წარმოიდგინეთ, რომ თქვენ ხართ ოთხკარიანი საოჯახო სედანის მძღოლი, რომელიც უახლოვდება გაჩერების ნიშანს. გაჩერების ნიშანს რომ მიაღწევთ, შეამჩნევთ ველოსიპედისტს, რომელიც ცდილობს გზის გადაკვეთას. თვალის კონტაქტის, სახის გამომეტყველების და სხეულის ენის ნიშნების მეშვეობით ველოსიპედისტი აწარმოებს მოლაპარაკებას თქვენთან მის უფლებებზე. შედეგად, თქვენ გადაწყვეტთ, რომ ველოსიპედისტს ჯერ გზა გადაკვეთოთ, სანამ გზაჯვარედინზე ფრთხილად შეხვალთ.
დღეს ავტონომიური მართვის სამყაროში არ იქნება ასეთი მოვლენის „მონიშვნის“ ან კატეგორიზაციის საშუალება, თქვა Cognata-ს აღმასრულებელმა დირექტორმა დენი ატსმონმა. არსებული მეთოდები საშუალებას გაძლევთ ვიზუალურად ამოიცნოთ ველოსიპედისტი, მაგრამ სასწავლო სისტემები ამოიცნოთ და გვესმოდეს, რომ რთული მოლაპარაკებები გზაზე რჩება გამოწვევად 10,3 ტრილიონი დოლარის ავტონომიური მართვისთვის ინდუსტრია.
რეკომენდებული ვიდეოები
სინამდვილეში, ავტონომიური მართვა წარმოადგენს „ერთ ურთულეს გამოთვლით პრობლემას, რომელსაც მსოფლიო ოდესმე შეხვედრია“, როგორც NVIDIA-ს აღმასრულებელი დირექტორი ჯენსენი ჰუანგმა აღიარა, როდესაც სან ხოსეში GTC 2018-ის კონფერენციის დროს მან წარმოადგინა მსოფლიოში ყველაზე ძლიერი გრაფიკული პროცესორი. კალიფორნია.
დაკავშირებული
- Apple-ის ჭორებით ავტომობილი შეიძლება ძვირად ღირდეს Tesla Model S-ის
- Nvidia-ს Drive Concierge თქვენს მანქანას ეკრანებით შეავსებს
- უცნაური რამ მოხდა ავტონომიური მანქანების ფლოტთან დაკავშირებით
რეალურსა და ვირტუალურს შორის ხიდი
”მსოფლიო წელიწადში 10 ტრილიონ მილს ატარებს”, - თქვა ჰუანგმა ცალსახა პრეზენტაციაში - მაგრამ ატსმონმა აღნიშნა, რომ თვითმართვადი მანქანები გასულ წელს მხოლოდ სამი მილიონი მილის გზას დაფარავდნენ. იმისთვის, რომ თვითმართველმა მანქანებმა უკეთ მართონ, მათ მეტი უნდა ისწავლონ და ეს ფუნდამენტურად ყველაზე დიდი გამოწვევაა ინდუსტრიის წინაშე. ატსმონმა გვითხრა, რომ ავტონომიური მართვის სისტემის მომზადებისთვის, რომ ჰქონდეს ადამიანის მძღოლის კომპეტენცია, კომპიუტერებს დასჭირდებათ დაახლოებით 11 მილიარდი მილის გავლა.
ეს არის ყველაზე რთული გამოთვლითი პრობლემა, რომელსაც მსოფლიო ოდესმე შეხვდა.
ეს მაჩვენებელი გამოითვლება 2015 წელს გავლილ 100 მილიონ მილზე 1,09 დაღუპვის საფუძველზე. „ასე რომ, იმის თქმა, რომ მანქანას შეიძლება ჰქონდეს ისეთივე უსაფრთხო მოქმედება, როგორც ადამიანს, 95 პროცენტიანი ნდობით, თქვენ დაგჭირდებათ 11 მილიარდი მილის დადასტურება“, - თქვა ატსმონმა.
