कैसे एनवीडिया स्वायत्त कारों को सुरक्षा के लिए अपना रास्ता बनाने में मदद कर रहा है

कल्पना करें कि आप एक चार-दरवाजे वाली पारिवारिक सेडान के ड्राइवर हैं जो स्टॉप साइन के पास आ रहा है। जब आप स्टॉप साइन पर पहुंचते हैं, तो आप देखते हैं कि एक साइकिल चालक सड़क पार करने की कोशिश कर रहा है। आंखों के संपर्क, चेहरे की अभिव्यक्ति और शारीरिक भाषा के संकेतों के माध्यम से, साइकिल चालक आपके साथ रास्ते के अपने अधिकार के बारे में बातचीत करता है। परिणामस्वरूप, आप चौराहे में सावधानी से प्रवेश करने से पहले साइकिल चालक को पहले सड़क पार करने देने का निर्णय लेते हैं।

कॉग्नाटा के सीईओ डैनी एट्समन ने कहा, आज स्वायत्त ड्राइविंग की दुनिया में, इस तरह की घटना को "टैग" करने या वर्गीकृत करने का कोई तरीका नहीं होगा। वर्तमान विधियाँ आपको साइकिल चालक को दृष्टिगत रूप से पहचानने की अनुमति देती हैं, लेकिन प्रशिक्षण प्रणालियाँ पहचानने की अनुमति देती हैं समझें कि सड़क पर जटिल बातचीत 10.3 ट्रिलियन डॉलर की स्वायत्त ड्राइविंग के लिए एक चुनौती बनी हुई है उद्योग।

वास्तव में, NVIDIA के सीईओ जेन्सेन के अनुसार, स्वायत्त ड्राइविंग "दुनिया की अब तक की सबसे कठिन कंप्यूटिंग समस्या" का प्रतिनिधित्व करती है। हुआंग ने सैन जोस में जीटीसी 2018 के मुख्य भाषण के दौरान दुनिया के कुछ सबसे शक्तिशाली ग्राफिक्स प्रोसेसर का अनावरण करते हुए स्वीकार किया, कैलिफोर्निया.

वास्तविक और आभासी को पाटना

हुआंग ने एक स्पष्ट प्रस्तुति में कहा, "दुनिया प्रति वर्ष 10 ट्रिलियन मील ड्राइव करती है - लेकिन एट्समन ने बताया कि सेल्फ-ड्राइविंग कारों ने पिछले साल केवल तीन मिलियन मील सड़कों को कवर किया था। स्व-चालित वाहनों को बेहतर ढंग से चलाने के लिए, उन्हें और अधिक सीखना होगा, और यह मूल रूप से उद्योग के सामने सबसे बड़ी चुनौती है। एट्समन ने हमें बताया कि एक स्वायत्त ड्राइविंग प्रणाली को मानव चालक की योग्यता के लिए प्रशिक्षित करने के लिए, कंप्यूटर को लगभग 11 अरब मील ड्राइव करने की आवश्यकता होगी।

उस आंकड़े की गणना 2015 में प्रति 100 मिलियन मील की दूरी पर 1.09 मौतों के आधार पर की गई है। "तो, यह कहने के लिए कि एक मशीन 95 प्रतिशत आत्मविश्वास के साथ एक इंसान के समान सुरक्षित प्रदर्शन कर सकती है, आपको 11 बिलियन मील के लिए मान्य करने की आवश्यकता होगी," एट्समन ने कहा।

उस लक्ष्य तक पहुँचने के लिए आवश्यक समय के अलावा, विचार करने योग्य व्यय भी है। अभी, एक स्वायत्त कार चलाने की प्रति मील लागत सैकड़ों डॉलर में है - हिसाब से इंजीनियरिंग का समय, डेटा संग्रह और टैगिंग, बीमा लागत, और ड्राइवर के कॉकपिट में बैठने का समय एक कार। इसे 11-बिलियन-मील बेंचमार्क से गुणा करें, और स्वायत्त कारों के प्रशिक्षण से जुड़ी भारी लागत स्पष्ट हो जाती है।

सत्यापन महत्वपूर्ण है, और स्वायत्त वाहनों से जुड़ी हालिया दुर्घटनाओं से पता चलता है कि अधूरे डेटा परीक्षण और प्रशिक्षण परिदृश्य घातक साबित हो सकते हैं। एक कम चरम उदाहरण में, लास वेगास में एक सेल्फ-ड्राइविंग शटल लगभग 0.6 मील प्रति घंटे की गति से चल रही थी, लेकिन यह एक ट्रक से टकरा गया (डिजिटल ट्रेंड्स के एक स्वतंत्र योगदानकर्ता जेफ ज़र्स्चमीड, जब यह हुआ तब वहां मौजूद थे)। कोई भी घायल नहीं हुआ, लेकिन हैरान करने वाली स्थिति इसलिए बनी क्योंकि ट्रक आगे बढ़ रहा था, फिर पार्क करने की कोशिश में पीछे हट रहा था। एट्समन के अनुसार, दुर्घटना का कारण यह है कि शटल को इस प्रकार की स्थिति के लिए मान्य नहीं किया गया था, और उसे नहीं पता था कि क्या करना है - इसलिए वह धीरे-धीरे आगे बढ़ा और दुर्घटनाग्रस्त हो गया।

