Nvidia Predstavljajte si, da ste voznik družinske limuzine s štirimi vrati, ki se približuje znaku za ustavitev. Ko pridete do znaka stop, opazite kolesarja, ki poskuša prečkati cesto. Skozi očesni stik, izraz obraza in govor telesa se kolesar z vami dogovarja o prednosti. Posledično se odločite, da boste kolesarju najprej prepustili cesto, preden boste previdno vstopili v križišče.
V današnjem svetu avtonomne vožnje tak dogodek ne bi mogli "označiti" ali kategorizirati, je dejal izvršni direktor Cognate Danny Atsmon. Trenutne metode vam omogočajo vizualno identifikacijo kolesarja, vendar sistemi usposabljanja za prepoznavanje in razumevanje zapletenih pogajanj na cesti ostajajo izziv za avtonomno industrijo v višini 10,3 bilijona dolarjev.
Pravzaprav avtonomna vožnja predstavlja "najtežjo računalniško težavo, s katero se je kdaj srečal svet", kot je priznal izvršni direktor NVIDIA Jensen Huang, ko je med slavnostnim dogodkom GTC 2018 v San Joseju v Kaliforniji predstavil nekaj najmočnejših grafičnih procesorjev na svetu.
Povezovanje resničnega in navideznega
"Svet na leto prevozi 10 bilijonov kilometrov," je v poudarjeni predstavitvi dejal Huang, toda Atsmon je poudaril, da so samovozeči avtomobili lani pokrili le tri milijone kilometrov cest. Da se samovozeča vozila lahko vozijo bolje, se morajo naučiti več, in to je v bistvu največji izziv, s katerim se sooča industrija. Da bi avtonomni vozniški sistem usposobil človeškega voznika, bi morali računalniki prevoziti približno 11 milijard kilometrov, nam je povedal Atsmon.
To je najtežja računalniška težava, s katero se je kdaj srečal svet.
Ta številka je izračunana na podlagi 1,09 smrtnih žrtev na 100 milijonov prevoženih kilometrov v letu 2015. "Torej, če bi rekli, da bi lahko imel stroj tako varno delovanje kot človek s 95-odstotnim zaupanjem, bi morali potrditi 11 milijard milj, "Je dejal Atsmon.
Poleg časa, potrebnega za dosego tega cilja, je treba upoštevati tudi stroške. Trenutno so stroški na miljo za upravljanje avtonomnega avtomobila v stotinah dolarjev - upoštevajo se inženirski čas, zbiranje in označevanje podatkov, stroški zavarovanja in čas, ko voznik sedi v pilotski kabini avtomobila. Pomnožite to z referenčno vrednostjo 11 milijard milj in ogromno drago, povezano z usposabljanjem avtonomnih avtomobilov, postane jasno.
Validacija je ključnega pomena, nedavne nesreče z avtonomnimi vozili pa kažejo, da se nepopolni preskusi podatkov in scenariji usposabljanja lahko izkažejo za usodne. V enem manj skrajnih primerov je samovozeči shuttle v Las Vegasu plul s približno 0,6 milje na uro, vendar je trčil v tovornjak (tam je bil Jeff Zurschmeide, svobodni sodelavec pri Digital Trends). Nihče ni bil poškodovan, vendar se je zgodil zmeden scenarij, ker je tovornjak vlekel naprej, nato pa nazaj, ko je hotel parkirati. Vzrok za strmoglavljenje je po besedah Atsmona v tem, da shuttle ni bil potrjen za tovrstno situacijo in ni vedel, kaj storiti - zato je počasi nadaljeval in strmoglavil.
Boljša simulacija za globlje učenje
Trenutna rešitev industrije za premagovanje vrzeli v višini 11 milijard milj za avtonomne sisteme za doseganje človeške sposobnosti vožnje je razviti simulacije, ki omogočajo hitrejše učenje avtomobilov z združevanjem globokega učenja z virtualnim okoljem.
"Simulacija je pot do milijard milj," je dejal Huang pri GTC. Konec lanskega leta je Waymo v lasti Alphabet predstavil Carcraft, ki je pristop k učenju s simulacijo.
Cognata uporablja najnovejši napredek v grafični opremi in strojni opremi senzorjev, da bi ustvaril bolj realistične in realistične modele sveta za avtonomne avtomobile, iz katerih se lahko učijo. Za računalniške možgane samovozečega avtomobila je to kot vstop v video igro po vzoru resničnega sveta, kar bi lahko privedlo do bolj realističnih scenarijev vožnje za preizkušanje in potrjevanje podatkov o vožnji avtomobila. Podjetje je pred kratkim začrtalo izbrana mesta, kot je San Francisco, z uporabo podatkov iz GIS - visokoločljivih kamer in izpopolnjenih računalniških algoritmov, ki prečkajo satelitske posnetke in posnetke ulic, kar ima za posledico fotorealističen prizor.
