Imaginez que vous êtes le conducteur d’une berline familiale à quatre portes et que vous approchez d’un panneau d’arrêt. Arrivé au stop, vous remarquez un cycliste qui tente de traverser la route. Grâce au contact visuel, aux expressions faciales et aux indices du langage corporel, le cycliste négocie son droit de passage avec vous. En conséquence, vous décidez de laisser le cycliste traverser la route en premier, avant de vous lancer prudemment dans l’intersection.
Dans le monde de la conduite autonome d’aujourd’hui, il n’y aurait aucun moyen de « marquer » ou de catégoriser un tel événement, a déclaré Danny Atsmon, PDG de Cognata. Les méthodes actuelles permettent d'identifier visuellement le cycliste, mais les systèmes de formation pour reconnaître et comprendre que les négociations complexes sur la route restent un défi pour la conduite autonome de 10 300 milliards de dollars industrie.
Vidéos recommandées
En fait, la conduite autonome représente « le problème informatique le plus difficile que le monde ait jamais rencontré », comme l'a déclaré Jensen, PDG de NVIDIA. Huang a admis lorsqu'il a dévoilé certains des processeurs graphiques les plus puissants au monde lors du discours d'ouverture du GTC 2018 à San Jose: Californie.
En rapport
- La voiture d’Apple pourrait coûter le même prix qu’une Tesla Model S
- Drive Concierge de Nvidia remplira votre voiture d’écrans
- Une chose étrange vient de se produire avec une flotte de voitures autonomes
Faire le pont entre le réel et le virtuel
« Le monde parcourt 10 000 milliards de kilomètres par an », a déclaré Huang dans une présentation pointue – mais Atsmon a souligné que les voitures autonomes n'ont parcouru que trois millions de kilomètres de routes l'année dernière. Pour que les véhicules autonomes conduisent mieux, ils doivent en apprendre davantage, et c’est fondamentalement le plus grand défi auquel l’industrie est confrontée. Pour former un système de conduite autonome afin qu'il ait les compétences d'un conducteur humain, les ordinateurs devraient parcourir environ 11 milliards de kilomètres, nous a expliqué Atsmon.
Il s’agit du problème informatique le plus difficile que le monde ait jamais rencontré.
Ce chiffre est calculé sur la base de 1,09 décès pour 100 millions de kilomètres parcourus en 2015. "Donc, pour dire qu'une machine peut avoir des performances aussi sûres qu'un être humain avec 95 pour cent de confiance, il faudrait valider sur 11 milliards de kilomètres", a déclaré Atsmon.
Outre le temps nécessaire pour atteindre cet objectif, il y a aussi les dépenses à prendre en compte. À l'heure actuelle, le coût par kilomètre pour faire fonctionner une voiture autonome se chiffre en centaines de dollars, ce qui représente le temps d'ingénierie, la collecte et l'étiquetage des données, les coûts d'assurance et le temps nécessaire au conducteur pour s'asseoir dans le cockpit du une voiture. Multipliez cela par la référence de 11 milliards de kilomètres, et le coût énorme associé à la formation de voitures autonomes devient clair.
La validation est essentielle, et les récents accidents impliquant des véhicules autonomes montrent que des tests de données et des scénarios de formation incomplets peuvent s'avérer fatals. Dans un exemple moins extrême, une navette autonome à Las Vegas naviguait à environ 0,6 mile par heure, mais il a percuté un camion (Jeff Zurschmeide, contributeur indépendant à Digital Trends, était présent lorsque cela s'est produit). Personne n'a été blessé, mais le scénario déroutant s'est produit parce que le camion avançait, puis reculait en essayant de se garer. La cause de l’accident, selon Atsmon, est que la navette n’était pas validée pour ce type de situation et qu’elle ne savait pas quoi faire – elle a donc avancé lentement et s’est écrasée.
Une meilleure simulation pour un apprentissage plus approfondi
La solution actuelle de l’industrie pour combler le fossé de 11 milliards de kilomètres entre les systèmes autonomes et la conduite humaine. La compétence est de développer des simulations pour permettre aux voitures d'apprendre plus rapidement en combinant l'apprentissage profond avec un environnement virtuel. environnement.
"La simulation est le chemin qui mène à des milliards de kilomètres", a déclaré Huang au GTC. À la fin de l'année dernière, Waymo, propriété d'Alphabet, a dévoilé Carcraft, son approche de l'apprentissage par simulation.
Cognata utilise les dernières avancées en matière de graphiques et de capteurs pour créer des modèles du monde plus réalistes et plus réalistes dont les voitures autonomes peuvent tirer des leçons. Pour le cerveau informatique d’une voiture autonome, c’est comme entrer dans un jeu vidéo calqué sur le modèle réel. monde, et cela pourrait conduire à des scénarios de conduite plus réalistes pour tester et valider la conduite automobile données. L'entreprise a récemment cartographié certaines villes, comme San Francisco, à l'aide de données SIG (caméras haute définition et des algorithmes informatiques sophistiqués qui s'exécutent sur des images satellite et des vues de rue, ce qui donne une scène photo-réaliste.
