Nvidia は自動運転車が安全への道をシミュレーションするのをどのように支援しているか

あなたが 4 ドアのファミリー セダンの運転手で、一時停止の標識に近づいていると想像してください。 一時停止の標識に到達したとき、道路を渡ろうとしている自転車に気づきました。 アイコンタクト、表情、ボディランゲージの合図を通じて、自転車に乗っている人はあなたと優先順位を交渉します。 その結果、あなたは、慎重に交差点に進入する前に、自転車に先に道路を渡らせることにしました。

今日の自動運転の世界では、そのようなイベントを「タグ付け」したり分類したりする方法はないだろうと、Cognata CEO のダニー・アツモン氏は述べています。 現在の方法では自転車に乗っている人を視覚的に識別できますが、それを認識し、 10.3兆ドル規模の自動運転にとって、路上での複雑な交渉が依然として課題であることを理解する 業界。

実際、NVIDIA CEO のジェンセン氏は、自動運転は「世界がこれまでに遭遇した中で最も困難なコンピューティング問題」を表しています。 サンノゼで開催された GTC 2018 の基調講演で、世界で最も強力なグラフィックス プロセッサのいくつかを発表したときに、Huang 氏は次のように認めました。 カリフォルニア。

リアルとバーチャルの橋渡し

「世界は年間10兆マイルを走行している」とフアン氏は鋭いプレゼンテーションで述べたが、アツモン氏は自動運転車が昨年走行した道路はわずか300万マイルに過ぎないと指摘した。 自動運転車がより良く運転するには、より多くのことを学ぶ必要があり、これは基本的に業界が直面する最大の課題です。 アツモン氏によると、自動運転システムを訓練して人間の運転手と同じ能力を持たせるには、コンピューターが約110億マイルを走行する必要があるという。

この数字は、2015 年の走行距離 1 億マイルあたりの死亡者数 1.09 人に基づいて計算されています。 「したがって、機械が人間と同じくらい安全なパフォーマンスを95パーセントの信頼度で発揮できると言うには、110億マイルの距離で検証する必要があるでしょう」とアツモン氏は述べた。

目標を達成するために必要な時間のほかに、コストも考慮する必要があります。 現時点では、自動運転車を運用するための 1 マイルあたりのコストは数百ドルです。 エンジニアリング時間、データ収集とタグ付け、保険費用、ドライバーが車のコックピットに座る時間などです。 車。 これに 110 億マイルのベンチマークを掛け合わせると、自動運転車のトレーニングに関連する莫大な費用がかかることが明らかになります。

検証が重要であり、自動運転車に関連する最近の事故は、不完全なデータテストとトレーニングシナリオが致命的になる可能性があることを示しています。 それほど極端ではない例として、ラスベガスの自動運転シャトルは時速約 0.9 マイルで走行していました。 しかしそれはトラックに衝突した （デジタル・トレンド誌のフリーランス寄稿者、ジェフ・ザーシュメイド氏は事件が起こったとき現場にいた）。 負傷者はいなかったが、トラックが前進して駐車しようとして後退したため、不可解なシナリオが起こった。 アツモン氏によると、墜落の原因は、シャトルがこの種の状況に対して検証されておらず、何をすべきか分からなかったため、ゆっくりと前進して墜落したことだという。

より深い学習のためのより優れたシミュレーション

自動運転システムが人間の運転に到達するまでの 110 億マイルのギャップを埋める業界の現在のソリューション コンピテンシーは、ディープラーニングと仮想学習を組み合わせて、自動車がより速く学習できるようにするシミュレーションを開発することです。 環境。

「シミュレーションは数十億マイルへの道です」とフアン氏は GTC で語った。 昨年末、Alphabet 傘下の Waymo は、シミュレーションによる学習へのアプローチである Carcraft を発表しました。

Cognata は、グラフィックスとセンサー ハードウェアの最新の進歩を利用して、自動運転車が学習できる、より現実的で現実的な世界モデルを作成しています。 自動運転車のコンピューティング頭脳にとって、それは現実の車をモデルにしたビデオゲームに入り込むようなものです。 それは、自動車の運転をテストおよび検証するための、より現実的な運転シナリオにつながる可能性があります。 データ。 同社は最近、GIS（高解像度カメラと 衛星画像やストリートビュー画像を実行する高度なコンピューター アルゴリズムにより、写真のようにリアルなシーンが得られます。

