Kako Nvidia pomaže autonomnim automobilima simulirati njihov put do sigurnosti

Zamislite da ste vozač obiteljske limuzine s četvera vrata koja se približava znaku stop. Kada dođete do znaka stop, primijetite biciklista koji pokušava prijeći cestu. Putem kontakta očima, izraza lica i govora tijela, biciklist pregovara s vama o svojoj prednosti. Kao rezultat toga, odlučili ste pustiti biciklista da prvi prijeđe cestu, prije nego što nastavite oprezno ulaziti u raskrižje.

U današnjem svijetu autonomne vožnje ne bi bilo načina da se "označi" ili kategorizira takav događaj, rekao je izvršni direktor Cognate Danny Atsmon. Sadašnje metode omogućuju vizualnu identifikaciju biciklista, ali sustavi obuke za prepoznavanje i shvatite da su složeni pregovori na cesti i dalje izazov za autonomnu vožnju vrijednu 10,3 trilijuna dolara industrija.

Zapravo, autonomna vožnja predstavlja "najteži računalni problem s kojim se svijet ikada susreo", rekao je CEO NVIDIA-e Jensen Huang je priznao kada je predstavio neke od najmoćnijih svjetskih grafičkih procesora tijekom uvodne riječi GTC 2018 u San Joseu, Kalifornija.

Premošćivanje stvarnog i virtualnog

"Svijet prijeđe 10 trilijuna milja godišnje", rekao je Huang u oštroj prezentaciji - ali Atsmon je istaknuo da su samovozeći automobili prošle godine prešli samo tri milijuna milja cesta. Da bi samovozeća vozila bolje vozila, moraju naučiti više, a to je u biti najveći izazov s kojim se industrija suočava. Kako bi istrenirali sustav autonomne vožnje da ima sposobnost ljudskog vozača, računala bi trebala voziti otprilike 11 milijardi milja, rekao nam je Atsmon.

Ta je brojka izračunata na temelju 1,09 smrtnih slučajeva na 100 milijuna prijeđenih milja u 2015. godini. "Dakle, da bismo rekli da bi stroj mogao imati sigurne performanse kao i ljudsko biće s 95 posto povjerenja, trebali biste izvršiti provjeru valjanosti za 11 milijardi milja", rekao je Atsmon.

Osim vremena potrebnog za postizanje tog cilja, treba uzeti u obzir i troškove. Trenutačno se trošak po milji za upravljanje autonomnim automobilom kreće u stotinama dolara - računajući vrijeme inženjeringa, prikupljanje podataka i označavanje, troškovi osiguranja i vrijeme potrebno vozaču da sjedne u kokpit automobil. Pomnožite to s referentnom vrijednošću od 11 milijardi milja i golema skupa vezana uz obuku autonomnih automobila postaje jasna.

Validacija je ključna, a nedavne nesreće u kojima su sudjelovala autonomna vozila pokazuju da se nepotpuni testovi podataka i scenariji obuke mogu pokazati kobnim. U jednom manje ekstremnom primjeru, samovozeći shuttle u Las Vegasu kretao se brzinom od oko 0,6 milja na sat, ali se zabio u kamion (Jeff Zurschmeide, slobodni saradnik Digital Trends, bio je tamo kad se to dogodilo). Nitko nije ozlijeđen, ali se zagonetan scenarij dogodio jer je kamion išao naprijed, a zatim se vraćao unatrag dok se pokušavao parkirati. Uzrok pada, prema Atsmonu, je to što shuttle nije bio validiran za ovu vrstu situacije i nije znao što učiniti - pa je polako krenuo naprijed i srušio se.

Bolja simulacija za dublje učenje

Trenutačno rješenje u industriji za premošćivanje jaza od 11 milijardi milja za autonomne sustave koji dosežu ljudsku vožnju kompetencija je razviti simulacije koje će automobilima omogućiti brže učenje kombiniranjem dubokog učenja s virtualnim okoliš.

"Simulacija je put do milijardi milja", rekao je Huang u GTC-u. Krajem prošle godine, Waymo u vlasništvu Alphabeta predstavio je Carcraft, svoj pristup učenju putem simulacije.

Cognata koristi najnovija dostignuća u grafičkom i senzorskom hardveru za stvaranje realističnijih i realističnijih modela svijeta iz kojih autonomni automobili mogu učiti. Za računalne mozgove samovozećeg automobila, to je kao ulazak u video igricu po uzoru na stvarnu svijetu, a to bi moglo dovesti do realističnijih scenarija vožnje kako bi se testirala i potvrdila vožnja automobila podaci. Tvrtka je nedavno iscrtala odabrane gradove, poput San Francisca, koristeći podatke iz GIS-a — kamera visoke razlučivosti i sofisticirani računalni algoritmi koji se pokreću preko satelitskih i uličnih slika, što rezultira foto-realističnom scenom.