गहन शिक्षा के लिए बेहतर सिमुलेशन

मानव ड्राइविंग तक पहुंचने के लिए स्वायत्त प्रणालियों के लिए 11 अरब मील के अंतर को पाटने के लिए उद्योग का वर्तमान समाधान योग्यता एक आभासी के साथ गहरी शिक्षा को जोड़कर कारों को तेजी से सीखने की अनुमति देने के लिए सिमुलेशन विकसित करना है पर्यावरण।

हुआंग ने जीटीसी में कहा, "सिमुलेशन अरबों मील का रास्ता है।" पिछले साल के अंत में, अल्फाबेट के स्वामित्व वाले वेमो ने सिमुलेशन द्वारा सीखने के अपने दृष्टिकोण, कारक्राफ्ट का अनावरण किया।

कॉग्नाटा स्वायत्त कारों के सीखने के लिए दुनिया के अधिक जीवंत और यथार्थवादी मॉडल बनाने के लिए ग्राफिक्स और सेंसर हार्डवेयर में नवीनतम प्रगति का उपयोग कर रहा है। सेल्फ-ड्राइविंग कार के कंप्यूटिंग दिमाग के लिए, यह वास्तविक पर आधारित वीडियो गेम में प्रवेश करने जैसा है दुनिया, और इससे कार ड्राइविंग का परीक्षण और सत्यापन करने के लिए अधिक यथार्थवादी ड्राइविंग परिदृश्य बन सकते हैं डेटा। कंपनी ने हाल ही में जीआईएस - हाई डेफिनिशन कैमरों और से डेटा का उपयोग करके सैन फ्रांसिस्को जैसे चुनिंदा शहरों की मैपिंग की है परिष्कृत कंप्यूटर एल्गोरिदम जो उपग्रह और सड़क दृश्य इमेजरी पर चलता है, जिसके परिणामस्वरूप एक फोटो-यथार्थवादी दृश्य होता है।

सिमुलेशन को और बेहतर बनाने के लिए, एनवीडिया और उसके कुछ साझेदार उच्च परिभाषा मानचित्र बनाने के लिए स्वायत्त वाहनों के सेंसर से डेटा का उपयोग कर रहे हैं। जब स्वायत्त वाहन सड़क पर उतरेंगे, तो ये मशीनें न केवल प्रशिक्षण के माध्यम से उपलब्ध डेटा पर निर्भर होंगी, बल्कि अपने LIDAR, IR, रडार और कैमरे से कैप्चर किए गए डेटा को साझा करके डेटा संग्रह में भी योगदान देता है सरणियाँ।

जब इस नए कैप्चर किए गए डेटा को गहन शिक्षण के माध्यम से मौजूदा निम्न-गुणवत्ता वाले डेटा सेट के साथ जोड़ा जाता है, तो यह सड़कों और सड़कों को अधिक फोटो-यथार्थवादी बना देगा। कॉग्नाटा का दावा है कि उसके एल्गोरिदम डेटा को छाया और हाइलाइट्स में विवरण लाने के लिए इस तरह से संसाधित कर सकते हैं, जैसे कि एक एचडीआर उच्च गुणवत्ता वाला दृश्य बनाने के लिए, अपने स्मार्टफ़ोन के कैमरे से फ़ोटो लें।

जबकि सिमुलेशन एक उत्कृष्ट उपकरण है, एट्समन ने कहा कि इसकी अपनी खामियां हैं। यह बहुत सरल है, और स्वायत्त ड्राइविंग को यथार्थवादी बनाने के लिए, इसे किनारे के मामलों से सीखना होगा। कॉग्नाटा का दावा है कि अधिक असामान्य ड्राइविंग परिदृश्यों के लिए स्वायत्त वाहनों को मान्य करने के लिए एज केस में प्रोग्राम करने में केवल कुछ क्लिक लगते हैं। स्वायत्त वाहन बनाने वाली कंपनियों को ऐसे उन्नत मामलों की खोज में मेहनती होना होगा जो स्वचालित कारों को चकमा दे सकें, और उनके लिए समाधान तैयार करने में रचनात्मक हों।

जब सेल्फ-ड्राइविंग विफल हो जाती है

स्वायत्त वाहनों के लिए सुरक्षा इतनी सर्वोपरि है कि एनवीडिया इसे उद्योग के लिए सबसे महत्वपूर्ण चीज़ मानता है। जब चीजें विफल हो जाती हैं, तो मौतें हो सकती हैं और होती हैं, जैसा कि हाल ही में एक स्वायत्त उबर ने साबित किया था एरिज़ोना में एक पैदल यात्री को मारा और मार डाला.

