Detaljerna om hur Nvidia tränade två testbilar finns i en fil med titeln End to end-lärande för självkörande bilar. Grunderna är följande: Nvidia använde tre kameror och två Nvidia DRIVE PX-datorer för att se människor köra bil i 72 timmar. Bilutbildningen genomfördes i flera stater, under varierande väderförhållanden, dag och natt, och på en mängd olika vägtyper och förhållanden. Kamerorna fångade enorma mängder data i 3D, som spårades och lagrades av de inbyggda GPU: erna. Denna data analyserades sedan och bröts upp i inlärningssteg med
Rekommenderade videor
I efterföljande tester med det tränade systemet i bilar på testvägar och allmänna vägar (inklusive motorvägar) uppnådde systemet 98 till 100 procents autonomi. När en förare ingriper fortsätter systemet att lära sig.
Relaterad
- Ska du köpa Nvidias RTX 4060 eller RTX 4060 Ti?
- Bokstavligen ingen vill köpa Nvidias RTX 4060 Ti
- Nvidia lägger ner RTX 4070 eftersom det vänder sig till billigare alternativ
Endast en kamera och en dator behövs i en bil baserad på Nvidias GPU-system. När det är dags att du kan köpa en bil med det här systemet kommer den fram redo att köra sig själv - du behöver inte ge den fler träningspass, som sagt till Digital Trends. Medan bilen kan köra själv, när den upptäcker (via kameran) något nytt (som i något den inte har "sett" tidigare), varnar den föraren att ta över och går sedan in i inlärningsläge. Vad den än lär sig överförs senare till molnet och den informationen införlivas i nästa mjukvaruuppdatering så att inlärningen kan gynna alla bilar som använder Nvidias självkörande system. Du kan titta Nvidias GPU-baserade bilträning och prestanda här.
När han pratade med Digital Trends använde en talesperson från Nvidia exemplet med att stöta på en älg. Älgexemplet fungerar eftersom det är sällsynt att träffa en älg på vägen i de flesta delar av USA och det har uppenbarligen aldrig hänt i deras bilträning. Så om jag körde en bil med Nvidias självkörande system och en älg var på eller bredvid vägen, skulle systemet varna mig för att ta över. Systemet ombord tittade på vad jag gjorde och registrerade förändringar i styrningen och andra system som bromsar och acceleration. Mina reaktioner skulle överföras till molnet. Efter nästa mjukvaruuppdatering, om en annan person stötte på en älg, skulle den bilen veta hur den skulle reagera baserat på mina reaktioner.
Den här metoden för att lära sig genom att titta på att träna förarlösa fordon är både mer realistisk och inkluderande än kedjor av regler skrivna av programmerare baserade på mycket varierande element som vägbana, körfältsmarkörer, ljus och trafik betingelser. Det GPU-baserade systemet gör datainsamlingen och maskininlärningssystemet skapar reglerna.
Digital Trends informerades om att Nvidia nu för samtal med mer än 80 stora OEM-tillverkare (tillverkare av originalutrustning) och forskningsinstitutioner. Den tillverkare som Nvidia kunde tala om offentligt är Volvo. Nästa år Volvos Drive Me-projekt i Göteborg kommer Sverige att använda 100 Volvo XC90 utrustade med Nvidia-systemet för att observera hur systemet fungerar på ”en definierad uppsättning vägar” i den svenska staden.
Förarlösa bilar kommer och Nvidias system ser ut att vara i farten för att påskynda övergången.
Redaktörens rekommendationer
- Nvidia vill inte att du ska veta om dess kontroversiella nya GPU
- Nvidia RTX 4090-kablar kan smälta på ett oroande nytt sätt
- Nvidia GPU: er ser massiva prishöjningar och enorm efterfrågan från AI
- Med RTX 4060 till $299, vänder Nvidia kursen på prissättning
- Du bör använda dessa 5 bortglömda Nvidia GPU-funktioner
Uppgradera din livsstilDigitala trender hjälper läsare att hålla koll på den snabba teknikvärlden med alla de senaste nyheterna, roliga produktrecensioner, insiktsfulla redaktioner och unika smygtittar.
