Imagina que eres el conductor de un sedán familiar de cuatro puertas que se acerca a una señal de alto. Cuando llega a la señal de alto, nota que un ciclista intenta cruzar la calle. A través del contacto visual, la expresión facial y las señales del lenguaje corporal, el ciclista negocia su derecho de paso con usted. Como resultado, decide dejar que el ciclista cruce la calle primero, antes de proceder a entrar con cautela en la intersección.
En el mundo actual de la conducción autónoma, no habría forma de “etiquetar” o categorizar un evento de este tipo, dijo el director ejecutivo de Cognata, Danny Atsmon. Los métodos actuales permiten identificar visualmente al ciclista, pero los sistemas de entrenamiento para reconocer y entender que las complejas negociaciones en la carretera siguen siendo un desafío para la conducción autónoma valorada en 10,3 billones de dólares industria.
Vídeos recomendados
De hecho, la conducción autónoma representa “el problema informático más difícil que el mundo haya enfrentado jamás”, como afirma Jensen, director ejecutivo de NVIDIA. Huang admitió cuando presentó algunos de los procesadores gráficos más potentes del mundo durante el discurso de apertura del GTC 2018 en San José: California.
Relacionado
- El rumoreado coche de Apple podría costar lo mismo que un Tesla Model S
- Drive Concierge de Nvidia llenará tu coche de pantallas
- Acaba de suceder algo extraño con una flota de coches autónomos
Uniendo lo real y lo virtual
“El mundo conduce 10 billones de millas por año”, dijo Huang en una presentación mordaz, pero Atsmon señaló que los autos sin conductor solo cubrieron tres millones de millas de carreteras el año pasado. Para que los vehículos autónomos conduzcan mejor, deben aprender más, y ese es fundamentalmente el mayor desafío que enfrenta la industria. Para entrenar un sistema de conducción autónomo para que tenga la competencia de un conductor humano, las computadoras tendrían que conducir aproximadamente 11 mil millones de millas, nos dijo Atsmon.
Es el problema informático más difícil que el mundo haya enfrentado jamás.
Esa cifra se calcula en base a las 1,09 muertes por cada 100 millones de millas recorridas en 2015. "Entonces, para decir que una máquina podría tener un rendimiento tan seguro como un ser humano con un 95 por ciento de confianza, sería necesario validar durante 11 mil millones de millas", dijo Atsmon.
Aparte del tiempo necesario para alcanzar ese objetivo, también hay que considerar los gastos. En este momento, el costo por milla para operar un automóvil autónomo es de cientos de dólares, lo que representa tiempo de ingeniería, recopilación de datos y etiquetado, costos de seguro y el tiempo que dedica un conductor a sentarse en la cabina del piloto. un coche. Multiplique eso por el punto de referencia de 11 mil millones de millas y quedará claro el enorme costo asociado con el entrenamiento de autos autónomos.
La validación es clave, y los accidentes recientes que involucran vehículos autónomos muestran que las pruebas de datos y los escenarios de entrenamiento incompletos pueden resultar fatales. En un ejemplo menos extremo, un transbordador autónomo en Las Vegas navegaba a alrededor de 0,6 millas por hora, pero chocó contra un camión (Jeff Zurschmeide, colaborador independiente de Digital Trends, estaba presente cuando sucedió). Nadie resultó herido, pero el desconcertante escenario ocurrió porque el camión avanzaba y luego retrocedía mientras intentaba estacionarse. La causa del accidente, según Atsmon, es que el transbordador no estaba validado para este tipo de situación y no sabía qué hacer, por lo que avanzó lentamente y se estrelló.
Mejor simulación para un aprendizaje más profundo
La solución actual de la industria para cerrar la brecha de 11 mil millones de millas entre los sistemas autónomos y llegar a la conducción humana Su competencia es desarrollar simulaciones que permitan a los automóviles aprender más rápido combinando el aprendizaje profundo con un aprendizaje virtual. ambiente.
"La simulación es el camino hacia miles de millones de millas", dijo Huang en el GTC. A finales del año pasado, Waymo, propiedad de Alphabet, presentó Carcraft, su enfoque para el aprendizaje mediante simulación.
Cognata está utilizando los últimos avances en gráficos y hardware de sensores para crear modelos del mundo más realistas y reales para que los autos autónomos aprendan. Para el cerebro informático de un coche autónomo, es como entrar en un videojuego inspirado en la realidad. mundo, y eso podría conducir a escenarios de conducción más realistas para probar y validar la conducción de automóviles. datos. Recientemente, la compañía ha mapeado ciudades seleccionadas, como San Francisco, utilizando datos de SIG (cámaras de alta definición y Sofisticados algoritmos informáticos que analizan imágenes satelitales y de calles, dando como resultado una escena fotorrealista.