Kako bi dodatno poboljšali simulacije, Nvidia i neki od njezinih partnera koriste podatke sa senzora autonomnih vozila za izradu karata više definicije. Kada autonomna vozila izađu na cestu, ti se strojevi neće oslanjati samo na podatke koji su dostupni kroz obuku, već ali također doprinosi prikupljanju podataka dijeljenjem podataka koje je uhvatio sa svog LIDAR-a, IR-a, radara i kamere nizovi.

Kada se ovi novosnimljeni podaci kombiniraju kroz duboko učenje s postojećim skupovima podataka niske kvalitete, ulice i ceste će izgledati fotorealističnije. Cognata tvrdi da njezini algoritmi mogu obraditi podatke na način da istaknu detalje u sjenama i svijetlima, slično HDR fotografije s fotoaparata vašeg pametnog telefona, kako biste stvorili scenu visoke kvalitete.

Iako je simulacija izvrstan alat, Atsmon je primijetio da ima svojih nedostataka. Previše je jednostavno, a da bi autonomna vožnja bila realna, mora učiti na rubnim slučajevima. Cognata tvrdi da je potrebno samo nekoliko klikova za programiranje u rubnom slučaju za provjeru valjanosti autonomnih vozila za neobičnije scenarije vožnje. Tvrtke koje izrađuju autonomna vozila morat će biti marljive u potrazi za rubnim kućištima koja mogu prevariti samovozeće automobile i kreativne u izradi rješenja za njih.

Kada samovožnja zakaže

Sigurnost je toliko važna za autonomna vozila da je Nvidia smatra najvažnijom stvari za industriju. Kad stvari zakažu, smrtni slučajevi se mogu dogoditi i događaju se, kao što je nedavno dokazano s autonomnim Uberom udario i ubio pješaka u Arizoni.

Kad su ga na konferenciji za novinare ispitivali o nesreći Ubera — Uber je partner Nvidije — Huang je odustao od dijeljenja vožnje tvrtki za komentare, rekavši da “trebamo dati Uberu priliku da shvati što se dogodilo i da objasni što se dogodilo dogodilo.”

“Uvjeravam vas da je [Uber] jednako shrvan onim što se dogodilo”, dodao je Huang.

Budući da Nvidia razvija end-to-end rješenje za autonomnu vožnju, različiti partneri — od Ubera do Toyote i Mercedes Benza — mogu koristiti sve ili neke dijelove sustava. "Postoji oko 370 tvrtki diljem svijeta koje na neki način koriste naše tehnologije." Na sajmu je Nvidia također najavila Orin, računalo sljedeće generacije svoje DRIVE platforme.

Ljudi kao rezerva

Dok samovozeći automobili s vremenom postaju sve pametniji, Huang i dalje vjeruje da uvijek treba postojati ljudska podrška, čak i u slučajevima kada je automobil dizajniran bez vozačkog sjedala. Kako bi to postigla, Nvidia je predstavila svoj Holodeck tijekom ovogodišnje GTC uvodne riječi, omogućujući daljinskom vozaču da kontrolira fizički automobil u stvarnom vremenu kroz virtualnu stvarnost.

"To je teleportacija", rekao je Huang, ističući da je to moguće kroz Nvidijina rana ulaganja u virtualnu stvarnost.

Tijekom demonstracije, Tim, vozač, nalazio se na udaljenoj lokaciji. Kad stavi naočale za virtualnu stvarnost, osjećat će se kao da je u fizičkom automobilu, što će mu omogućiti da osjeti automobil i vidi njegove kontrole i ploču s instrumentima. S ove udaljene lokacije i uz pomoć svojih VR slušalica, mogao je preuzeti kontrolu nad autonomnim vozilom, dopuštajući mu da vozi vozilo i parkira ga.

To je poput onoga što vojska radi već neko vrijeme - dopušta operaterima dronova da upravljaju bespilotnim letjelicama s udaljene lokacije. Ali u Nvidijinom slučaju, uz snagu VR-a, vozač će se osjećati kao da je fizički prisutan u kokpitu. Tvrtka vjeruje da će simulacija koju pokreću njeni GPU-ovi s vremenom učiniti autonomne automobile gotovo nepogrešivim, ali dok ne budu, Holodeck može pomoći ljudima da nadziru samovozeće flote.

Preporuke urednika

• Autonomni automobili zbunjeni maglom San Francisca
• Ford i VW zatvaraju jedinicu za autonomne automobile Argo AI
• Bivši zaposlenik Applea priznao je krivnju za otimanje tajni Apple Cara
• Policajci zbunjeni dok zaustavljaju prazan samovozeći automobil
• Kako je veliki plavi kombi iz 1986. otvorio put samovozećim automobilima