Hoe Nvidia autonome auto's helpt hun weg naar veiligheid te simuleren

Stel je voor dat je de bestuurder bent van een vierdeurs gezinssedan die een stopbord nadert. Wanneer u het stopbord bereikt, merkt u dat een fietser de weg probeert over te steken. Door middel van oogcontact, gezichtsuitdrukking en lichaamstaalsignalen onderhandelt de fietser met u over zijn voorrang. Je besluit daarom eerst de fietser te laten oversteken, voordat je voorzichtig het kruispunt oprijdt.

In de huidige wereld van autonoom rijden zou er geen manier zijn om een ​​dergelijke gebeurtenis te ‘taggen’ of te categoriseren, zegt Danny Atsmon, CEO van Cognata. Met de huidige methoden kun je de fietser visueel identificeren, maar met trainingssystemen kun je de fietser herkennen en herkennen Het begrijpen van complexe onderhandelingen onderweg blijft een uitdaging voor autonoom rijden ter waarde van 10,3 biljoen dollar industrie.

In feite vertegenwoordigt autonoom rijden “het moeilijkste computerprobleem dat de wereld ooit is tegengekomen”, aldus NVIDIA-CEO Jensen. Huang gaf toe toen hij enkele van de krachtigste grafische processors ter wereld onthulde tijdens de GTC 2018-keynote in San Jose: Californië.

Een brug slaan tussen het reële en het virtuele

“De wereld rijdt 10 biljoen kilometer per jaar”, zei Huang in een scherpe presentatie – maar Atsmon wees erop dat zelfrijdende auto’s vorig jaar slechts vijf miljoen kilometer aan wegen aflegden. Om zelfrijdende voertuigen beter te laten rijden, moeten ze meer leren, en dat is fundamenteel de grootste uitdaging waarmee de sector wordt geconfronteerd. Om een ​​autonoom rijsysteem te trainen zodat het de competentie van een menselijke bestuurder krijgt, zouden computers ongeveer 18 miljard kilometer moeten rijden, vertelde Atsmon ons.

Dat cijfer is berekend op basis van de 1,09 dodelijke slachtoffers per 160 miljoen gereden kilometer in 2015. “Dus om te zeggen dat een machine met 95 procent zekerheid even veilige prestaties kan leveren als een mens, zou je 18 miljard kilometer moeten valideren”, aldus Atsmon.

Naast de tijd die nodig is om dat doel te bereiken, zijn er ook de kosten waarmee rekening moet worden gehouden. Op dit moment bedragen de kosten per kilometer voor het besturen van een autonome auto honderden dollars engineeringtijd, gegevensverzameling en taggen, verzekeringskosten en de tijd van een chauffeur om in de cockpit te zitten een auto. Vermenigvuldig dat met de benchmark van 11 miljard mijl, en de enorme kosten die gepaard gaan met het trainen van autonome auto's worden duidelijk.

Validatie is van cruciaal belang, en recente ongelukken met autonome voertuigen laten zien dat onvolledige datatests en trainingsscenario’s fataal kunnen zijn. In een minder extreem voorbeeld navigeerde een zelfrijdende shuttle in Las Vegas met een snelheid van ongeveer 1 mijl per uur, maar botste tegen een vrachtwagen (Jeff Zurschmeide, een freelance medewerker van Digital Trends, was erbij toen het gebeurde). Niemand raakte gewond, maar het raadselachtige scenario gebeurde doordat de vrachtwagen naar voren reed en vervolgens achteruit reed toen hij probeerde te parkeren. De oorzaak van de crash is volgens Atsmon dat de shuttle niet gevalideerd was voor dit soort situaties en niet wist wat hij moest doen. Daarom reed hij langzaam vooruit en crashte.

Betere simulatie voor dieper leren

De huidige oplossing van de industrie om de kloof van 18 miljard kilometer te overbruggen voor autonome systemen om menselijk rijden te bereiken competentie is het ontwikkelen van simulaties om auto's sneller te laten leren door deep learning te combineren met een virtuele omgeving.

“Simulatie is de weg naar miljarden kilometers”, zei Huang bij GTC. Eind vorig jaar onthulde Waymo, eigendom van Alphabet, Carcraft, zijn benadering van leren door simulatie.

Cognata gebruikt de nieuwste ontwikkelingen op het gebied van graphics en sensorhardware om levensechtere en realistischere modellen van de wereld te creëren waar autonome auto's van kunnen leren. Voor het computerbrein van een zelfrijdende auto is het alsof je een videogame betreedt die is gemodelleerd naar de werkelijkheid wereld, en dat zou kunnen leiden tot realistischere rijscenario’s om autorijden te testen en te valideren gegevens. Het bedrijf heeft onlangs geselecteerde steden, zoals San Francisco, in kaart gebracht met behulp van gegevens van GIS - high-definition camera's en geavanceerde computeralgoritmen die over satelliet- en straatbeelden lopen, resulterend in een fotorealistische scène.

