Представьте, что вы водитель четырехдверного семейного седана, приближающегося к знаку остановки. Подойдя к знаку «Стоп», вы замечаете велосипедиста, пытающегося перейти дорогу. Посредством зрительного контакта, выражения лица и сигналов языка тела велосипедист договаривается с вами о своем преимуществе. В результате вы решаете сначала позволить велосипедисту перейти дорогу, а затем осторожно выехать на перекресток.
Сегодня в мире автономного вождения не было бы возможности «пометить» или классифицировать такое событие, сказал генеральный директор Cognata Дэнни Атсмон. Современные методы позволяют визуально идентифицировать велосипедиста, но обучающие системы распознавать и понять, что сложные переговоры на дороге остаются проблемой для автономного вождения стоимостью 10,3 триллиона долларов. промышленность.
Рекомендуемые видео
Фактически, автономное вождение представляет собой «самую сложную вычислительную проблему, с которой когда-либо сталкивался мир», как заявил генеральный директор NVIDIA Дженсен. Хуан признался, когда представил некоторые из самых мощных в мире графических процессоров во время основного доклада GTC 2018 в Сан-Хосе, Калифорния.
Связанный
- По слухам, автомобиль Apple может стоить столько же, сколько Tesla Model S
- Drive Concierge от Nvidia наполнит вашу машину экранами
- Странная вещь только что произошла с парком беспилотных автомобилей
Соединение реального и виртуального
«Мир проезжает 10 триллионов миль в год», — сказал Хуанг в резкой презентации, но Атсмон отметил, что в прошлом году беспилотные автомобили проехали только три миллиона миль дорог. Чтобы беспилотные автомобили лучше двигались, им необходимо больше учиться, и это, по сути, самая большая проблема, с которой сталкивается отрасль. По словам Атсмона, чтобы обучить систему автономного вождения навыкам водителя-человека, компьютерам потребуется проехать примерно 11 миллиардов миль.
Это самая сложная компьютерная проблема, с которой когда-либо сталкивался мир.
Эта цифра рассчитана на основе 1,09 смертельных исходов на 100 миллионов миль пробега в 2015 году. «Итак, чтобы с 95 процентами уверенности сказать, что машина может работать так же безопасно, как человек, вам нужно будет пройти проверку на 11 миллиардов миль», — сказал Атсмон.
Помимо времени, необходимого для достижения этой цели, необходимо учитывать и расходы. Сейчас стоимость пробега беспилотного автомобиля за милю исчисляется сотнями долларов. время на проектирование, сбор и маркировку данных, расходы на страховку и время, потраченное водителем на пребывание в кабине автомобиль. Умножьте это на контрольный показатель в 11 миллиардов миль, и станет очевидна огромная стоимость обучения беспилотных автомобилей.
Проверка имеет ключевое значение, и недавние аварии с участием беспилотных транспортных средств показывают, что неполные тесты данных и сценарии обучения могут оказаться фатальными. В одном менее экстремальном примере беспилотный шаттл в Лас-Вегасе двигался со скоростью около 0,6 мили в час. но он врезался в грузовик (Джефф Цуршмайде, фрилансер Digital Trends, был там, когда это произошло). Никто не пострадал, но загадочный сценарий произошел потому, что грузовик двинулся вперед, а затем дал задний ход, пытаясь припарковаться. По словам Атсмона, причина крушения заключалась в том, что шаттл не был проверен для такого типа ситуации, и он не знал, что делать, поэтому он медленно двинулся вперед и разбился.
Лучшее моделирование для более глубокого обучения
Текущее в отрасли решение, позволяющее преодолеть разрыв в 11 миллиардов миль для автономных систем, позволяющих достичь уровня вождения человека. Компетенция заключается в разработке моделирования, позволяющего автомобилям быстрее обучаться за счет сочетания глубокого обучения с виртуальным среда.
«Моделирование — это путь к миллиардам миль», — сказал Хуанг в GTC. В конце прошлого года компания Waymo, принадлежащая Alphabet, представила Carcraft — свой подход к обучению посредством моделирования.
Cognata использует последние достижения в области графики и сенсорного оборудования для создания более реалистичных и реалистичных моделей мира, на которых можно учиться беспилотным автомобилям. Для вычислительного мозга беспилотного автомобиля это похоже на участие в видеоигре, смоделированной на реальном автомобиле. мире, и это может привести к созданию более реалистичных сценариев вождения для тестирования и подтверждения вождения автомобиля. данные. Недавно компания нанесла на карту некоторые города, такие как Сан-Франциско, используя данные ГИС — камеры высокого разрешения и сложные компьютерные алгоритмы, которые обрабатывают спутниковые изображения и изображения улиц, в результате чего создается фотореалистичная сцена.
