Nvidia ช่วยให้รถยนต์ขับเคลื่อนอัตโนมัติจำลองเส้นทางสู่ความปลอดภัยได้อย่างไร

ลองจินตนาการว่าคุณเป็นคนขับรถเก๋งครอบครัวสี่ประตูที่กำลังเข้าใกล้ป้ายหยุดรถ เมื่อถึงป้ายหยุด คุณสังเกตเห็นนักปั่นจักรยานพยายามจะข้ามถนน นักปั่นจักรยานจะเจรจาต่อรองทางขวากับคุณผ่านการสบตา การแสดงออกทางสีหน้า และภาษากาย เป็นผลให้คุณตัดสินใจให้นักปั่นจักรยานข้ามถนนก่อน ก่อนที่จะเข้าสู่ทางแยกอย่างระมัดระวัง

ในโลกของการขับขี่แบบอัตโนมัติในปัจจุบัน ไม่มีทางที่จะ "แท็ก" หรือจัดหมวดหมู่เหตุการณ์ดังกล่าวได้ Danny Atsmon ซีอีโอของ Cognata กล่าว วิธีการปัจจุบันช่วยให้คุณสามารถระบุตัวนักปั่นจักรยานด้วยสายตาได้ แต่ระบบการฝึกอบรมให้จดจำและ การทำความเข้าใจการเจรจาที่ซับซ้อนบนท้องถนนยังคงเป็นความท้าทายสำหรับการขับขี่อัตโนมัติมูลค่า 10.3 ล้านล้านดอลลาร์ อุตสาหกรรม.

ในความเป็นจริง การขับขี่แบบอัตโนมัติถือเป็น “ปัญหาด้านคอมพิวเตอร์ที่ยากที่สุดที่โลกเคยพบมา” เช่นเดียวกับ Jensen CEO ของ NVIDIA Huang ยอมรับเมื่อเขาเปิดตัวโปรเซสเซอร์กราฟิกที่ทรงพลังที่สุดในโลกบางรุ่นในระหว่างการกล่าวสุนทรพจน์ GTC 2018 ในเมืองซานโฮเซ แคลิฟอร์เนีย.

การเชื่อมโยงความจริงและเสมือนจริง

“โลกขับรถ 10 ล้านล้านไมล์ต่อปี” Huang กล่าวในการนำเสนอที่ชัดเจน แต่ Atsmon ชี้ให้เห็นว่ารถยนต์ที่ขับเคลื่อนด้วยตนเองครอบคลุมถนนเพียงสามล้านไมล์ในปีที่แล้ว เพื่อให้ยานพาหนะที่ขับเคลื่อนด้วยตนเองสามารถขับขี่ได้ดีขึ้น พวกเขาจะต้องเรียนรู้เพิ่มเติม และนั่นคือความท้าทายพื้นฐานที่ใหญ่ที่สุดที่อุตสาหกรรมต้องเผชิญ Atsmon บอกกับเราว่าในการฝึกระบบขับขี่อัตโนมัติให้มีความสามารถเหมือนคนขับ คอมพิวเตอร์จะต้องขับรถเป็นระยะทางประมาณ 11 พันล้านไมล์

ตัวเลขดังกล่าวคำนวณจากอัตราการเสียชีวิต 1.09 ต่อ 100 ล้านไมล์ที่ขับเคลื่อนในปี 2558 “ดังนั้น หากจะบอกว่าเครื่องจักรสามารถทำงานได้อย่างปลอดภัยพอๆ กับมนุษย์ด้วยความมั่นใจ 95 เปอร์เซ็นต์ คุณจะต้องตรวจสอบระยะทาง 11 พันล้านไมล์” Atsmon กล่าว

