Jak Nvidia pomaga samochodom autonomicznym w symulowaniu ich drogi do bezpieczeństwa

Nvidia

Wyobraź sobie, że jesteś kierowcą czterodrzwiowego rodzinnego sedana zbliżającego się do znaku stop. Gdy dotrzesz do znaku stop, zauważysz rowerzystę próbującego przejść przez ulicę. Poprzez kontakt wzrokowy, wyraz twarzy i sygnały mowy ciała rowerzysta negocjuje z Tobą swoje pierwszeństwo przejazdu. W rezultacie decydujesz się najpierw przepuścić rowerzystę przez ulicę, zanim ostrożnie wjedziesz na skrzyżowanie.

W dzisiejszym świecie autonomicznej jazdy nie byłoby sposobu, aby „oznaczyć” lub sklasyfikować takie wydarzenie, powiedział dyrektor generalny Cognata, Danny Atsmon. Obecne metody pozwalają na wizualną identyfikację rowerzystów, ale systemy szkoleniowe w zakresie rozpoznawania i rozumienia skomplikowanych negocjacji na drogach pozostają wyzwaniem dla branży autonomicznej jazdy o wartości 10,3 biliona dolarów.

W rzeczywistości autonomiczna jazda stanowi „najtrudniejszy problem obliczeniowy, jaki kiedykolwiek napotkał świat”, jak przyznał dyrektor generalny firmy NVIDIA, Jensen Huang, prezentując jedne z najpotężniejszych procesorów graficznych na świecie podczas prezentacji GTC 2018 w San Jose w Kalifornii.

Łączenie rzeczywistości i wirtualności

„Świat pokonuje 10 bilionów mil rocznie” - powiedział Huang w wymownej prezentacji - ale Atsmon wskazał, że w zeszłym roku autonomiczne samochody pokonały tylko trzy miliony mil dróg. Aby pojazdy autonomiczne jeździły lepiej, muszą nauczyć się więcej, a to jest zasadniczo największe wyzwanie stojące przed branżą. Atsmon powiedział nam, że aby wyszkolić autonomiczny system jazdy na umiejętności ludzkiego kierowcy, komputery musiałyby przejechać około 11 miliardów mil.

To najtrudniejszy problem komputerowy, z jakim kiedykolwiek spotkał się świat.

Liczbę tę obliczono na podstawie 1,09 ofiar śmiertelnych na 100 milionów mil przejechanych w 2015 roku. „Zatem, aby powiedzieć, że maszyna mogłaby działać tak samo bezpiecznie, jak człowiek z 95 procentami pewności, należałoby przeprowadzić walidację przez 11 miliardów mil, - powiedział Atsmon.

Oprócz czasu potrzebnego na osiągnięcie tego celu, należy również rozważyć koszty. Obecnie koszt na kilometr eksploatacji autonomicznego samochodu wynosi setki dolarów - uwzględniając czas inżynierii, gromadzenie i oznaczanie danych, koszty ubezpieczenia oraz czas siedzenia kierowcy w kokpicie samochodu. Pomnóż to przez wzorzec 11 miliardów mil, a ogromne koszty związane ze szkoleniem autonomicznych samochodów staną się jasne.

Walidacja ma kluczowe znaczenie, a niedawne wypadki z udziałem pojazdów autonomicznych pokazują, że niepełne testy danych i scenariusze szkoleniowe mogą okazać się śmiertelne. W jednym, mniej ekstremalnym przykładzie, autonomiczny wahadłowiec w Las Vegas płynął z prędkością około 0,6 mili na godzinę, ale zderzył się z ciężarówką (Jeff Zurschmeide, freelancer współpracujący z Digital Trends, był tam, kiedy to się stało). Nikt nie został ranny, ale zagadkowy scenariusz wydarzył się, ponieważ ciężarówka jechała do przodu, a potem cofała się, próbując zaparkować. Według Atsmona przyczyną katastrofy jest to, że wahadłowiec nie został sprawdzony w tego typu sytuacjach i nie wiedział, co robić - więc powoli ruszył naprzód i rozbił się.

Lepsza symulacja dla głębszej nauki

Obecnym w branży rozwiązaniem służącym wypełnieniu luki 11 miliardów mil dla systemów autonomicznych, aby osiągnąć kompetencje człowieka w prowadzeniu pojazdu, jest opracowanie symulacji, które pozwolą samochodom uczyć się szybciej, łącząc głębokie uczenie się ze środowiskiem wirtualnym.

jak nvidia pomaga autonomicznym samochodom symulować ich drogę do bezpieczeństwa cognatajak nvidia pomaga autonomicznym samochodom symulować ich drogę do bezpiecznego sterowania pogodą cognatajak nvidia pomaga autonomicznym samochodom symulować ich drogę do bezpiecznego lidara cognatajak nvidia pomaga autonomicznym samochodom symulować drogę do bezpiecznych map cognata hd

„Symulacja to droga do miliardów mil” - powiedział Huang w GTC. Pod koniec ubiegłego roku Waymo, należące do Alphabet, zaprezentowało Carcraft, swoje podejście do uczenia się przez symulację.