La simulation est le chemin qui mène à des milliards de kilomètres.
Pour améliorer encore les simulations, Nvidia et certains de ses partenaires utilisent les données des capteurs des véhicules autonomes pour créer des cartes de plus haute définition. Lorsque des véhicules autonomes prendront la route, ces machines ne s'appuieront pas uniquement sur les données disponibles grâce à la formation, mais également contribuer à la collecte de données en partageant les données qu'il a capturées à partir de son LIDAR, IR, radar et caméra tableaux.
Lorsque ces données nouvellement capturées seront combinées grâce à l’apprentissage en profondeur avec des ensembles de données existants de faible qualité, les rues et les routes auront un aspect plus photoréaliste. Cognata affirme que ses algorithmes peuvent traiter les données de manière à faire ressortir les détails dans les ombres et les hautes lumières, un peu comme un HDR photo depuis l'appareil photo de votre smartphone, pour créer une scène de haute qualité.
Cognata - Simulateur de conduite autonome à apprentissage profond
Bien que la simulation soit un excellent outil, Atsmon a souligné qu’elle présente ses propres défauts. C’est trop simple, et pour que la conduite autonome soit réaliste, elle doit apprendre des cas extrêmes. Cognata affirme qu'il suffit de quelques clics pour programmer dans un cas limite afin de valider les véhicules autonomes pour des scénarios de conduite plus inhabituels. Les entreprises qui construisent des véhicules autonomes devront faire preuve de diligence dans leur recherche de cas extrêmes capables de tromper les voitures autonomes, et faire preuve de créativité dans l’élaboration de solutions pour ces véhicules.
Quand la conduite autonome échoue
La sécurité est tellement primordiale pour les véhicules autonomes que Nvidia la considère comme la chose la plus importante pour l'industrie. Lorsque les choses échouent, des décès peuvent survenir, comme cela a été récemment prouvé lorsqu'un Uber autonome heurté et tué un piéton en Arizona.
"Je peux vous assurer que [Uber est] également écrasé par ce qui s'est passé."
Interrogé lors d'une conférence de presse sur le crash d'Uber – Uber est un partenaire de Nvidia – Huang s'en remet au covoiturage. société pour ses commentaires, affirmant que « nous devrions donner à Uber une chance de comprendre ce qui s’est passé et d’expliquer ce qui s’est passé ». arrivé."
"Je peux vous assurer que [Uber est] également écrasé par ce qui s'est passé", a ajouté Huang.
Étant donné que Nvidia développe une solution de bout en bout pour la conduite autonome, différents partenaires – d'Uber à Toyota et Mercedes Benz – peuvent utiliser tout ou partie du système. "Il y a quelque 370 entreprises dans le monde qui utilisent nos technologies d'une manière ou d'une autre." Lors du salon, Nvidia a également annoncé Orin, l'ordinateur de nouvelle génération de sa plateforme DRIVE.
Les humains comme sauvegarde
Même si les voitures autonomes deviennent de plus en plus intelligentes au fil du temps, Huang estime toujours qu'il devrait toujours y avoir un renfort humain, même dans les cas où une voiture est conçue sans siège conducteur. Pour y parvenir, Nvidia a présenté son Holodeck lors du keynote GTC de cette année, permettant à un conducteur distant de contrôler une voiture physique en temps réel grâce à la réalité virtuelle.
"C'est de la téléportation", a déclaré Huang, soulignant que cela est possible grâce aux premiers investissements de Nvidia dans la réalité virtuelle.
NVIDIA DRIVE—Démonstration GTC 2018
Pendant la démonstration, Tim, le chauffeur, se trouvait dans un endroit éloigné. Lorsqu’il enfilera une paire de lunettes de réalité virtuelle, il aura l’impression d’être dans une voiture physique, ce qui lui permettra de ressentir la voiture et de voir les commandes et le tableau de bord de la voiture. Depuis cet endroit éloigné et à l’aide de son casque VR, il pourrait prendre le contrôle d’un véhicule autonome, lui permettant de conduire le véhicule et de le garer.
C’est comme ce que fait l’armée depuis un certain temps: permettre aux opérateurs de drones de piloter des drones sans pilote depuis un endroit éloigné. Mais dans le cas de Nvidia, grâce à la puissance de la réalité virtuelle, le conducteur aura l’impression d’être physiquement présent dans le cockpit. La société estime que la simulation alimentée par ses GPU finira par rendre les voitures autonomes presque infaillibles, mais en attendant, le Holodeck peut aider les humains à surveiller les flottes autonomes.
Recommandations des rédacteurs
- Les voitures autonomes déconcertées par le brouillard de San Francisco
- Ford et VW ferment l'unité de voiture autonome Argo AI
- Un ancien employé d'Apple plaide coupable d'avoir découvert les secrets d'Apple Car
- Les policiers sont confus alors qu'ils arrêtent une voiture autonome vide
- Comment une grosse camionnette bleue de 1986 a ouvert la voie aux voitures autonomes
