Kuidas Nvidia aitab autonoomsetel autodel simuleerida oma teed ohutuse poole

Kujutage ette, et olete neljaukselise peresedaani juht, mis läheneb stoppmärgile. Peatusmärgini jõudes märkad jalgratturit, kes üritab teed ületada. Silmside, näoilme ja kehakeele näpunäidete kaudu peab jalgrattur teiega läbirääkimisi oma eesõiguse üle. Seetõttu otsustate lasta jalgratturil kõigepealt teed ületada, enne kui jätkate ettevaatlikult ristmikule sisenemist.

Tänapäeva autonoomses sõidumaailmas poleks sellist sündmust kuidagi võimalik "sildistada" või kategoriseerida, ütles Cognata tegevjuht Danny Atsmon. Praegused meetodid võimaldavad jalgratturi visuaalselt tuvastada, kuid treeningsüsteemid ära tunda ja mõista, et keerulised läbirääkimised maanteel jäävad 10,3 triljoni dollari suuruse autonoomse sõidu jaoks väljakutseks tööstusele.

Tegelikult on autonoomne sõitmine "kõige raskem arvutiprobleem, millega maailm on kunagi kokku puutunud", ütles NVIDIA tegevjuht Jensen Huang tunnistas, kui ta avalikustas San Joses toimunud GTC 2018 peaettekandes maailma võimsamaid graafikaprotsessoreid, California.

Tõelise ja virtuaalse ühendamine

"Maailm sõidab aastas 10 triljonit miili," ütles Huang teravdatud ettekandes, kuid Atsmon märkis, et isejuhtivad autod läbisid eelmisel aastal vaid kolm miljonit miili teid. Et isejuhtivad sõidukid saaksid paremini sõita, peavad nad rohkem õppima ja see on põhimõtteliselt suurim väljakutse, millega tööstus silmitsi seisab. Atsmon ütles meile, et autonoomse sõidusüsteemi koolitamiseks inimjuhi pädevusse peaksid arvutid sõitma umbes 11 miljardit miili.

See arv on arvutatud 2015. aastal 1,09 hukkunu 100 miljoni miili kohta. "Niisiis, et öelda, et masinal on 95-protsendilise kindlusega sama ohutu jõudlus kui inimesel, peate valideerima 11 miljardit miili," ütles Atsmon.

Lisaks selle eesmärgi saavutamiseks kuluvale ajale tuleb arvestada ka kuludega. Praegu on autonoomse auto käitamise miili hind sadades dollarites inseneritöö aeg, andmete kogumine ja märgistamine, kindlustuskulud ja juhi kokpitis istumise aeg Auto. Korrutage see 11 miljardi miili võrdlusalusega ja selgeks saab autonoomsete autode koolitamisega seotud tohutu kulu.

Valideerimine on võtmetähtsusega ja hiljutised autonoomsete sõidukitega seotud õnnetused näitavad, et puudulikud andmetestid ja koolitusstsenaariumid võivad lõppeda surmaga. Ühes vähem ekstreemses näites sõitis isejuhtiv süstik Las Vegases umbes 0,6 miili tunnis, aga see sõitis vastu veoautot (Digital Trendsi vabakutseline kaastööline Jeff Zurschmeide oli seal, kui see juhtus). Keegi viga ei saanud, kuid mõistatuslik stsenaarium juhtus seetõttu, et veok tõmbus edasi, seejärel tagurdas, kui üritas parkida. Õnnetuse põhjuseks on Atsmoni sõnul see, et süstik ei olnud seda tüüpi olukorra jaoks valideeritud ja ta ei teadnud, mida teha – nii et see liikus aeglaselt edasi ja kukkus alla.

Parem simulatsioon sügavamaks õppimiseks

Tööstuse praegune lahendus autonoomsete süsteemide 11 miljardi miilise lõhe ületamiseks, et jõuda inimeste juhtimiseni pädevus on välja töötada simulatsioonid, mis võimaldavad autodel kiiremini õppida, kombineerides süvaõppe virtuaalsusega keskkond.

"Simulatsioon on tee miljardite miilideni," ütles Huang GTC-s. Eelmise aasta lõpus avalikustas Alphabeti omanduses olev Waymo Carcrafti, selle lähenemisviisi simulatsiooni abil õppimisele.

Cognata kasutab graafika ja anduririistvara uusimaid edusamme, et luua elutruumaid ja realistlikumaid maailmamudeleid autonoomsete autode jaoks, millest õppida. Isejuhtiva auto arvutusaju jaoks on see nagu sisenemine reaalsele mudelile loodud videomängu maailmas ja see võib viia realistlikumate sõidustsenaariumideni autojuhtimise testimiseks ja kinnitamiseks andmeid. Ettevõte on hiljuti kaardistanud valitud linnad, nagu San Francisco, kasutades GIS-i andmeid – kõrglahutusega kaameraid ja keerukad arvutialgoritmid, mis töötavad üle satelliidi- ja tänavavaatepiltide, mille tulemuseks on fotorealistlik stseen.

