Wyobraź sobie, że jesteś kierowcą czterodrzwiowego rodzinnego sedana zbliżającego się do znaku stopu. Dojeżdżając do znaku stop, zauważasz rowerzystę próbującego przejść przez jezdnię. Poprzez kontakt wzrokowy, wyraz twarzy i sygnały mowy ciała rowerzysta negocjuje z Tobą pierwszeństwo przejazdu. W rezultacie decydujesz się na przepuszczenie rowerzysty jako pierwszego, zanim przystąpisz do ostrożnego wjazdu na skrzyżowanie.
W dzisiejszym świecie pojazdów autonomicznych nie byłoby możliwości „oznaczenia” ani sklasyfikowania takiego zdarzenia, powiedział dyrektor generalny Cognata, Danny Atsmon. Obecne metody pozwalają na wizualną identyfikację rowerzysty, ale systemy szkoleniowe pozwalają na rozpoznawanie i zrozumienie złożonych negocjacji na drodze pozostają wyzwaniem dla autonomicznej jazdy wartej 10,3 biliona dolarów przemysł.
Polecane filmy
W rzeczywistości autonomiczna jazda stanowi „najtrudniejszy problem obliczeniowy, jaki kiedykolwiek napotkał świat” – stwierdził dyrektor generalny firmy NVIDIA, Jensen Huang przyznał, kiedy podczas przemówienia GTC 2018 w San Jose zaprezentował niektóre z najpotężniejszych procesorów graficznych na świecie: Kalifornia.
Powiązany
- Według plotek samochód Apple może kosztować tyle samo, co Tesla Model S
- Drive Concierge firmy Nvidia wypełni Twój samochód ekranami
- Dziwna rzecz właśnie wydarzyła się z flotą autonomicznych samochodów
Łączenie realnego i wirtualnego
„Świat pokonuje 10 bilionów mil rocznie” – stwierdził Huang w celnej prezentacji, ale Atsmon zwrócił uwagę, że w zeszłym roku samochody autonomiczne przejechały zaledwie trzy miliony mil dróg. Aby pojazdy autonomiczne jeździły lepiej, muszą się więcej uczyć, a to jest zasadniczo największe wyzwanie, przed którym stoi branża. Aby wytrenować autonomiczny system jazdy tak, aby posiadał kompetencje ludzkiego kierowcy, komputery musiałyby przejechać około 18 miliardów mil, powiedział nam Atsmon.
To najcięższy problem obliczeniowy, z jakim kiedykolwiek spotkał się świat.
Liczbę tę obliczono na podstawie liczby ofiar śmiertelnych wynoszących 1,09 na 100 milionów mil przejechanych w 2015 r. „A zatem stwierdzenie, że maszyna może działać równie bezpiecznie jak człowiek z 95% pewnością, wymagałoby sprawdzenia na dystansie 18 miliardów mil” – powiedział Atsmon.
Oprócz czasu potrzebnego na osiągnięcie tego celu należy wziąć pod uwagę również koszt. W tej chwili koszt przejechania kilometra w przypadku korzystania z samochodu autonomicznego wynosi setki dolarów – co stanowi ok czas prac inżynieryjnych, gromadzenie i oznaczanie danych, koszty ubezpieczenia oraz czas spędzony przez kierowcę w kokpicie samochód. Pomnóż to przez wynik wynoszący 11 miliardów mil, a ogromne koszty związane ze szkoleniem samochodów autonomicznych staną się jasne.
Walidacja ma kluczowe znaczenie, a niedawne wypadki z udziałem pojazdów autonomicznych pokazują, że niekompletne testy danych i scenariusze szkoleniowe mogą okazać się śmiertelne. W jednym, mniej skrajnym przykładzie, autonomiczny wahadłowiec w Las Vegas jechał z prędkością około 1 mili na godzinę. ale zderzył się z ciężarówką (Jeff Zurschmeide, niezależny współpracownik Digital Trends, był tam, kiedy to się stało). Nikt nie odniósł obrażeń, ale zagadkowy scenariusz miał miejsce, ponieważ ciężarówka jechała do przodu, a następnie cofała, próbując zaparkować. Według Atsmona przyczyną katastrofy jest to, że wahadłowiec nie został zatwierdzony do stosowania w tego typu sytuacjach i nie wiedział, co robić, więc powoli leciał naprzód i rozbił się.
Lepsza symulacja dla głębszego uczenia się
Obecne w branży rozwiązanie umożliwiające pokonanie liczącej 18 miliardów mil luki w zakresie systemów autonomicznych umożliwiających kierowanie pojazdami przez ludzi Kompetencja polega na opracowywaniu symulacji, które umożliwią samochodom szybsze uczenie się poprzez połączenie głębokiego uczenia się z wirtualnością środowisko.
„Symulacja to droga do miliardów mil” – powiedział Huang w GTC. Pod koniec ubiegłego roku Waymo, należąca do Alphabet, zaprezentowała Carcraft – swoje podejście do uczenia się poprzez symulację.
Cognata wykorzystuje najnowsze osiągnięcia w dziedzinie grafiki i czujników, aby tworzyć bardziej realistyczne i realistyczne modele świata, z których samochody autonomiczne mogą się uczyć. Dla mózgów obliczeniowych autonomicznego samochodu jest to jak wejście do gry wideo wzorowanej na rzeczywistości na świecie, co mogłoby prowadzić do bardziej realistycznych scenariuszy jazdy w celu testowania i walidacji jazdy samochodem dane. Firma niedawno sporządziła mapę wybranych miast, takich jak San Francisco, korzystając z danych z systemu GIS — kamer o wysokiej rozdzielczości i zaawansowane algorytmy komputerowe, które analizują zdjęcia satelitarne i zdjęcia ulicy, tworząc fotorealistyczną scenę.