जब एक प्रेस मीटिंग में उबर दुर्घटना के बारे में सवाल किया गया - उबर एनवीडिया का भागीदार है - हुआंग ने राइड-शेयरिंग को टाल दिया कंपनी ने टिप्पणियों के लिए कहा, "हमें उबर को यह समझने का मौका देना चाहिए कि क्या हुआ है और क्या हुआ है यह समझाने का घटित।"

हुआंग ने कहा, "मैं आपको आश्वस्त कर सकता हूं कि जो कुछ हुआ, उससे उबर भी उतना ही आहत है।"

क्योंकि एनवीडिया स्वायत्त ड्राइविंग के लिए एंड-टू-एंड समाधान विकसित करता है, विभिन्न साझेदार - उबर से लेकर टोयोटा और मर्सिडीज बेंज तक - सिस्टम के सभी या कुछ हिस्सों का उपयोग कर सकते हैं। "दुनिया भर में लगभग 370 कंपनियां हैं जो किसी न किसी तरह से हमारी प्रौद्योगिकियों का उपयोग कर रही हैं।" शो में, एनवीडिया ने अपने ड्राइव प्लेटफॉर्म के अगली पीढ़ी के कंप्यूटर ओरिन की भी घोषणा की।

मनुष्य एक बैकअप के रूप में

जबकि सेल्फ-ड्राइविंग कारें समय के साथ स्मार्ट होती जा रही हैं, हुआंग का अभी भी मानना ​​है कि हमेशा एक मानव बैकअप होना चाहिए, यहां तक ​​​​कि उन मामलों में भी जहां कार को ड्राइवर सीट के बिना डिज़ाइन किया गया है। इसे हासिल करने के लिए, एनवीडिया ने इस साल के जीटीसी कीनोट के दौरान अपने होलोडेक का प्रदर्शन किया, जिससे एक रिमोट ड्राइवर को आभासी वास्तविकता के माध्यम से वास्तविक समय में एक भौतिक कार को नियंत्रित करने की अनुमति मिल गई।

"यह टेलीपोर्टेशन है," हुआंग ने कहा, इस बात पर प्रकाश डालते हुए कि यह आभासी वास्तविकता में एनवीडिया के शुरुआती निवेश के माध्यम से संभव है।

डेमो के दौरान, ड्राइवर टिम एक दूरस्थ स्थान पर स्थित था। जब वह आभासी वास्तविकता चश्मे की एक जोड़ी लगाता है, तो उसे ऐसा महसूस होगा जैसे वह एक भौतिक कार में है, जिससे वह कार को महसूस कर सकेगा, और कार के नियंत्रण और उपकरण पैनल को देख सकेगा। इस दूरस्थ स्थान से और अपने वीआर हेडसेट की सहायता से, वह एक स्वायत्त वाहन का नियंत्रण ले सकता था, जिससे वह वाहन चला सकता था और उसे पार्क कर सकता था।

यह वैसा ही है जैसा सेना कुछ समय से कर रही है - ड्रोन ऑपरेटरों को दूरस्थ स्थान से मानव रहित ड्रोन उड़ाने की अनुमति देना। लेकिन एनवीडिया के मामले में, वीआर की शक्ति से, ड्राइवर को ऐसा महसूस होगा जैसे वह कॉकपिट में शारीरिक रूप से मौजूद है। कंपनी का मानना ​​है कि उसके जीपीयू द्वारा संचालित सिमुलेशन अंततः स्वायत्त कारों को लगभग अचूक बना देगा, लेकिन जब तक होलोडेक मनुष्यों को स्व-ड्राइविंग बेड़े पर नजर रखने में मदद नहीं कर सकता है।

संपादकों की सिफ़ारिशें

• सैन फ्रांसिस्को के कोहरे से स्वायत्त कारें भ्रमित हो गईं
• Ford और VW ने Argo AI स्वायत्त कार इकाई को बंद कर दिया
• एप्पल के पूर्व कर्मचारी ने एप्पल कार के रहस्यों को उजागर करने का अपराध स्वीकार किया
• एक खाली सेल्फ-ड्राइविंग कार को खींचते समय अधिकारी भ्रमित हो गए
• कैसे 1986 की एक बड़ी नीली वैन ने स्व-चालित कारों के लिए मार्ग प्रशस्त किया