Immagina di essere il conducente di una berlina familiare a quattro porte che si avvicina a un segnale di stop. Giunti allo stop notate un ciclista che cerca di attraversare la strada. Attraverso il contatto visivo, l'espressione facciale e i segnali del linguaggio del corpo, il ciclista negozia il suo diritto di precedenza con te. Di conseguenza, decidi di lasciare che il ciclista attraversi per primo la strada, prima di procedere con cautela all'incrocio.
Nel mondo della guida autonoma di oggi, non ci sarebbe modo di “taggare” o classificare un simile evento, ha affermato Danny Atsmon, CEO di Cognata. I metodi attuali consentono di identificare visivamente il ciclista, ma i sistemi di formazione per riconoscerlo e comprendere che le complesse negoziazioni su strada rimangono una sfida per il giro d’affari della guida autonoma da 10,3 trilioni di dollari industria.
Video consigliati
In effetti, la guida autonoma rappresenta “il problema informatico più difficile che il mondo abbia mai incontrato”, come ha affermato Jensen, CEO di NVIDIA Huang ha ammesso quando ha presentato alcuni dei processori grafici più potenti al mondo durante il keynote del GTC 2018 a San Jose, California.
Imparentato
- L’auto di Apple potrebbe costare quanto una Tesla Model S
- Drive Concierge di Nvidia riempirà la tua auto di schermi
- È appena accaduta una cosa strana con una flotta di auto autonome
Collegare il reale e il virtuale
“Il mondo percorre 10 trilioni di miglia all’anno”, ha detto Huang in una presentazione mirata – ma Atsmon ha sottolineato che le auto a guida autonoma hanno coperto solo tre milioni di miglia di strade l’anno scorso. Affinché i veicoli a guida autonoma possano guidare meglio, devono imparare di più, e questa è fondamentalmente la sfida più grande affrontata dal settore. Per addestrare un sistema di guida autonomo ad avere la competenza di un guidatore umano, i computer dovrebbero percorrere circa 11 miliardi di miglia, ci ha detto Atsmon.
È il problema informatico più difficile che il mondo abbia mai incontrato.
Questa cifra è calcolata sulla base di 1,09 vittime ogni 100 milioni di miglia percorsi nel 2015. "Quindi, per affermare che una macchina possa avere prestazioni sicure quanto quelle di un essere umano con il 95% di sicurezza, sarebbe necessario validarla per 11 miliardi di miglia", ha affermato Atsmon.
A parte il tempo necessario per raggiungere tale obiettivo, c’è anche la spesa da considerare. In questo momento, il costo per miglio per la guida di un’auto autonoma è di centinaia di dollari tempo di progettazione, raccolta ed etichettatura dei dati, costi assicurativi e tempo impiegato dal conducente per sedersi nella cabina di pilotaggio un'automobile. Moltiplicandolo per il benchmark di 11 miliardi di miglia, e l’enorme costo associato alla formazione delle auto autonome diventa chiaro.
La convalida è fondamentale e i recenti incidenti che coinvolgono veicoli autonomi dimostrano che test di dati e scenari di formazione incompleti possono rivelarsi fatali. In un esempio meno estremo, una navetta a guida autonoma a Las Vegas navigava a circa 0,6 miglia orarie, ma si è schiantato contro un camion (Jeff Zurschmeide, un collaboratore freelance di Digital Trends, era presente quando è successo). Nessuno è rimasto ferito, ma lo scenario sconcertante si è verificato perché il camion stava avanzando e poi facendo retromarcia mentre cercava di parcheggiare. La causa dell’incidente, secondo Atsmon, è che la navetta non era stata validata per questo tipo di situazione e non sapeva cosa fare, quindi ha proceduto lentamente e si è schiantata.
Migliore simulazione per un apprendimento più approfondito
L’attuale soluzione del settore per colmare il divario di 11 miliardi di miglia affinché i sistemi autonomi raggiungano la guida umana La nostra competenza è sviluppare simulazioni per consentire alle auto di apprendere più velocemente combinando il deep learning con quello virtuale ambiente.
"La simulazione è la strada per miliardi di miglia", ha detto Huang al GTC. Alla fine dell’anno scorso, Waymo, di proprietà di Alphabet, ha presentato Carcraft, il suo approccio all’apprendimento tramite simulazione.
Cognata sta utilizzando gli ultimi progressi nella grafica e nell'hardware dei sensori per creare modelli del mondo più realistici e realistici da cui le auto autonome possano imparare. Per i cervelli informatici di un’auto a guida autonoma, è come entrare in un videogioco modellato sulla realtà mondo e ciò potrebbe portare a scenari di guida più realistici per testare e convalidare la guida automobilistica dati. L'azienda ha recentemente mappato città selezionate, come San Francisco, utilizzando dati provenienti da GIS, telecamere ad alta definizione e sofisticati algoritmi informatici che vengono eseguiti su immagini satellitari e stradali, risultando in una scena fotorealistica.