นอกจากเวลาที่จำเป็นในการบรรลุเป้าหมายแล้ว ยังมีค่าใช้จ่ายในการพิจารณาอีกด้วย ปัจจุบันต้นทุนต่อไมล์ในการใช้งานรถยนต์ไร้คนขับอยู่ที่หลายร้อยดอลลาร์ เวลาทางวิศวกรรม การรวบรวมและการติดแท็กข้อมูล ค่าประกันภัย และเวลาที่ผู้ขับขี่ต้องนั่งในห้องนักบิน รถ. คูณด้วยเกณฑ์มาตรฐานระยะทาง 11 พันล้านไมล์ และค่าใช้จ่ายมหาศาลที่เกี่ยวข้องกับการฝึกอบรมรถยนต์ไร้คนขับก็ชัดเจน

การตรวจสอบความถูกต้องเป็นสิ่งสำคัญ และอุบัติเหตุล่าสุดที่เกี่ยวข้องกับยานพาหนะอัตโนมัติแสดงให้เห็นว่าการทดสอบข้อมูลที่ไม่สมบูรณ์และสถานการณ์การฝึกอบรมอาจส่งผลร้ายแรงได้ ในตัวอย่างที่ไม่รุนแรงตัวอย่างหนึ่ง รถรับส่งไร้คนขับในลาสเวกัสกำลังเดินทางด้วยความเร็วประมาณ 0.6 ไมล์ต่อชั่วโมง แต่มันชนเข้ากับรถบรรทุก (Jeff Zurschmeide ผู้ร่วมเขียนอิสระใน Digital Trends อยู่ที่นั่นด้วยตอนที่เรื่องดังกล่าวเกิดขึ้น) ไม่มีใครได้รับบาดเจ็บ แต่เหตุการณ์น่าสงสัยนี้เกิดขึ้นเพราะรถบรรทุกคันหนึ่งกำลังขับไปข้างหน้าแล้วถอยกลับขณะพยายามจอด Atsmon ระบุสาเหตุของการชนคือ รถรับส่งไม่ผ่านการทดสอบสำหรับสถานการณ์ประเภทนี้ และไม่รู้ว่าต้องทำอย่างไร จึงเคลื่อนไปข้างหน้าอย่างช้าๆ และชน

การจำลองที่ดีขึ้นเพื่อการเรียนรู้ที่ลึกซึ้งยิ่งขึ้น

โซลูชันปัจจุบันของอุตสาหกรรมในการเชื่อมช่องว่าง 11 พันล้านไมล์สำหรับระบบอัตโนมัติเพื่อเข้าถึงการขับขี่ของมนุษย์ ความสามารถคือการพัฒนาแบบจำลองเพื่อให้รถยนต์เรียนรู้ได้เร็วขึ้นโดยการรวมการเรียนรู้เชิงลึกเข้ากับระบบเสมือนจริง สิ่งแวดล้อม.

“การจำลองเป็นเส้นทางสู่ระยะทางหลายพันล้านไมล์” Huang กล่าวที่ GTC เมื่อปลายปีที่แล้ว Waymo ซึ่งเป็นเจ้าของ Alphabet ได้เปิดตัว Carcraft ซึ่งเป็นแนวทางการเรียนรู้โดยการจำลอง

Cognata ใช้ความก้าวหน้าล่าสุดในด้านกราฟิกและฮาร์ดแวร์เซ็นเซอร์เพื่อสร้างโมเดลโลกที่เหมือนจริงและสมจริงมากขึ้นเพื่อให้รถยนต์ขับเคลื่อนอัตโนมัติได้เรียนรู้ สำหรับสมองด้านคอมพิวเตอร์ของรถยนต์ที่ขับเคลื่อนด้วยตนเอง มันเหมือนกับการเข้าสู่วิดีโอเกมที่สร้างแบบจำลองมาจากของจริง และอาจนำไปสู่สถานการณ์การขับขี่ที่สมจริงยิ่งขึ้นเพื่อทดสอบและตรวจสอบการขับขี่รถยนต์ ข้อมูล. เมื่อเร็วๆ นี้บริษัทได้จัดทำแผนที่เมืองบางแห่ง เช่น ซานฟรานซิสโก โดยใช้ข้อมูลจาก GIS — กล้องความละเอียดสูงและ อัลกอริธึมคอมพิวเตอร์ที่ซับซ้อนซึ่งทำงานผ่านภาพถ่ายดาวเทียมและภาพสตรีทวิว ส่งผลให้ได้ฉากภาพถ่ายที่สมจริง