シミュレーションをさらに改善するために、Nvidia と一部のパートナーは、自動運転車のセンサーからのデータを使用して、より高解像度のマップを構築しています。 自動運転車が道路を走行するとき、これらの機械はトレーニングを通じて入手できるデータに依存するだけでなく、 LIDAR、IR、レーダー、カメラから取得したデータを共有することでデータ収集にも貢献します 配列。

この新しく取得したデータをディープ ラーニングを通じて既存の低品質データ セットと組み合わせると、街路や道路がより写真のようにリアルになります。 Cognata は、そのアルゴリズムが、影やハイライトの細部を引き出す方法でデータを処理できると主張しています。 HDR スマートフォンのカメラから撮影した写真を使用して、高品質なシーンを作成します。

シミュレーションは優れたツールではありますが、アツモン氏は、シミュレーションには独自の欠陥があると指摘しました。 それは単純すぎるため、自動運転を現実的にするには、エッジケースから学ぶ必要があります。 Cognata 社は、より特殊な運転シナリオで自動運転車を検証するためのエッジケースでのプログラムは数回クリックするだけで完了すると主張しています。 自動運転車を開発する企業は、自動運転車を欺く可能性のあるエッジケースを熱心に探し、自動運転車のためのソリューションを創造的に作成する必要がある。

自動運転が失敗したとき

自動運転車にとって安全は非常に重要であるため、Nvidia は安全が業界にとって最も重要なことであると考えています。 最近、自動運転ウーバーのときに証明されたように、物事が失敗すると、死亡事故が発生する可能性があり、実際に発生します。 アリゾナ州で歩行者をはねて死亡させた.

記者会見でウーバー事故について質問されたとき（ウーバーはエヌビディアのパートナーである）、フアン氏はライドシェアリングの利用を延期した。 同社は「何が起こったのかを理解し、何が起こったのかを説明する機会をウーバーに与えるべきだ」とコメントを求めた。 起こりました。"

「私は、（ウーバーも）今回の出来事に同様に打ちのめされていると断言できる」とフアン氏は付け加えた。

Nvidia は自動運転のためのエンドツーエンドのソリューションを開発しているため、Uber からトヨタ、メルセデス ベンツに至るまで、さまざまなパートナーがシステムの全部または一部を利用する可能性があります。 「世界中で約 370 社が当社のテクノロジーを何らかの形で使用しています。」 このショーで、Nvidia は DRIVE プラットフォームの次世代コンピューターである Orin も発表しました。

バックアップとしての人間

自動運転車は時間の経過とともに賢くなっていますが、運転席のない車が設計されている場合でも、常に人間のバックアップが必要であるとフアン氏は依然として信じています。 これを達成するために、Nvidia は今年の GTC 基調講演で Holodeck を披露しました。これにより、遠隔ドライバーが仮想現実を通じてリアルタイムで物理的な車を制御できるようになります。

「それはテレポーテーションです」とフアン氏は述べ、NVIDIA の初期の仮想現実への投資によってこれが可能になったことを強調しました。

デモ中、ドライバーのティムは離れた場所にいました。 仮想現実メガネをかけると、実際の車に乗っているように感じられ、車を感じたり、車のコントロールや計器パネルを見ることができるようになります。 この遠隔地から、VR ヘッドセットの助けを借りて、彼は自動運転車を制御し、車両を運転したり、駐車したりすることができました。

これは、軍がしばらくの間行ってきたことと似ており、ドローン操縦者が遠隔地から無人ドローンを飛行できるようにするものだ。 しかし、Nvidia の場合、VR の力により、ドライバーはコックピットに物理的に存在しているように感じられます。 同社は、GPU を活用したシミュレーションにより、最終的には自動運転車がほぼ確実なものになると信じていますが、それが実現するまでは、Holodeck は人間が自動運転車両を監視するのに役立ちます。

編集者のおすすめ

• サンフランシスコの霧で自動運転車が混乱
• フォードとフォルクスワーゲン、Argo AI自動運転車部門を閉鎖
• 元Apple従業員、Apple Carの秘密を盗んだ罪を認める
• 警察官は空の自動運転車を停め混乱する
• 1986 年に作られた大きな青いバンがどのようにして自動運転車への道を切り開いたのか