Simulacija je pot do milijard milj.
Za nadaljnje izboljšanje simulacij Nvidia in nekateri njeni partnerji za izdelavo zemljevidov z višjo ločljivostjo uporabljajo podatke iz senzorjev avtonomnih vozil. Ko avtonomna vozila zapeljejo na cesto, se ti stroji ne bodo zanašali le na podatke, ki so na voljo med vadbo, temveč bodo prispevali tudi k zbiranju podatkov, tako da bodo delili podatke, ki so jih zajeli s svojih nizov LIDAR, IR, radarjev in kamer.
Če te na novo zajete podatke z globokim učenjem združimo z obstoječimi nizkokakovostnimi nabori podatkov, bodo ulice in ceste videti bolj realistične. Cognata trdi, da lahko njeni algoritmi podatke obdelujejo tako, da v senci in poudarkih prikažejo podrobnosti, podobno kot fotografija HDR iz kamere vašega pametnega telefona, da ustvarijo visokokakovostno sceno.
Čeprav je simulacija odlično orodje, je Atsmon opozoril, da ima svoje pomanjkljivosti. Preveč preprosto je in da bi bila avtonomna vožnja realna, se je treba učiti iz robnih primerov. Cognata trdi, da je potrebno le nekaj klikov, da v robustnem primeru programirate avtonomna vozila za bolj nenavadne scenarije vožnje. Podjetja, ki se ukvarjajo z izdelavo avtonomnih vozil, bodo morala biti prizadevna pri iskanju ostrih primerov, ki lahko prevarajo samovozeče avtomobile, in kreativna pri izdelavi rešitev zanje.
Ko samovožnja odpove
Varnost je za avtonomna vozila tako pomembna, da jo Nvidia šteje za najpomembnejšo stvar v industriji. Ko stvari propadejo, lahko pride in se zgodijo smrtne žrtve, kot je bilo nedavno dokazano, ko je avtonomni Uber udaril in ubil pešca v Arizoni.
"Lahko vam zagotovim, da je [Uber] enako zdrobljen zaradi tega, kar se je zgodilo."
Ko so ga na novinarskem sestanku zaslišali o nesreči Uber - Uber je partner družbe Nvidia - je Huang ponudil izjavo družbi za delitev vozil in dejal, 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 zdrobljen, kar se je zgodilo," je dodal Huang.
Ker Nvidia razvija celovito rešitev za avtonomno vožnjo, lahko različni partnerji - od Uberja do Toyote in Mercedes-Benz - uporabijo vse ali nekatere dele sistema. "Obstaja približno 370 podjetij po vsem svetu, ki na nek način uporabljajo naše tehnologije." Na razstavi je Nvidia napovedala tudi Orin, naslednjo generacijo računalnika svoje platforme DRIVE.
Nvidia Ljudje kot varnostna kopija
Medtem ko so samovozeči avtomobili sčasoma pametnejši, Huang še vedno verjame, da mora vedno obstajati človeška podpora, tudi v primerih, ko je avtomobil zasnovan brez vozniškega sedeža. Da bi to dosegla, je Nvidia med letošnjo uvodno izjavo GTC predstavila svoj Holodeck, ki je oddaljenemu vozniku omogočil, da v realnem času nadzoruje fizični avtomobil prek navidezne resničnosti.
"To je teleportacija," je dejal Huang in poudaril, da je to mogoče z Nvidijinimi zgodnjimi naložbami v navidezno resničnost.
Med predstavitvijo je bil Tim, voznik, oddaljen. Ko si nadene očala za navidezno resničnost, se bo počutil, kot da je v fizičnem avtomobilu, kar mu omogoča, da začuti avto in vidi nadzor in instrumentno ploščo avtomobila. S te oddaljene lokacije in s pomočjo slušalk VR je lahko prevzel nadzor nad avtonomnim vozilom, kar mu je omogočilo, da vozilo vozi in parkira.
To je kot tisto, kar vojska počne že nekaj časa - operaterjem brezpilotnih zrakoplovov dovoljuje letenje z brezpilotnimi brezpilotnimi letali z oddaljene lokacije. Toda v primeru Nvidije se bo z močjo VR voznik počutil, kot da je fizično prisoten v pilotski kabini. Podjetje verjame, da bo simulacija, ki jo poganjajo njeni grafični procesorji, avtonomne avtomobile sčasoma naredila skoraj nezmotljive, toda Holodeck lahko do njih ljudem pomaga nadzorovati flote, ki se sami vozijo.