Symulacja to droga do miliardów mil.
Aby jeszcze bardziej ulepszyć symulacje, Nvidia i niektórzy jej partnerzy wykorzystują dane z czujników pojazdów autonomicznych do tworzenia map o wyższej rozdzielczości. Kiedy pojazdy autonomiczne wyjadą na drogi, maszyny te będą nie tylko polegać na danych dostępnych w trakcie szkoleń, ale także przyczyniać się do gromadzenia danych, udostępniając dane przechwycone za pomocą LIDAR, IR, radaru i kamery tablice.
Kiedy te nowo zebrane dane zostaną połączone w drodze głębokiego uczenia się z istniejącymi zbiorami danych o niskiej jakości, ulice i drogi będą wyglądać bardziej fotorealistycznie. Cognata twierdzi, że jej algorytmy potrafią przetwarzać dane w taki sposób, aby wydobyć szczegóły z cieni i świateł, podobnie jak HDR zdjęcie z aparatu smartfona, aby stworzyć scenę wysokiej jakości.
Cognata – symulator jazdy autonomicznej głębokiego uczenia się
Chociaż symulacja jest doskonałym narzędziem, Atsmon zauważył, że ma ona swoje wady. To zbyt proste i aby autonomiczna jazda była realistyczna, musi uczyć się na skrajnych przypadkach. Cognata twierdzi, że wystarczy kilka kliknięć, aby zaprogramować urządzenie Edge w celu sprawdzenia pojazdów autonomicznych pod kątem bardziej nietypowych scenariuszy jazdy. Firmy budujące pojazdy autonomiczne będą musiały pilnie szukać rozwiązań Edge, które mogą oszukać samochody autonomiczne, oraz wykazać się kreatywnością w opracowywaniu dla nich rozwiązań.
Kiedy samodzielna jazda zawiedzie
Bezpieczeństwo jest tak najważniejsze w pojazdach autonomicznych, że Nvidia uważa je za najważniejszą rzecz w branży. Kiedy coś zawiedzie, mogą wystąpić ofiary śmiertelne i rzeczywiście się zdarzają, jak niedawno udowodniono w przypadku autonomicznego Ubera uderzył i zabił pieszego w Arizonie.
„Mogę zapewnić, że [Uber] jest równie zmiażdżony tym, co się stało”.
Zapytany na spotkaniu prasowym w sprawie awarii Ubera – Uber jest partnerem Nvidii – Huang odłożył propozycję wspólnego przejazdu firmę o uwagi, stwierdzając, że „powinniśmy dać Uberowi szansę zrozumienia, co się stało, i wyjaśnienia, co się stało stało się."
„Mogę zapewnić, że [Uber] jest równie zmiażdżony tym, co się stało” – dodał Huang.
Ponieważ Nvidia opracowuje kompleksowe rozwiązanie do jazdy autonomicznej, różni partnerzy – od Ubera po Toyotę i Mercedes Benz – mogą wykorzystywać całość lub niektóre części systemu. „Na całym świecie jest około 370 firm, które w jakiś sposób korzystają z naszych technologii”. Na pokazie Nvidia ogłosiła także Orin, komputer nowej generacji swojej platformy DRIVE.
Ludzie jako kopia zapasowa
Chociaż samochody autonomiczne z biegiem czasu stają się coraz inteligentniejsze, Huang nadal wierzy, że zawsze powinien być obecny człowiek, nawet w przypadkach, gdy samochód został zaprojektowany bez siedzenia kierowcy. Aby to osiągnąć, podczas tegorocznego przemówienia GTC Nvidia zaprezentowała swój Holodeck, umożliwiający zdalnemu kierowcy kontrolowanie fizycznego samochodu w czasie rzeczywistym za pośrednictwem wirtualnej rzeczywistości.
„To teleportacja” – powiedział Huang, podkreślając, że jest to możliwe dzięki wczesnym inwestycjom Nvidii w rzeczywistość wirtualną.
NVIDIA DRIVE — demonstracja GTC 2018
Podczas demonstracji Tim, kierowca, znajdował się w odległym miejscu. Kiedy założy okulary wirtualnej rzeczywistości, poczuje się, jakby znajdował się w fizycznym samochodzie, dzięki czemu będzie mógł poczuć samochód oraz zobaczyć jego elementy sterujące i tablicę przyrządów. Z tego odległego miejsca i przy pomocy zestawu VR mógł przejąć kontrolę nad autonomicznym pojazdem, umożliwiając mu prowadzenie pojazdu i jego parkowanie.
To jest to samo, co wojsko robi od jakiegoś czasu – pozwala operatorom dronów latać bezzałogowymi dronami z odległych miejsc. Ale w przypadku Nvidii, dzięki mocy VR, kierowca będzie czuł się, jakby był fizycznie obecny w kokpicie. Firma wierzy, że symulacja zasilana przez jej procesory graficzne ostatecznie sprawi, że samochody autonomiczne staną się niemal nieomylne, ale do tego czasu Holodeck może pomóc ludziom w nadzorowaniu flot pojazdów autonomicznych.
Zalecenia redaktorów
- Autonomiczne samochody zdezorientowane mgłą San Francisco
- Ford i VW zamykają autonomiczny moduł samochodowy Argo AI
- Były pracownik Apple przyznaje się do wykradzenia tajemnic Apple Car
- Funkcjonariusze zdezorientowani zatrzymują pusty, autonomiczny samochód
- Jak duży niebieski van z 1986 roku utorował drogę samochodom autonomicznym
