Kako Nvidia pomaga avtonomnim avtomobilom simulirati njihovo pot do varnosti

Predstavljajte si, da ste voznik štirivratne družinske limuzine, ki se približuje znaku stop. Ko pridete do znaka stop, opazite kolesarja, ki poskuša prečkati cesto. Z očesnim stikom, obrazno mimiko in govorico telesa se kolesar pogaja z vami o svoji prednosti. Posledično se odločite, da najprej pustite kolesarja prečkati cesto, preden nadaljujete in previdno zapeljete v križišče.

V današnjem svetu avtonomne vožnje takšnega dogodka ne bi bilo mogoče "označiti" ali kategorizirati, je dejal CEO Cognata Danny Atsmon. Trenutne metode omogočajo vizualno identifikacijo kolesarja, vendar sistemi usposabljanja za prepoznavanje in razumeti, da zapletena pogajanja na cesti ostajajo izziv za 10,3 trilijona USD vredno avtonomno vožnjo industrija.

Pravzaprav avtonomna vožnja predstavlja "najtežji računalniški problem, s katerim se je svet kdaj srečal," kot je dejal CEO NVIDIA Jensen Huang je priznal, ko je med osrednjo besedo GTC 2018 v San Joseju predstavil nekaj najzmogljivejših grafičnih procesorjev na svetu, Kalifornija.

Premostitev realnega in virtualnega

"Svet prevozi 10 bilijonov milj na leto," je dejal Huang v ostri predstavitvi - vendar je Atsmon poudaril, da so samovozeči avtomobili lani prevozili le tri milijone milj cest. Da se samovozeča vozila bolje vozijo, se morajo naučiti več, in to je v osnovi največji izziv, s katerim se sooča industrija. Atsmon nam je povedal, da bi morali računalniki usposobiti sistem za avtonomno vožnjo, da bi imel sposobnost človeškega voznika, prevoziti približno 11 milijard milj.

Ta številka je izračunana na podlagi 1,09 smrtnih žrtev na 100 milijonov prevoženih milj leta 2015. »Torej, če želite reči, da ima stroj tako varno delovanje kot človeško bitje s 95 odstotki zaupanja, bi morali opraviti validacijo za 11 milijard milj,« je dejal Atsmon.

Poleg časa, potrebnega za dosego tega cilja, je treba upoštevati tudi stroške. Trenutno je strošek na miljo za upravljanje avtonomnega avtomobila v stotinah dolarjev – upoštevajoč čas inženiringa, zbiranje podatkov in označevanje, stroški zavarovanja in čas, ko voznik sedi v pilotski kabini avto. Pomnožite to z referenčno vrednostjo 11 milijard milj in ogromen strošek, povezan z usposabljanjem avtonomnih avtomobilov, postane jasen.

Validacija je ključnega pomena in nedavne nesreče, v katere so bila vpletena avtonomna vozila, kažejo, da so lahko nepopolni preizkusi podatkov in scenariji usposabljanja usodni. V enem manj ekstremnem primeru je samovozeči shuttle v Las Vegasu plul s približno 0,6 milje na uro, pa se je zaletel v tovornjak (Jeff Zurschmeide, samostojni sodelavec pri Digital Trends, je bil tam, ko se je to zgodilo). Poškodovan ni bil nihče, toda zagonetni scenarij se je zgodil, ker je tovornjak peljal naprej, nato pa vzvratno, ko je hotel parkirati. Vzrok za strmoglavljenje je po besedah ​​Atsmona ta, da raketoplan ni bil preverjen za to vrsto situacije in ni vedel, kaj naj stori - zato je počasi nadaljeval naprej in strmoglavil.

Boljša simulacija za globlje učenje

Trenutna rešitev industrije za premostitev 11 milijard milj vrzeli za avtonomne sisteme za dosego človeške vožnje kompetenca je razviti simulacije, ki bodo avtomobilom omogočale hitrejše učenje s kombiniranjem globokega učenja z virtualnim okolju.

"Simulacija je pot do milijard milj," je dejal Huang pri GTC. Konec lanskega leta je Waymo, ki je v lasti Alphabeta, predstavil Carcraft, svoj pristop k učenju s simulacijo.

Cognata uporablja najnovejši napredek v grafični in senzorski strojni opremi za ustvarjanje bolj resničnih in realističnih modelov sveta, iz katerih se lahko učijo avtonomni avtomobili. Za računalniške možgane samovozečega avtomobila je to kot vstop v video igro po vzoru resnične svetu, kar bi lahko vodilo do bolj realističnih voznih scenarijev za testiranje in potrjevanje vožnje avtomobila podatke. Podjetje je pred kratkim začrtalo izbrana mesta, kot je San Francisco, z uporabo podatkov iz GIS – kamer visoke ločljivosti in sofisticirani računalniški algoritmi, ki izvajajo satelitske in ulične posnetke, kar povzroči fotorealističen prizor.