Моделирование — это путь в миллиарды миль.
Для дальнейшего улучшения моделирования Nvidia и некоторые из ее партнеров используют данные датчиков автономных транспортных средств для создания карт более высокого разрешения. Когда беспилотные транспортные средства отправляются в путь, эти машины будут полагаться не только на данные, полученные в ходе обучения, но также способствовать сбору данных, делясь данными, полученными с помощью лидара, ИК-приемника, радара и камеры. массивы.
Когда эти недавно собранные данные объединяются посредством глубокого обучения с существующими наборами данных низкого качества, улицы и дороги будут выглядеть более фотореалистичными. Cognata утверждает, что ее алгоритмы могут обрабатывать данные таким образом, чтобы выявлять детали в тенях и светлых участках, подобно HDR фотографию с камеры вашего смартфона, чтобы создать качественную сцену.
Cognata — автономный симулятор вождения с глубоким обучением
Хотя моделирование является отличным инструментом, Атсмон отметил, что у него есть свои недостатки. Это слишком просто, и чтобы автономное вождение было реалистичным, оно должно учиться на крайних случаях. Cognata утверждает, что в крайнем случае требуется всего несколько щелчков мышью, чтобы запрограммировать проверку беспилотных транспортных средств для более необычных сценариев вождения. Компаниям, создающим беспилотные транспортные средства, придется усердно искать крайние случаи, которые могут обмануть беспилотные автомобили, и проявлять творческий подход к разработке решений для них.
Когда беспилотное вождение терпит неудачу
Безопасность настолько важна для автономных транспортных средств, что Nvidia считает ее самой важной вещью для отрасли. Когда что-то идет не так, могут произойти и происходят смертельные случаи, как было недавно доказано, когда автономный Uber сбил и убил пешехода в Аризоне.
«Могу заверить вас, что [Uber] в равной степени расстроен произошедшим».
Когда на пресс-конференции его спросили о катастрофе Uber (Uber является партнером Nvidia), Хуан отказался от совместного использования поездок. компании за комментарии, заявив, что «мы должны дать Uber возможность понять, что произошло, и объяснить, что произошло». случилось."
«Могу заверить вас, что [Uber] в равной степени расстроен произошедшим», — добавил Хуанг.
Поскольку Nvidia разрабатывает комплексное решение для автономного вождения, разные партнеры — от Uber до Toyota и Mercedes Benz — могут использовать все или некоторые части системы. «Во всем мире около 370 компаний так или иначе используют наши технологии». На выставке Nvidia также анонсировала Orin, компьютер следующего поколения на своей платформе DRIVE.
Люди как резервная копия
Хотя беспилотные автомобили со временем становятся умнее, Хуан по-прежнему считает, что всегда должна быть поддержка человека, даже в тех случаях, когда автомобиль спроектирован без сиденья водителя. Чтобы добиться этого, Nvidia продемонстрировала свою Holodeck во время выступления GTC в этом году, позволяющую удаленному водителю управлять физическим автомобилем в режиме реального времени через виртуальную реальность.
«Это телепортация», — сказал Хуанг, подчеркнув, что это возможно благодаря ранним инвестициям Nvidia в виртуальную реальность.
NVIDIA DRIVE — Демонстрация GTC 2018
Во время демонстрации водитель Тим находился в удаленном месте. Когда он наденет очки виртуальной реальности, он почувствует себя так, будто находится в реальной машине, что позволит ему чувствовать машину, видеть органы управления и приборную панель автомобиля. Из этого удаленного места и с помощью своей VR-гарнитуры он мог взять на себя управление автономным транспортным средством, что позволило ему управлять им и парковать его.
Это похоже на то, чем уже некоторое время занимаются военные — позволяя операторам дронов управлять беспилотными дронами из удаленного места. Но в случае с Nvidia, благодаря возможностям VR, водитель будет чувствовать, что он физически присутствует в кабине. Компания считает, что моделирование с помощью ее графических процессоров в конечном итоге сделает автономные автомобили практически непогрешимыми, но до тех пор Holodeck может помочь людям следить за автопарками.
Рекомендации редакции
- Автономные автомобили сбиты с толку туманом Сан-Франциско
- Ford и VW закрывают подразделение по производству автономных автомобилей Argo AI
- Экс-сотрудник Apple признал себя виновным в раскрытии секретов Apple Car
- Офицеры в замешательстве, когда остановили пустую беспилотную машину
- Как большой синий фургон 1986 года проложил путь беспилотным автомобилям