La simulazione è il percorso verso miliardi di miglia.
Per migliorare ulteriormente le simulazioni, Nvidia e alcuni dei suoi partner stanno utilizzando i dati dei sensori dei veicoli autonomi per costruire mappe ad alta definizione. Quando i veicoli autonomi entreranno in strada, queste macchine non si affideranno solo ai dati disponibili attraverso la formazione, ma contribuisce anche alla raccolta dei dati condividendo i dati catturati dal suo LIDAR, IR, radar e telecamera matrici.
Quando questi dati appena acquisiti vengono combinati attraverso il deep learning con set di dati esistenti di bassa qualità, le strade sembreranno più fotorealistiche. Cognata afferma che i suoi algoritmi possono elaborare i dati in modo da far emergere i dettagli nelle ombre e nelle luci, proprio come un HDR foto dalla fotocamera del tuo smartphone, per creare una scena di alta qualità.
Cognata - Simulatore di guida autonoma con apprendimento profondo
Sebbene la simulazione sia uno strumento eccellente, Atsmon ha notato che ha i suoi difetti. È troppo semplice e, affinché la guida autonoma sia realistica, deve imparare dai casi limite. Cognata sostiene che bastano pochi clic per programmare in un caso limite per convalidare i veicoli autonomi per scenari di guida più insoliti. Le aziende che costruiscono veicoli autonomi dovranno essere diligenti nella ricerca di casi limite che possano ingannare le auto a guida autonoma e creative nel creare soluzioni per loro.
Quando la guida autonoma fallisce
La sicurezza è così importante per i veicoli autonomi che Nvidia la considera la cosa più importante per il settore. Quando le cose falliscono, possono verificarsi incidenti mortali, come è stato recentemente dimostrato con un Uber autonomo ha colpito e ucciso un pedone in Arizona.
"Posso assicurarvi che [Uber è] ugualmente distrutto da quello che è successo."
Interrogato in una conferenza stampa sull'incidente di Uber (Uber è partner di Nvidia), Huang ha rinviato al ride-sharing azienda per commenti, dicendo che “dovremmo dare a Uber la possibilità di capire cosa è successo e di spiegare cosa è successo accaduto."
"Posso assicurarvi che [Uber è] ugualmente schiacciato da quello che è successo", ha aggiunto Huang.
Poiché Nvidia sviluppa una soluzione end-to-end per la guida autonoma, diversi partner – da Uber a Toyota e Mercedes Benz – possono utilizzare tutte o alcune parti del sistema. “Ci sono circa 370 aziende in tutto il mondo che utilizzano in qualche modo le nostre tecnologie”. Allo show, Nvidia ha anche annunciato Orin, il computer di prossima generazione della sua piattaforma DRIVE.
Gli esseri umani come backup
Sebbene le auto a guida autonoma stiano diventando sempre più intelligenti nel tempo, Huang crede ancora che dovrebbe sempre esserci un supporto umano, anche nei casi in cui un’auto è progettata senza sedile del conducente. Per raggiungere questo obiettivo, Nvidia ha presentato il suo Holodeck durante il keynote GTC di quest’anno, consentendo a un guidatore remoto di controllare un’auto fisica in tempo reale attraverso la realtà virtuale.
"È il teletrasporto", ha detto Huang, sottolineando che ciò è possibile grazie ai primi investimenti di Nvidia nella realtà virtuale.
Dimostrazione NVIDIA DRIVE—GTC 2018
Durante la demo, Tim, l'autista, si trovava in una località remota. Quando indosserà un paio di occhiali per realtà virtuale, si sentirà come se fosse in un'auto fisica, permettendogli di sentire l'auto e vederne i controlli e il quadro strumenti. Da questa posizione remota e con l'aiuto del suo visore VR, potrebbe prendere il controllo di un veicolo autonomo, permettendogli di guidarlo e parcheggiarlo.
È come quello che l’esercito sta facendo da tempo: consentire agli operatori di droni di pilotare droni senza pilota da posizioni remote. Ma nel caso di Nvidia, con la potenza della realtà virtuale, il pilota si sentirà come se fosse fisicamente presente nell’abitacolo. L’azienda ritiene che la simulazione alimentata dalle sue GPU alla fine renderà le auto autonome quasi infallibili ma, fino a quel momento, il ponte ologrammi potrà aiutare gli esseri umani a sorvegliare le flotte a guida autonoma.
Raccomandazioni degli editori
- Auto autonome confuse dalla nebbia di San Francisco
- Ford e VW chiudono l'unità automobilistica autonoma Argo AI
- Ex dipendente Apple si dichiara colpevole di aver carpito i segreti dell'Apple Car
- Gli agenti sono confusi mentre accostano un'auto vuota a guida autonoma
- Come un grande furgone blu del 1986 ha aperto la strada alle auto a guida autonoma