Za nadaljnje izboljšanje simulacij Nvidia in nekateri njeni partnerji uporabljajo podatke iz senzorjev avtonomnih vozil za izdelavo zemljevidov višje ločljivosti. Ko bodo avtonomna vozila zapeljala na ceste, se ti stroji ne bodo zanašali le na podatke, ki so na voljo z usposabljanjem, ampak ampak tudi prispeva k zbiranju podatkov z deljenjem podatkov, ki jih je zajel s svojim LIDAR, IR, radarjem in kamero nizi.

Ko se ti na novo zajeti podatki združijo z globokim učenjem z obstoječimi nabori podatkov nizke kakovosti, bodo ulice in ceste videti bolj fotorealistične. Cognata trdi, da lahko njegovi algoritmi obdelajo podatke na način, da prikažejo podrobnosti v sencah in svetlih delih, podobno kot HDR fotografijo iz fotoaparata vašega pametnega telefona, da ustvarite visokokakovosten prizor.

Čeprav je simulacija odlično orodje, je Atsmon opozoril, da ima svoje pomanjkljivosti. Preveč preprosto je in da bi bila avtonomna vožnja realistična, se mora učiti iz robnih primerov. Cognata trdi, da je potrebnih le nekaj klikov za programiranje v robnem ohišju za potrditev avtonomnih vozil za bolj nenavadne scenarije vožnje. Podjetja, ki izdelujejo avtonomna vozila, bodo morala biti marljiva pri iskanju robnih primerov, ki lahko pretentajo samovozeče avtomobile, in ustvarjalna pri izdelavi rešitev zanje.

Ko samovožnja odpove

Varnost je pri avtonomnih vozilih tako pomembna, da Nvidia meni, da je najpomembnejša stvar v industriji. Ko stvari odpovejo, lahko pride do smrtnih žrtev in se zgodijo, kot je bilo nedavno dokazano pri avtonomnem Uberju zbil in ubil pešca v Arizoni.

Ko so ga na tiskovnem srečanju vprašali o Uberjevi nesreči – Uber je partner Nvidie – je Huang odstopil od souporabe prevoza. podjetje za pripombe, češ da »bi morali Uberju dati priložnost, da razume, kaj se je zgodilo, in pojasni, kaj se je zgodilo.”

"Lahko vam zagotovim, da je [Uber] enako potrt nad tem, kar se je zgodilo," je dodal Huang.

Ker Nvidia razvija celovito rešitev za avtonomno vožnjo, lahko različni partnerji – od Uberja do Toyote in Mercedes Benza – uporabljajo vse ali nekatere dele sistema. "Po vsem svetu je približno 370 podjetij, ki na nek način uporabljajo naše tehnologije." Na sejmu je Nvidia napovedala tudi Orin, računalnik naslednje generacije svoje platforme DRIVE.

Ljudje kot rezerva

Medtem ko samovozeči avtomobili sčasoma postajajo pametnejši, Huang še vedno verjame, da mora vedno obstajati človeška rezerva, tudi v primerih, ko je avto zasnovan brez voznikovega sedeža. Da bi to dosegla, je Nvidia predstavila svoj Holodeck med letošnjo uvodno besedo GTC, ki oddaljenemu vozniku omogoča nadzor nad fizičnim avtomobilom v realnem času prek virtualne resničnosti.

"To je teleportacija," je dejal Huang in poudaril, da je to mogoče z Nvidiinimi zgodnjimi naložbami v virtualno resničnost.

Med demo se je Tim, voznik, nahajal na oddaljeni lokaciji. Ko si bo nadel očala za navidezno resničnost, se bo počutil, kot da je v fizičnem avtomobilu, kar mu bo omogočilo, da bo otipal avto ter videl njegove krmilne elemente in instrumentno ploščo. S te oddaljene lokacije in s pomočjo svojih slušalk VR je lahko prevzel nadzor nad avtonomnim vozilom, kar mu je omogočilo, da vozilo vozi in parkira.

To je podobno temu, kar vojska počne že nekaj časa - operaterjem dronov omogoča upravljanje brezpilotnih letal z oddaljene lokacije. Toda v primeru Nvidie se bo z močjo VR voznik počutil, kot da je fizično prisoten v pilotski kabini. Podjetje verjame, da bo simulacija, ki jo poganjajo njegovi grafični procesorji, sčasoma naredila avtonomne avtomobile skoraj nezmotljive, a dokler tega ne storijo, lahko Holodeck pomaga ljudem bdeti nad samovozečimi voznimi parki.

Priporočila urednikov

• Avtonomne avtomobile zmede megla v San Franciscu
• Ford in VW zapirata enoto za avtonomne avtomobile Argo AI
• Nekdanji uslužbenec Appla priznal krivdo za prilastitev skrivnosti Apple Car
• Policisti zmedeni, ko ustavljajo prazen samovozeči avto
• Kako je velik modri kombi iz leta 1986 utrl pot samovozečim avtomobilom