เพื่อปรับปรุงการจำลองให้ดียิ่งขึ้น Nvidia และพันธมิตรบางรายกำลังใช้ข้อมูลจากเซ็นเซอร์ของยานพาหนะอัตโนมัติเพื่อสร้างแผนที่ที่มีความคมชัดสูงขึ้น เมื่อยานยนต์ไร้คนขับออกสู่ท้องถนน เครื่องจักรเหล่านี้ไม่เพียงแต่พึ่งพาข้อมูลที่ได้รับจากการฝึกอบรมเท่านั้น แต่ยังมีส่วนร่วมในการรวบรวมข้อมูลด้วยการแบ่งปันข้อมูลที่บันทึกไว้จาก LIDAR, IR, เรดาร์ และกล้อง อาร์เรย์

เมื่อข้อมูลที่บันทึกใหม่นี้ถูกรวมเข้ากับการเรียนรู้เชิงลึกกับชุดข้อมูลคุณภาพต่ำที่มีอยู่ จะทำให้ถนนและถนนดูสมจริงยิ่งขึ้น Cognata อ้างว่าอัลกอริธึมสามารถประมวลผลข้อมูลในลักษณะที่จะดึงรายละเอียดในส่วนเงาและไฮไลต์ออกมาได้ เช่นเดียวกับ เอชดีอาร์ ภาพถ่ายจากกล้องสมาร์ทโฟนของคุณเพื่อสร้างฉากคุณภาพสูง

แม้ว่าการจำลองจะเป็นเครื่องมือที่ยอดเยี่ยม แต่ Atsmon สังเกตว่ามันมีข้อบกพร่องในตัวเอง มันง่ายเกินไป และเพื่อให้การขับขี่อัตโนมัติสมจริงนั้น ต้องเรียนรู้จากกรณี Edge Cognata อ้างว่าใช้เวลาเพียงไม่กี่คลิกในการเขียนโปรแกรมในกรณี Edge เพื่อตรวจสอบยานพาหนะอัตโนมัติสำหรับสถานการณ์การขับขี่ที่ผิดปกติมากขึ้น บริษัทที่สร้างรถยนต์ไร้คนขับจะต้องขยันหมั่นเพียรในการค้นหาเคส Edge ที่สามารถหลอกรถไร้คนขับได้ และสร้างสรรค์โซลูชันสำหรับพวกเขา

เมื่อการขับรถด้วยตนเองล้มเหลว

ความปลอดภัยเป็นสิ่งสำคัญยิ่งสำหรับยานยนต์ไร้คนขับ ซึ่ง Nvidia ถือว่านี่เป็นสิ่งสำคัญที่สุดเพียงสิ่งเดียวสำหรับอุตสาหกรรม เมื่อสิ่งต่าง ๆ ล้มเหลว การเสียชีวิตสามารถเกิดขึ้นได้ ดังที่ได้รับการพิสูจน์เมื่อเร็ว ๆ นี้เมื่อ Uber อัตโนมัติ ทำร้ายคนเดินถนนในรัฐแอริโซนาเสียชีวิต.

เมื่อถูกถามในงานแถลงข่าวเกี่ยวกับความผิดพลาดของ Uber – Uber เป็นหุ้นส่วนของ Nvidia – Huang เลื่อนออกไปในการแบ่งปันรถ บริษัทขอแสดงความคิดเห็นว่า “เราควรให้โอกาส Uber ทำความเข้าใจกับสิ่งที่เกิดขึ้นและอธิบายสิ่งที่เกิดขึ้น เกิดขึ้น."

