Како Нвидиа помаже аутономним аутомобилима да симулирају свој пут до безбедности

Замислите да сте возач породичне лимузине са четворо врата која се приближава знаку за заустављање. Када дођете до знака стоп, приметићете бициклисту који покушава да пређе пут. Путем контакта очима, израза лица и говора тела, бициклиста преговара са вама о свом праву пута. Као резултат тога, одлучујете да прво пустите бициклисту да пређе пут, пре него што наставите да опрезно уђете на раскрсницу.

У данашњем свету аутономне вожње не би постојао начин да се „означи“ или категоризује такав догађај, рекао је извршни директор Цогната Данни Атсмон. Тренутне методе вам омогућавају да визуелно идентификујете бициклисте, али системи обуке да препознају и Разумети сложене преговоре на путу остају изазов за аутономну вожњу од 10,3 трилиона долара индустрија.

У ствари, аутономна вожња представља „једини најтежи рачунарски проблем са којим се свет икада сусрео“, рекао је извршни директор НВИДИА-е Јенсен Хуанг је признао када је представио неке од најмоћнијих графичких процесора на свету током ГТЦ 2018 уводне речи у Сан Хозеу, Цалифорниа.

Премошћивање стварног и виртуелног

„Свет пређе 10 трилиона миља годишње“, рекао је Хуанг у наглашеној презентацији — али Атсмон је истакао да су аутомобили који се сами возе прошле године прешли само три милиона миља путева. Да би самовозећа возила могла боље возити, морају научити више, а то је у основи највећи изазов са којим се индустрија суочава. Да би обучили систем аутономне вожње да има компетенцију људског возача, рачунари би морали да пређу отприлике 11 милијарди миља, рекао нам је Атсмон.

Та цифра је израчуната на основу 1,09 смртних случајева на 100 милиона пређених миља у 2015. „Дакле, да бисте рекли да машина може имати безбедне перформансе као и људско биће са 95 одсто поверења, требало би да потврдите 11 милијарди миља“, рекао је Атсмон.

Поред времена потребног за постизање тог циља, потребно је узети у обзир и трошак. Тренутно је цена по километру за управљање аутономним аутомобилом у стотинама долара - рачунајући инжењерско време, прикупљање и означавање података, трошкови осигурања и време возача да седи у кокпиту ауто. Помножите то са стандардом од 11 милијарди миља, и постаје јасно да су огромни скупи повезани са обуком аутономних аутомобила.

Валидација је кључна, а недавне несреће у којима су учествовала аутономна возила показују да непотпуни тестови података и сценарији обуке могу бити фатални. У једном мање екстремном примеру, самовозећи шатл у Лас Вегасу кретао се брзином од око 0,6 миља на сат, али се забио у камион (Јефф Зурсцхмеиде, слободни сарадник за Дигитал Трендс, био је тамо када се то догодило). Нико није повређен, али се десио загонетан сценарио јер је камион вукао напред, а затим повлачио уназад док је покушавао да се паркира. Узрок пада, према Атсмону, је то што шатл није био валидиран за ову врсту ситуације и није знао шта да ради - па је ишао полако напред и срушио се.

Боља симулација за дубље учење

Тренутно решење индустрије за премошћивање јаза од 11 милијарди миља за аутономне системе како би достигли људску вожњу компетенција је развијање симулација које ће омогућити аутомобилима да уче брже комбиновањем дубоког учења са виртуелним Животна средина.

„Симулација је пут до милијарди миља“, рекао је Хуанг на ГТЦ-у. Крајем прошле године, Ваимо у власништву компаније Алпхабет је представио Царцрафт, свој приступ учењу путем симулације.

Цогната користи најновија достигнућа у графичком и сензорском хардверу како би креирала реалистичније и реалистичније моделе света од којих аутономни аутомобили могу да уче. За компјутерски мозак аутомобила који се самостално вози, то је као да уђете у видео игрицу по узору на стварну света, а то би могло довести до реалистичнијих сценарија вожње за тестирање и валидацију вожње аутомобила података. Компанија је недавно направила мапу одабраних градова, попут Сан Франциска, користећи податке из ГИС-а — камере високе дефиниције и софистицирани компјутерски алгоритми који раде преко сателитских и уличних снимака, што резултира фото-реалистичном сценом.

