπορεί να αποδειχθούν μοιραία. Σε ένα λιγότερο ακραίο παράδειγμα, ένα αυτοοδηγούμενο λεωφορείο στο Λας Βέγκας έπλεε με περίπου 0,6 μίλια την ώρα, αλλά έπεσε πάνω σε ένα φορτηγό (Ο Jeff Zurschmeide, ένας ελεύθερος επαγγελματίας συνεργάτης του Digital Trends, ήταν εκεί όταν συνέβη). Κανείς δεν τραυματίστηκε, αλλά το αινιγματικό σενάριο συνέβη επειδή το φορτηγό τραβούσε προς τα εμπρός και μετά έκανε πίσω καθώς προσπαθούσε να παρκάρει. Η αιτία για τη συντριβή, σύμφωνα με τον Atsmon, είναι ότι το λεωφορείο δεν είχε επικυρωθεί για τέτοιου είδους καταστάσεις και δεν ήξερε τι να κάνει - έτσι προχώρησε αργά προς τα εμπρός και συνετρίβη.
Καλύτερη προσομοίωση για βαθύτερη μάθηση
Η τρέχουσα λύση του κλάδου για τη γεφύρωση του χάσματος των 11 δισεκατομμυρίων μιλίων για τα αυτόνομα συστήματα για την επίτευξη της ανθρώπινης οδήγησης αρμοδιότητα είναι η ανάπτυξη προσομοιώσεων που θα επιτρέπουν στα αυτοκίνητα να μαθαίνουν πιο γρήγορα συνδυάζοντας τη βαθιά μάθηση με μια εικονική περιβάλλον.
«Η προσομοίωση είναι η διαδρομή προς δισεκατομμύρια μίλια», δήλωσε ο Huang στο GTC. Στα τέλη του περασμένου έτους, η Waymo που ανήκει στην Alphabet παρουσίασε το Carcraft, την προσέγγισή του στη μάθηση μέσω προσομοίωσης.
Η Cognata χρησιμοποιεί τις πιο πρόσφατες εξελίξεις στα γραφικά και το υλικό αισθητήρων για να δημιουργήσει πιο ζωντανά και ρεαλιστικά μοντέλα στον κόσμο από τα αυτόνομα αυτοκίνητα που μπορούν να μάθουν. Για τους υπολογιστικούς εγκεφάλους ενός αυτοοδηγούμενου αυτοκινήτου, είναι σαν να μπαίνεις σε ένα βιντεοπαιχνίδι με πρότυπο το πραγματικό κόσμο, και αυτό θα μπορούσε να οδηγήσει σε πιο ρεαλιστικά σενάρια οδήγησης για τη δοκιμή και την επικύρωση της οδήγησης αυτοκινήτου δεδομένα. Η εταιρεία έχει πρόσφατα χαρτογραφήσει επιλεγμένες πόλεις, όπως το Σαν Φρανσίσκο, χρησιμοποιώντας δεδομένα από GIS — κάμερες υψηλής ευκρίνειας και εξελιγμένοι αλγόριθμοι υπολογιστών που τρέχουν πάνω από δορυφορικές εικόνες και εικόνες δρόμου, με αποτέλεσμα μια φωτορεαλιστική σκηνή.
Η προσομοίωση είναι η διαδρομή προς δισεκατομμύρια μίλια.
Για περαιτέρω βελτίωση των προσομοιώσεων, η Nvidia και ορισμένοι από τους συνεργάτες της, χρησιμοποιούν δεδομένα από τους αισθητήρες των αυτόνομων οχημάτων για τη δημιουργία χαρτών υψηλότερης ευκρίνειας. Όταν βγαίνουν στο δρόμο αυτόνομα οχήματα, αυτά τα μηχανήματα δεν θα βασίζονται μόνο στα δεδομένα που είναι διαθέσιμα μέσω της εκπαίδευσης, αλλά και να συμβάλει στη συλλογή δεδομένων μοιράζοντας τα δεδομένα που έχει συλλάβει από το LIDAR, το IR, το ραντάρ και την κάμερά του συστοιχίες.
Όταν αυτά τα δεδομένα που καταγράφηκαν πρόσφατα συνδυάζονται μέσω βαθιάς μάθησης με υπάρχοντα σύνολα δεδομένων χαμηλής ποιότητας, θα κάνει τους δρόμους και τους δρόμους να φαίνονται πιο ρεαλιστικοί. Η Cognata ισχυρίζεται ότι οι αλγόριθμοί της μπορούν να επεξεργάζονται τα δεδομένα με τρόπο ώστε να αναδεικνύονται λεπτομέρειες σε σκιές και επισημάνσεις, όπως ένα HDR φωτογραφία από την κάμερα του smartphone σας, για να δημιουργήσετε μια σκηνή υψηλής ποιότητας.
Cognata - Προσομοιωτής Αυτόνομης Οδήγησης Deep Learning
Ενώ η προσομοίωση είναι ένα εξαιρετικό εργαλείο, ο Atsmon σημείωσε ότι έχει τα δικά της ελαττώματα. Είναι πολύ απλό, και για να είναι ρεαλιστική η αυτόνομη οδήγηση, πρέπει να μάθει από τις ακραίες θήκες. Η Cognata ισχυρίζεται ότι χρειάζονται μόνο μερικά κλικ για να προγραμματιστεί σε μια θήκη για την επικύρωση αυτόνομων οχημάτων για πιο ασυνήθιστα σενάρια οδήγησης. Οι εταιρείες που κατασκευάζουν αυτόνομα οχήματα θα πρέπει να είναι επιμελείς στην αναζήτηση περιπτώσεων αιχμής που μπορούν να ξεγελάσουν τα αυτόνομα αυτοκίνητα και δημιουργικές στη δημιουργία λύσεων για αυτά.