ამ მიზნის მისაღწევად საჭირო დროის გარდა, გასათვალისწინებელია ხარჯიც. ამჟამად, ავტონომიური მანქანის ექსპლუატაციის ერთი მილის ღირებულება ასობით დოლარშია - აღრიცხვა საინჟინრო დრო, მონაცემთა შეგროვება და მარკირება, დაზღვევის ხარჯები და მძღოლის დრო, რომ იჯდეს კაბინაში მანქანა. გაამრავლეთ ეს 11 მილიარდი მილის ნიშნულზე და ცხადი გახდება ავტონომიური მანქანების ვარჯიშთან დაკავშირებული უზარმაზარი ძვირი.
ვალიდაცია არის მთავარი და ბოლოდროინდელი ავარიები, რომლებიც დაკავშირებულია ავტონომიურ სატრანსპორტო საშუალებებთან, აჩვენებს, რომ არასრული მონაცემების ტესტები და სასწავლო სცენარები შეიძლება ფატალური აღმოჩნდეს. ერთ ნაკლებად ექსტრემალურ მაგალითში, ლას-ვეგასში თვითმართვადი შატლი მოძრაობდა საათში დაახლოებით 0,6 მილი სიჩქარით. მაგრამ სატვირთო მანქანას დაეჯახა (ჯეფ ზურშმეიდი, ციფრული ტენდენციების შტატგარეშე თანამშრომელი, იქ იყო, როცა ეს მოხდა). არავინ დაშავებულა, მაგრამ გაუგებარი სცენარი მოხდა იმის გამო, რომ სატვირთო მანქანა წინ მიიწევდა, შემდეგ კი უკან იხევდა, როცა გაჩერებას ცდილობდა. ატსმონის თქმით, ავარიის მიზეზი არის ის, რომ შატლი არ იყო დამოწმებული ამ ტიპის სიტუაციისთვის და მან არ იცოდა რა უნდა გაეკეთებინა - ამიტომ ნელა წავიდა წინ და ჩამოვარდა.
უკეთესი სიმულაცია ღრმა სწავლისთვის
ინდუსტრიის ამჟამინდელი გადაწყვეტა ავტონომიური სისტემებისთვის 11 მილიარდი მილის უფსკრულის გადასაჭრელად, რათა მიაღწიოს ადამიანის მართვას კომპეტენცია არის სიმულაციების შემუშავება, რათა მანქანებმა უფრო სწრაფად ისწავლონ ღრმა სწავლის ვირტუალურთან კომბინაციით გარემო.
"სიმულაცია არის გზა მილიარდობით მილისკენ", - თქვა ჰუანგმა GTC-ში. გასული წლის ბოლოს, Alphabet-ის მფლობელობაში მყოფმა Waymo-მ წარმოადგინა Carcraft, მისი მიდგომა სიმულაციური სწავლისადმი.
Cognata იყენებს უახლეს მიღწევებს გრაფიკასა და სენსორულ აპარატურაში, რათა შექმნას მსოფლიოს უფრო რეალური და რეალისტური მოდელები ავტონომიური მანქანებისთვის, რომლებზეც სწავლა შეიძლება. თვითმართვადი მანქანის გამომთვლელი ტვინისთვის, ეს ჰგავს რეალურს მოდელირებულ ვიდეო თამაშში შესვლას. მსოფლიოში, და ამან შეიძლება გამოიწვიოს მართვის უფრო რეალისტური სცენარები მანქანის მართვის შესამოწმებლად და დასადასტურებლად მონაცემები. კომპანიამ ახლახან შეადგინა შერჩეული ქალაქები, როგორიცაა სან-ფრანცისკო, GIS-ის მონაცემების გამოყენებით - მაღალი გარჩევადობის კამერები და დახვეწილი კომპიუტერული ალგორითმები, რომლებიც გადის თანამგზავრისა და ქუჩის ხედის სურათებზე, რის შედეგადაც ხდება ფოტო-რეალისტური სცენა.