Om simulaties verder te verbeteren, gebruiken Nvidia en enkele van zijn partners gegevens van de sensoren van autonome voertuigen om kaarten met een hogere definitie te bouwen. Wanneer autonome voertuigen de weg op gaan, zullen deze machines niet alleen vertrouwen op de gegevens die beschikbaar zijn via training, maar draagt ​​ook bij aan het verzamelen van gegevens door de gegevens te delen die het heeft vastgelegd via zijn LIDAR, IR, radar en camera arrays.

Wanneer deze nieuw verzamelde gegevens door middel van deep learning worden gecombineerd met bestaande datasets van lage kwaliteit, zullen straten en wegen er fotorealistischer uitzien. Cognata beweert dat zijn algoritmen de gegevens zo kunnen verwerken dat details in schaduwen en hooglichten naar voren komen, net zoals bij een HDR foto van de camera van uw smartphone, om een ​​scène van hoge kwaliteit te creëren.

Hoewel simulatie een uitstekend hulpmiddel is, merkte Atsmon op dat het zijn eigen tekortkomingen heeft. Het is te simpel en om autonoom rijden realistisch te maken, moet het leren van randgevallen. Cognata beweert dat het slechts een paar klikken kost om in een edge-case te programmeren om autonome voertuigen te valideren voor meer ongebruikelijke rijscenario's. Bedrijven die autonome voertuigen bouwen, zullen ijverig moeten zoeken naar randscenario's die zelfrijdende auto's kunnen misleiden, en creatief moeten zijn in het bedenken van oplossingen daarvoor.

Wanneer zelfrijden mislukt

Veiligheid is zo belangrijk voor autonome voertuigen dat Nvidia dit als het allerbelangrijkste voor de sector beschouwt. Als dingen mislukken, kunnen er dodelijke slachtoffers vallen, zoals onlangs werd bewezen bij een autonome Uber sloeg en doodde een voetganger in Arizona.

Toen Huang tijdens een persbijeenkomst werd ondervraagd over de Uber-crash – Uber is een partner van Nvidia – besloot Huang tot het delen van ritten bedrijf voor commentaar en zei dat “we Uber een kans moeten geven om te begrijpen wat er is gebeurd en uit te leggen wat er is gebeurd gebeurd."

“Ik kan je verzekeren dat [Uber] evenzeer verpletterd is door wat er is gebeurd”, voegde Huang eraan toe.

Omdat Nvidia een end-to-end oplossing voor autonoom rijden ontwikkelt, kunnen verschillende partners – van Uber tot Toyota en Mercedes Benz – het systeem geheel of gedeeltelijk gebruiken. “Er zijn zo’n 370 bedrijven over de hele wereld die onze technologieën op de een of andere manier gebruiken.” Tijdens de show kondigde Nvidia ook Orin aan, de volgende generatie computer van zijn DRIVE-platform.

De mens als back-up

Hoewel zelfrijdende auto's in de loop van de tijd steeds slimmer worden, is Huang nog steeds van mening dat er altijd een menselijke back-up moet zijn, zelfs in gevallen waarin een auto is ontworpen zonder bestuurdersstoel. Om dit te bereiken presenteerde Nvidia tijdens de GTC-keynote van dit jaar zijn Holodeck, waarmee een bestuurder op afstand een fysieke auto in realtime kan besturen via virtual reality.

“Het is teleportatie”, zei Huang, waarbij hij benadrukte dat dit mogelijk is dankzij de vroege investeringen van Nvidia in virtual reality.

Tijdens de demo bevond Tim, de chauffeur, zich op een afgelegen locatie. Wanneer hij een virtual reality-bril opzet, voelt het alsof hij in een fysieke auto zit, waardoor hij de auto kan voelen en de bedieningselementen en het instrumentenpaneel van de auto kan zien. Vanaf deze afgelegen locatie kon hij met behulp van zijn VR-headset de controle over een autonoom voertuig overnemen, waardoor hij het voertuig kon besturen en parkeren.

Het lijkt op wat het leger al een tijdje doet: drone-operators toestaan ​​onbemande drones vanaf een afgelegen locatie te besturen. Maar in het geval van Nvidia zal de bestuurder door de kracht van VR het gevoel krijgen dat hij fysiek aanwezig is in de cockpit. Het bedrijf gelooft dat simulatie, aangedreven door zijn GPU's, autonome auto's uiteindelijk vrijwel onfeilbaar zal maken, maar tot die tijd kan het Holodeck mensen helpen over zelfrijdende wagenparken te waken.

Aanbevelingen van de redactie

• Zelfrijdende auto’s in de war door de mist in San Francisco
• Ford en VW sluiten de autonome auto-eenheid Argo AI
• Ex-werknemer van Apple bekent schuldig te zijn aan het achterhalen van Apple Car-geheimen
• Agenten zijn in verwarring als ze een lege zelfrijdende auto aanhouden
• Hoe een grote blauwe bestelwagen uit 1986 de weg vrijmaakte voor zelfrijdende auto’s