Όταν η αυτοοδήγηση αποτυγχάνει
Η ασφάλεια είναι τόσο σημαντική για τα αυτόνομα οχήματα που η Nvidia τη θεωρεί το πιο σημαντικό πράγμα για τη βιομηχανία. Όταν τα πράγματα αποτυγχάνουν, θανατηφόρα μπορεί και συμβαίνουν, όπως αποδείχθηκε πρόσφατα όταν μια αυτόνομη Uber χτύπησε και σκότωσε έναν πεζό στην Αριζόνα.
«Μπορώ να σας διαβεβαιώσω ότι [η Uber] είναι εξίσου συντετριμμένη με αυτό που συνέβη».
Όταν ρωτήθηκε σε μια συνέντευξη Τύπου σχετικά με τη συντριβή της Uber - η Uber είναι συνεργάτης της Nvidia - ο Χουάνγκ αναβλήθηκε στο ride-sharing εταιρεία για σχόλια, λέγοντας ότι «θα πρέπει να δώσουμε στην Uber την ευκαιρία να καταλάβει τι έχει συμβεί και να εξηγήσει τι έχει συμβεί συνέβη."
«Μπορώ να σας διαβεβαιώσω ότι [η Uber] είναι εξίσου συντετριμμένη με αυτό που συνέβη», πρόσθεσε ο Χουάνγκ.
Επειδή η Nvidia αναπτύσσει μια ολοκληρωμένη λύση για αυτόνομη οδήγηση, διαφορετικοί συνεργάτες — από την Uber μέχρι την Toyota και τη Mercedes Benz — ενδέχεται να χρησιμοποιούν όλα ή ορισμένα μέρη του συστήματος. «Υπάρχουν περίπου 370 εταιρείες σε όλο τον κόσμο που χρησιμοποιούν τις τεχνολογίες μας με κάποιο τρόπο». Στην έκθεση, η Nvidia ανακοίνωσε επίσης τον Orin, τον υπολογιστή επόμενης γενιάς της πλατφόρμας DRIVE της.
Οι άνθρωποι ως εφεδρικό
Ενώ τα αυτόνομα αυτοκίνητα γίνονται πιο έξυπνα με την πάροδο του χρόνου, ο Huang εξακολουθεί να πιστεύει ότι πρέπει πάντα να υπάρχει ένα ανθρώπινο εφεδρικό, ακόμη και σε περιπτώσεις όπου ένα αυτοκίνητο έχει σχεδιαστεί χωρίς κάθισμα οδηγού. Για να το πετύχει αυτό, η Nvidia παρουσίασε το Holodeck της κατά τη φετινή κεντρική ομιλία του GTC, επιτρέποντας σε έναν απομακρυσμένο οδηγό να ελέγχει ένα φυσικό αυτοκίνητο σε πραγματικό χρόνο μέσω εικονικής πραγματικότητας.
«Είναι τηλεμεταφορά», είπε ο Huang, τονίζοντας ότι αυτό είναι δυνατό μέσω των πρώτων επενδύσεων της Nvidia στην εικονική πραγματικότητα.
NVIDIA DRIVE—GTC 2018 Επίδειξη
Κατά τη διάρκεια της επίδειξης, ο Tim, ο οδηγός, εντοπίστηκε σε μια απομακρυσμένη τοποθεσία. Όταν βάλει ένα ζευγάρι γυαλιά εικονικής πραγματικότητας, θα νιώσει σαν να βρίσκεται σε φυσικό αυτοκίνητο, δίνοντάς του τη δυνατότητα να νιώσει το αυτοκίνητο και να δει τα χειριστήρια και τον πίνακα οργάνων του αυτοκινήτου. Από αυτή την απομακρυσμένη τοποθεσία και με τη βοήθεια των ακουστικών VR του, μπορούσε να πάρει τον έλεγχο ενός αυτόνομου οχήματος, επιτρέποντάς του να οδηγήσει το όχημα και να το παρκάρει.
Είναι σαν αυτό που κάνει ο στρατός εδώ και λίγο καιρό - επιτρέποντας στους χειριστές drones να πετούν μη επανδρωμένα drones από απομακρυσμένες τοποθεσίες. Αλλά στην περίπτωση της Nvidia, με τη δύναμη της εικονικής πραγματικότητας, ο οδηγός θα αισθάνεται ότι είναι φυσικά παρών στο πιλοτήριο. Η εταιρεία πιστεύει ότι η προσομοίωση που τροφοδοτείται από τις GPU της θα κάνει τελικά τα αυτόνομα αυτοκίνητα σχεδόν αλάνθαστα, αλλά, μέχρι αυτά, το Holodeck μπορεί να βοηθήσει τους ανθρώπους να παρακολουθούν τους αυτόνομους στόλους.
Συστάσεις των συντακτών
- Αυτόνομα αυτοκίνητα μπερδεμένα από την ομίχλη του Σαν Φρανσίσκο
- Η Ford και η VW κλείνουν την αυτόνομη μονάδα αυτοκινήτων Argo AI
- Πρώην υπάλληλος της Apple παραδέχεται την ενοχή της για την κατάσχεση μυστικών της Apple Car
- Οι αστυνομικοί μπερδεμένοι τραβούν πάνω από ένα άδειο αυτό-οδηγούμενο αυτοκίνητο
- Πώς ένα μεγάλο μπλε βαν από το 1986 άνοιξε το δρόμο για αυτοοδηγούμενα αυτοκίνητα