სიმულაცია არის გზა მილიარდობით მილისკენ.
სიმულაციების შემდგომი გასაუმჯობესებლად, Nvidia და მისი ზოგიერთი პარტნიორი იყენებს ავტონომიური მანქანების სენსორების მონაცემებს უფრო მაღალი გარჩევადობის რუქების შესაქმნელად. როდესაც ავტონომიური მანქანები მოხვდებიან გზაზე, ეს მანქანები არ დაეყრდნობა მხოლოდ იმ მონაცემებს, რომლებიც ხელმისაწვდომია ტრენინგის დროს, მაგრამ ასევე წვლილი შეიტანოს მონაცემთა შეგროვებაში იმ მონაცემების გაზიარებით, რომელიც მან მიიღო თავისი LIDAR, IR, რადარიდან და კამერიდან მასივები.
როდესაც ეს ახლად დაფიქსირებული მონაცემები გაერთიანდება ღრმა სწავლის გზით არსებულ დაბალი ხარისხის მონაცემთა ნაკრებებთან, ეს ქუჩებსა და გზებს უფრო ფოტორეალურს გახდის. Cognata ამტკიცებს, რომ მის ალგორითმებს შეუძლიათ მონაცემების დამუშავება ისე, რომ დეტალები გამოაჩინონ ჩრდილში და ხაზგასმებში, ისევე როგორც HDR ფოტო თქვენი სმარტფონის კამერიდან, მაღალი ხარისხის სცენის შესაქმნელად.
Cognata - ღრმა სწავლის ავტონომიური მართვის სიმულატორი
მიუხედავად იმისა, რომ სიმულაცია შესანიშნავი ინსტრუმენტია, ატსმონმა აღნიშნა, რომ მას აქვს საკუთარი ხარვეზები. ეს ზედმეტად მარტივია და ავტონომიური მართვისთვის რეალისტური რომ იყოს, მან უნდა ისწავლოს ზღვარზე. Cognata ირწმუნება, რომ მხოლოდ რამდენიმე დაწკაპუნებით პროგრამირებას საჭიროებს ზღურბლზე, რათა დაადასტუროს ავტონომიური მანქანები უფრო უჩვეულო მართვის სცენარებისთვის. კომპანიებს, რომლებიც ქმნიან ავტონომიურ სატრანსპორტო საშუალებებს, გულმოდგინედ უნდა გამოიჩინონ ისეთი ასპექტების ძიება, რომლებსაც შეუძლიათ თვითმართვადი მანქანების მოტყუება და შემოქმედებითად შექმნან მათთვის გადაწყვეტილებები.
როდესაც თვითმართვა ვერ ხერხდება
უსაფრთხოება იმდენად უმთავრესია ავტონომიური მანქანებისთვის, რომ Nvidia მიიჩნევს, რომ ეს არის ყველაზე მნიშვნელოვანი ინდუსტრიისთვის. როდესაც ყველაფერი ვერ ხერხდება, შეიძლება და მოხდეს ფატალური შემთხვევები, როგორც ამას ახლახან დადასტურდა ავტონომიური Uber-ის დროს არიზონაში ფეხით მოსიარულეს დაეჯახა და მოკლა.
”მე შემიძლია დაგარწმუნოთ, რომ [Uber] თანაბრად განადგურებულია მომხდარით.”
პრესის შეხვედრაზე დაკითხვისას Uber-ის ავარიის შესახებ - Uber არის Nvidia-ს პარტნიორი - ჰუანგმა გადაიდო მგზავრობის გაზიარება კომპანია კომენტარებისთვის, სადაც ნათქვამია, რომ „ჩვენ უნდა მივცეთ Uber-ს საშუალება, გაიგოს რა მოხდა და ახსნას რა მოხდა მოხდა."
”მე შემიძლია დაგარწმუნოთ, რომ [Uber] ერთნაირად დამსხვრეულია იმით, რაც მოხდა,” - დასძინა ჰუანგმა.