Да би додатно побољшали симулације, Нвидиа и неки од њених партнера користе податке са сензора аутономних возила за прављење мапа веће дефиниције. Када аутономна возила крену на пут, ове машине се неће ослањати само на податке који су доступни кроз обуку, али такође доприноси прикупљању података дељењем података које је ухватио са свог ЛИДАР-а, ИР-а, радара и камере низови.

Када се ови новоухваћени подаци комбинују кроз дубоко учење са постојећим скуповима података ниског квалитета, то ће учинити да улице и путеви изгледају фотореалистичније. Цогната тврди да њени алгоритми могу да обрађују податке на начин да изнесу детаље у сенкама и светлима, слично као ХДР фотографија са камере вашег паметног телефона, да бисте направили сцену високог квалитета.

Иако је симулација одличан алат, Атсмон је приметио да има своје мане. Превише је једноставно, а да би аутономна вожња била реалистична, мора учити из крајњих случајева. Цогната тврди да је потребно само неколико кликова за програмирање у рубном случају за валидацију аутономних возила за необичније сценарије вожње. Компаније које граде аутономна возила мораће да буду марљиве у потрази за ивицама које могу да преваре самовозеће аутомобиле и креативне у креирању решења за њих.

Када само-вожња не успе

Безбедност је толико најважнија за аутономна возила да Нвидиа сматра да је то једина најважнија ствар за индустрију. Када ствари пропадну, смртни случајеви се могу десити и дешавају се, као што је недавно доказано када је аутономни Убер ударио и убио пешака у Аризони.

Када је упитан на састанку за штампу о паду Убера - Убер је партнер Нвидије - Хуанг се одложио на дељење вожње компанији за коментаре, рекавши да „треба да дамо Уберу шансу да разуме шта се догодило и да објасни шта се догодило десило."

„Могу да вас уверим да је [Убер] подједнако сломљен оним што се догодило“, додао је Хуанг.

Пошто Нвидиа развија свеобухватно решење за аутономну вожњу, различити партнери — од Убера до Тојоте и Мерцедес-Бенза — могу да користе све или неке делове система. „Постоји око 370 компанија широм света које на неки начин користе наше технологије. На сајму, Нвидиа је такође најавила Орин, рачунар следеће генерације своје ДРИВЕ платформе.

Људи као резерва

Док аутомобили који се сами возе временом постају паметнији, Хуанг и даље верује да увек треба да постоји људска подршка, чак и у случајевима када је аутомобил дизајниран без возачког седишта. Да би то постигла, Нвидиа је представила свој Холодецк током овогодишњег ГТЦ уводног говора, омогућавајући даљинском возачу да контролише физички аутомобил у реалном времену кроз виртуелну стварност.

„То је телепортација“, рекао је Хуанг, истичући да је то могуће захваљујући раним Нвидијиним инвестицијама у виртуелну стварност.

Током демонстрације, Тим, возач, налазио се на удаљеној локацији. Када стави пар наочара за виртуелну стварност, осећаће се као да је у физичком аутомобилу, што му омогућава да осети аутомобил и види команде и инструмент таблу аутомобила. Са ове удаљене локације и уз помоћ својих ВР слушалица, могао је да преузме контролу над аутономним возилом, омогућавајући му да вози возило и паркира га.

То је као оно што војска ради већ неко време - дозвољавајући оператерима дронова да управљају беспилотним летелицама са удаљене локације. Али у Нвидијином случају, са снагом ВР-а, возач ће се осећати као да је физички присутан у кокпиту. Компанија верује да ће симулација коју покрећу њени ГПУ-ови на крају учинити аутономне аутомобиле готово непогрешивим, али док не буду, Холодек може помоћи људима да надгледају самовозеће флоте.

Препоруке уредника

• Аутономни аутомобили збуњени маглом Сан Франциска
• Форд и ВВ затварају аутономну аутомобилску јединицу Арго АИ
• Бивши запосленик Аппле-а изјаснио се кривим за хватање тајни Аппле Цар-а
• Полицајци збуњени док заустављају празан самовозећи аутомобил
• Како је велики плави комби из 1986. отворио пут самовозећим аутомобилима