“ฉันรับรองได้เลยว่า [Uber] รู้สึกเสียใจกับสิ่งที่เกิดขึ้นไม่แพ้กัน” Huang กล่าวเสริม

เนื่องจาก Nvidia พัฒนาโซลูชันแบบ end-to-end สำหรับการขับขี่แบบอัตโนมัติ พันธมิตรต่างๆ ตั้งแต่ Uber ไปจนถึง Toyota และ Mercedes Benz อาจใช้ระบบทั้งหมดหรือบางส่วนได้ “มีบริษัทประมาณ 370 แห่งทั่วโลกที่ใช้เทคโนโลยีของเราในทางใดทางหนึ่ง” ในงาน Nvidia ยังได้ประกาศ Orin ซึ่งเป็นคอมพิวเตอร์รุ่นต่อไปของแพลตฟอร์ม DRIVE

มนุษย์เป็นตัวสำรอง

แม้ว่ารถยนต์ที่ขับเคลื่อนด้วยตนเองจะมีความชาญฉลาดมากขึ้นเมื่อเวลาผ่านไป Huang ยังคงเชื่อว่าควรมีมนุษย์คอยสนับสนุนอยู่เสมอ แม้ว่าในกรณีที่รถได้รับการออกแบบโดยไม่มีที่นั่งคนขับก็ตาม เพื่อให้บรรลุเป้าหมายนี้ Nvidia ได้จัดแสดง Holodeck ของตนในระหว่างการกล่าวสุนทรพจน์ GTC ของปีนี้ ซึ่งช่วยให้ผู้ขับขี่ระยะไกลสามารถควบคุมรถยนต์ทางกายภาพแบบเรียลไทม์ผ่านความเป็นจริงเสมือน

“มันเป็นการเคลื่อนย้ายระยะไกล” Huang กล่าวโดยเน้นว่าสิ่งนี้เป็นไปได้ผ่านการลงทุนในช่วงแรกของ Nvidia ในความเป็นจริงเสมือน

ในระหว่างการสาธิต Tim คนขับอยู่ในสถานที่ห่างไกล เมื่อเขาสวมแว่นตาเสมือนจริง เขาจะรู้สึกเหมือนอยู่ในรถ ทำให้เขาสัมผัสได้ถึงรถ และเห็นแผงควบคุมและแผงหน้าปัดของรถ จากสถานที่ห่างไกลแห่งนี้และด้วยความช่วยเหลือของชุดหูฟัง VR เขาสามารถควบคุมยานพาหนะอัตโนมัติได้ ทำให้เขาสามารถขับรถและจอดได้

มันเหมือนกับสิ่งที่กองทัพทำมาระยะหนึ่งแล้ว — การอนุญาตให้ผู้ควบคุมโดรนบินโดรนไร้คนขับจากสถานที่ห่างไกล แต่ในกรณีของ Nvidia ด้วยพลังของ VR ผู้ขับขี่จะรู้สึกเหมือนอยู่ในห้องนักบิน บริษัทเชื่อว่าการจำลองที่ขับเคลื่อนโดย GPU จะทำให้รถยนต์ไร้คนขับเกือบจะไม่มีทางผิดพลาดได้ในที่สุด แต่ Holodeck สามารถช่วยมนุษย์เฝ้าดูยานพาหนะที่ขับเคลื่อนด้วยตนเองได้

คำแนะนำของบรรณาธิการ

• รถยนต์ขับเคลื่อนอัตโนมัติสับสนกับหมอกของซานฟรานซิสโก
• Ford และ VW ปิดหน่วยรถยนต์ขับเคลื่อนอัตโนมัติ Argo AI
• อดีตพนักงาน Apple สารภาพว่าล่วงรู้ความลับของ Apple Car
• เจ้าหน้าที่สับสนขณะดึงรถเปล่าที่ขับเคลื่อนด้วยตัวเอง
• รถตู้สีน้ำเงินคันใหญ่จากปี 1986 ปูทางไปสู่รถยนต์ไร้คนขับได้อย่างไร