იმის გამო, რომ Nvidia ავითარებს საბოლოო გადაწყვეტას ავტონომიური მართვისთვის, სხვადასხვა პარტნიორებმა - Uber-დან Toyota-მდე და Mercedes Benz-მდე - შეიძლება გამოიყენონ სისტემის მთელი ან ზოგიერთი ნაწილი. „მსოფლიოში დაახლოებით 370 კომპანიაა, რომლებიც გარკვეულწილად იყენებენ ჩვენს ტექნოლოგიებს. შოუზე Nvidia-მ ასევე გამოაცხადა Orin, მისი DRIVE პლატფორმის შემდეგი თაობის კომპიუტერი.
ადამიანები, როგორც სარეზერვო საშუალება
მიუხედავად იმისა, რომ თვითმართვადი მანქანები დროთა განმავლობაში უფრო ჭკვიანი ხდება, ჰუანგს მაინც სჯერა, რომ ყოველთვის უნდა არსებობდეს ადამიანის სარეზერვო საშუალება, თუნდაც ისეთ შემთხვევებში, როდესაც მანქანა შექმნილია მძღოლის სავარძლის გარეშე. ამ მიზნის მისაღწევად, Nvidia-მ წარმოადგინა თავისი Holodeck წლევანდელი GTC კონფერენციის დროს, რაც საშუალებას აძლევს დისტანციურ მძღოლს აკონტროლოს ფიზიკური მანქანა რეალურ დროში ვირტუალური რეალობის საშუალებით.
”ეს არის ტელეპორტაცია”, - თქვა ჰუანგმა და ხაზი გაუსვა, რომ ეს შესაძლებელია Nvidia-ს ადრეული ინვესტიციების საშუალებით ვირტუალურ რეალობაში.
NVIDIA DRIVE-GTC 2018 დემონსტრაცია
დემოს დროს მძღოლი ტიმი შორეულ ადგილას იმყოფებოდა. როდესაც ის ვირტუალური რეალობის სათვალეს დააყენებს, ის იგრძნობა, რომ ის ფიზიკურ მანქანაშია, რაც საშუალებას აძლევს მას იგრძნოს მანქანა და დაინახოს მანქანის კონტროლი და ინსტრუმენტის პანელი. ამ დისტანციური ადგილიდან და მისი VR ყურსასმენის დახმარებით, მას შეეძლო აეღო ავტონომიური სატრანსპორტო საშუალება, რაც საშუალებას აძლევდა მართოს მანქანა და გააჩეროს იგი.
ეს ჰგავს იმას, რასაც სამხედროები აკეთებდნენ გარკვეული პერიოდის განმავლობაში - საშუალებას აძლევს დრონების ოპერატორებს ფრენა უპილოტო თვითმფრინავების დისტანციიდან. მაგრამ Nvidia-ს შემთხვევაში, VR-ის ძალით, მძღოლი იგრძნობს, რომ ფიზიკურად იმყოფება კაბინაში. კომპანიას სჯერა, რომ სიმულაცია, რომელიც აღჭურვილია მისი GPU–ებით, საბოლოოდ ავტონომიურ მანქანებს თითქმის შეუცდომელს გახდის, მაგრამ სანამ მათ არ მოჰყვება, ჰოლოდეკი შეძლებს ადამიანებს თვითმართვადი ფლოტების დაკვირვებაში დაეხმაროს.
რედაქტორების რეკომენდაციები
- სან-ფრანცისკოს ნისლით დაბნეული ავტონომიური მანქანები
- Ford-მა და VW-მ ხურა Argo AI-ის ავტონომიური მანქანის განყოფილება
- Apple-ის ყოფილი თანამშრომელი თავს დამნაშავედ ცნობს Apple Car-ის საიდუმლოების ამოღებაში
- დაბნეული ოფიცრები ცარიელ თვითმართველ მანქანას აჩერებენ
- როგორ გაუხსნა გზა 1986 წლის დიდმა ცისფერმა ფურგონმა თვითმართველ მანქანებს