La simulación es el camino hacia miles de millones de millas.
Para mejorar aún más las simulaciones, Nvidia y algunos de sus socios están utilizando datos de sensores de vehículos autónomos para crear mapas de mayor definición. Cuando los vehículos autónomos salgan a la carretera, estas máquinas no solo dependerán de los datos disponibles a través de la capacitación, pero también contribuye a la recopilación de datos compartiendo los datos que ha capturado de su LIDAR, IR, radar y cámara. matrices.
Cuando estos datos recién capturados se combinen mediante aprendizaje profundo con conjuntos de datos existentes de baja calidad, las calles y carreteras se verán más fotorrealistas. Cognata afirma que sus algoritmos pueden procesar los datos de manera que resalten detalles en sombras y luces, muy parecido a un HDR foto desde la cámara de su teléfono inteligente para crear una escena de alta calidad.
Cognata - Simulador de conducción autónoma con aprendizaje profundo
Si bien la simulación es una herramienta excelente, Atsmon señaló que tiene sus propios defectos. Es demasiado simple y, para que la conducción autónoma sea realista, debe aprender de los casos extremos. Cognata afirma que solo se necesitan unos pocos clics para programar en un caso límite para validar vehículos autónomos para escenarios de conducción más inusuales. Las empresas que fabrican vehículos autónomos tendrán que ser diligentes en la búsqueda de casos extremos que puedan engañar a los vehículos autónomos y creativas a la hora de crear soluciones para ellos.
Cuando falla la conducción autónoma
La seguridad es tan importante para los vehículos autónomos que Nvidia la considera lo más importante para la industria. Cuando las cosas fallan, pueden ocurrir, y de hecho ocurren, muertes, como se demostró recientemente cuando un Uber autónomo atropelló y mató a un peatón en Arizona.
"Puedo asegurarles que [Uber está] igualmente devastada por lo sucedido".
Cuando se le preguntó en una reunión de prensa sobre el accidente de Uber (Uber es socio de Nvidia), Huang se refirió al tema del viaje compartido. empresa para comentarios, diciendo que "deberíamos darle a Uber la oportunidad de comprender lo que ha sucedido y explicar lo que ha sucedido". sucedió."
"Puedo asegurarles que [Uber está] igualmente devastada por lo sucedido", añadió Huang.
Debido a que Nvidia desarrolla una solución integral para la conducción autónoma, diferentes socios (desde Uber hasta Toyota y Mercedes Benz) pueden utilizar todas o algunas partes del sistema. "Hay unas 370 empresas en todo el mundo que utilizan nuestras tecnologías de alguna manera". En la feria, Nvidia también anunció Orin, la computadora de próxima generación de su plataforma DRIVE.
Los humanos como respaldo
Si bien los automóviles autónomos se están volviendo más inteligentes con el tiempo, Huang todavía cree que siempre debe haber un respaldo humano, incluso en los casos en que un automóvil está diseñado sin asiento del conductor. Para lograr esto, Nvidia presentó su Holodeck durante la conferencia magistral del GTC de este año, permitiendo a un conductor remoto controlar un automóvil físico en tiempo real a través de la realidad virtual.
"Es teletransportación", dijo Huang, destacando que esto es posible gracias a las primeras inversiones de Nvidia en realidad virtual.
NVIDIA DRIVE: demostración de GTC 2018
Durante la demostración, Tim, el conductor, fue ubicado en un lugar remoto. Cuando se ponga un par de gafas de realidad virtual, se sentirá como si estuviera en un automóvil físico, lo que le permitirá sentir el automóvil y ver los controles y el panel de instrumentos del mismo. Desde esta ubicación remota y con la ayuda de sus gafas de realidad virtual, podría tomar el control de un vehículo autónomo, lo que le permitiría conducirlo y estacionarlo.
Es como lo que el ejército ha estado haciendo durante un tiempo: permitir a los operadores de drones volar drones no tripulados desde ubicaciones remotas. Pero en el caso de Nvidia, con el poder de la realidad virtual, el conductor sentirá que está físicamente presente en la cabina. La compañía cree que la simulación impulsada por sus GPU eventualmente hará que los autos autónomos sean casi infalibles pero, hasta que lo hagan, el Holodeck puede ayudar a los humanos a vigilar las flotas de vehículos autónomos.
Recomendaciones de los editores
- Coches autónomos confundidos por la niebla de San Francisco
- Ford y VW cierran la unidad de vehículos autónomos Argo AI
- Ex empleado de Apple se declara culpable de descubrir secretos del Apple Car
- Agentes confundidos al detener un vehículo autónomo vacío
- Cómo una gran furgoneta azul de 1986 abrió el camino a los coches autónomos