Simulatsioonide edasiseks täiustamiseks kasutavad Nvidia ja mõned selle partnerid autonoomsete sõidukite andurite andmeid kõrgema eraldusvõimega kaartide koostamiseks. Kui autonoomsed sõidukid teele jõuavad, ei tugine need masinad ainult koolituse käigus saadavatele andmetele, vaid panustab ka andmete kogumisse, jagades andmeid, mida ta on oma LIDAR-ist, IR-st, radarist ja kaamerast jäädvustanud massiivid.

Kui need äsja jäädvustatud andmed kombineeritakse sügava õppimise kaudu olemasolevate madala kvaliteediga andmekogumitega, näevad tänavad ja teed fotorealistlikumad. Cognata väidab, et selle algoritmid suudavad andmeid töödelda nii, et tuua esile detailid varjude ja esiletõstetud kohtades, sarnaselt HDR kvaliteetse stseeni loomiseks foto oma nutitelefoni kaamerast.

Kuigi simulatsioon on suurepärane tööriist, märkis Atsmon, et sellel on omad vead. See on liiga lihtne ja selleks, et autonoomne sõit oleks realistlik, peab see õppima servajuhtumitest. Cognata väidab, et autonoomsete sõidukite kinnitamiseks ebatavaliste sõidustsenaariumide jaoks kulub servakorpuses programmeerimiseks vaid paar klõpsu. Autonoomseid sõidukeid ehitavad ettevõtted peavad olema hoolsad, kui otsivad isejuhtivaid autosid ära petta võivate äärmuslike korpuste otsimisel ning loovad neile lahendusi.

Kui isejuhtimine ebaõnnestub

Ohutus on autonoomsete sõidukite jaoks nii ülimalt tähtis, et Nvidia peab seda tööstuse jaoks kõige olulisemaks. Kui asjad ebaõnnestuvad, võib juhtuda ja juhtub surmajuhtumeid, nagu hiljuti tõestas autonoomne Uber tabas ja tappis Arizonas jalakäija.

Kui pressikoosolekul küsitleti Uberi krahhi kohta – Uber on Nvidia partner –, lükkas Huang sõidujagamise edasi. ettevõte kommentaaride jaoks, öeldes, et "peaksime andma Uberile võimaluse juhtunust aru saada ja selgitada, mis juhtus juhtus."

"Ma võin teile kinnitada, et [Uber] on juhtunu pärast samamoodi muserdatud," lisas Huang.

Kuna Nvidia arendab autonoomse sõidu jaoks terviklikku lahendust, võivad erinevad partnerid – Uberist Toyota ja Mercedes Benzini – kasutada kogu süsteemi või mõnda selle osa. "Üle maailma on umbes 370 ettevõtet, kes kasutavad meie tehnoloogiaid mingil moel." Näitusel kuulutas Nvidia välja ka Orini, oma DRIVE platvormi järgmise põlvkonna arvuti.

Inimesed varukoopiana

Kuigi isejuhtivad autod muutuvad aja jooksul targemaks, usub Huang endiselt, et alati peaks olema inimese tagavara, isegi kui auto on disainitud ilma juhiistmeta. Selle saavutamiseks esitles Nvidia selle aasta GTC peaettekandes oma Holodecki, võimaldades kaugjuhil virtuaalreaalsuse kaudu füüsilist autot reaalajas juhtida.

"See on teleportatsioon," ütles Huang, rõhutades, et see on võimalik tänu Nvidia varajastele investeeringutele virtuaalsesse reaalsusesse.

Demo ajal asus juht Tim kauges kohas. Kui ta paneb ette paar virtuaalreaalsuse prille, tunneb ta end nagu füüsilises autos, mis võimaldab tal tunda autot ning näha auto juhtnuppe ja armatuurlauda. Sellest kaugest asukohast ja oma VR-peakomplekti abil sai ta autonoomse sõiduki juhtimise üle võtta, võimaldades tal sõidukit juhtida ja parkida.

See on nagu see, mida sõjavägi on mõnda aega teinud – lubades droonioperaatoritel lennata mehitamata droone kaugemast asukohast. Kuid Nvidia puhul tunneb juht VR-i võimsusega, nagu oleks ta füüsiliselt kokpitis kohal. Ettevõte usub, et tema GPU-dega töötav simulatsioon muudab autonoomsed autod lõpuks peaaegu eksimatuks, kuid kuni nendeni võib Holodeck aidata inimestel isejuhtivaid autoparke jälgida.

Toimetajate soovitused

• Autonoomsed autod on San Francisco udust segaduses
• Ford ja VW sulgevad Argo AI autonoomse autoüksuse
• Endine Apple'i töötaja tunnistas end Apple Cari saladuste varjamises süüdi
• Tühja isejuhtiva auto otsa sõites olid ametnikud segaduses
• Kuidas 1986. aastast pärit suur sinine kaubik sillutas teed isejuhtivatele autodele