Cognata korzysta z najnowszych osiągnięć w dziedzinie grafiki i czujników, aby tworzyć bardziej realistyczne modele świata, z których autonomiczne samochody mogą się uczyć. Dla mózgów komputerowych samojezdnego samochodu to jak wejście do gry wideo wzorowanej na prawdziwym świecie, co może prowadzić do bardziej realistycznych scenariuszy jazdy w celu przetestowania i zweryfikowania danych dotyczących jazdy samochodem. Firma niedawno zmapowała wybrane miasta, takie jak San Francisco, korzystając z danych z GIS - kamer o wysokiej rozdzielczości i zaawansowanych algorytmów komputerowych, które działają na zdjęciach satelitarnych i ulicznych, tworząc fotorealistyczną scenę.

Symulacja to droga do miliardów mil.

Aby jeszcze bardziej ulepszyć symulacje, Nvidia i niektórzy jej partnerzy wykorzystują dane z czujników pojazdów autonomicznych do tworzenia map o wyższej rozdzielczości. Kiedy autonomiczne pojazdy wyruszą w drogę, maszyny te nie tylko będą polegać na danych dostępnych podczas szkolenia, ale także przyczynią się do gromadzenia danych, udostępniając dane, które przechwyciły z ich LIDAR, IR, radarów i macierzy kamer.

Połączenie tych nowo pozyskanych danych w ramach uczenia głębokiego z istniejącymi zestawami danych niskiej jakości sprawi, że ulice i drogi będą wyglądać bardziej fotorealistycznie. Cognata twierdzi, że jego algorytmy mogą przetwarzać dane w taki sposób, aby wydobyć szczegóły w cieniach i podświetleniach, podobnie jak zdjęcie HDR z aparatu smartfona, aby stworzyć wysokiej jakości scenę.

Chociaż symulacja jest doskonałym narzędziem, Atsmon zauważył, że ma swoje wady. To zbyt proste, a aby autonomiczna jazda była realistyczna, musi uczyć się na skrajnych przypadkach. Cognata twierdzi, że wystarczy kilka kliknięć, aby zaprogramować w skrajnym przypadku, aby zweryfikować autonomiczne pojazdy pod kątem bardziej nietypowych scenariuszy jazdy. Firmy budujące pojazdy autonomiczne będą musiały sumiennie szukać wyjątkowych przypadków, które mogą oszukać samojeżdżące samochody, oraz kreatywne w tworzeniu rozwiązań dla nich.

W przypadku niepowodzenia samodzielnej jazdy

Bezpieczeństwo jest tak ważne dla pojazdów autonomicznych, że Nvidia uważa je za najważniejszą rzecz dla branży. Kiedy coś zawodzi, mogą się zdarzyć ofiary śmiertelne i zdarzają się, jak niedawno udowodniono, gdy autonomiczny Uber uderzył i zabił pieszego w Arizonie.

„Mogę Cię zapewnić, że [Uber jest] równie zdruzgotany tym, co się stało”.

Zapytany na spotkaniu prasowym o awarię Ubera - Uber jest partnerem Nvidii - Huang zwrócił się do firmy zajmującej się wypożyczaniem przejazdów o komentarze, mówiąc, że „powinniśmy dać Uberowi szansę zrozumienia, co się stało i wyjaśnienia, co się stało. ”

„Mogę cię zapewnić, że [Uber] jest równie zdruzgotany tym, co się stało” - dodał Huang.

Ponieważ Nvidia opracowuje kompleksowe rozwiązanie do autonomicznej jazdy, różni partnerzy - od Ubera po Toyotę i Mercedes Benz - mogą korzystać z całości lub niektórych części systemu. „Na całym świecie jest około 370 firm, które w jakiś sposób wykorzystują nasze technologie”. Podczas pokazu Nvidia zapowiedziała również Orin, komputer nowej generacji swojej platformy DRIVE.

Nvidia-autonomous-cars-holodeck Nvidia

Ludzie jako wsparcie

Choć samojezdne samochody z czasem stają się coraz inteligentniejsze, Huang nadal uważa, że ​​zawsze powinno istnieć zaplecze ludzkie, nawet w przypadkach, gdy samochód jest projektowany bez siedzenia kierowcy. Aby to osiągnąć, Nvidia zaprezentowała swój Holodeck podczas tegorocznej prezentacji GTC, umożliwiając zdalnemu kierowcy kontrolowanie fizycznego samochodu w czasie rzeczywistym za pośrednictwem wirtualnej rzeczywistości.

„To teleportacja” - powiedział Huang, podkreślając, że jest to możliwe dzięki wczesnym inwestycjom Nvidii w wirtualną rzeczywistość.

Podczas demonstracji kierowca Tim znajdował się w odległej lokalizacji. Kiedy założy okulary wirtualnej rzeczywistości, poczuje się jak w fizycznym samochodzie, umożliwiając mu wyczucie samochodu oraz zobaczenie jego elementów sterujących i tablicy rozdzielczej. Z tego odległego miejsca i za pomocą swoich słuchawek VR mógł przejąć kontrolę nad autonomicznym pojazdem, pozwalając mu prowadzić pojazd i go zaparkować.

To tak, jak wojsko robiło od jakiegoś czasu - pozwalając operatorom dronów na latanie bezzałogowymi dronami z odległej lokalizacji. Ale w przypadku Nvidii, dzięki mocy VR, kierowca poczuje się, jakby był fizycznie obecny w kokpicie. Firma uważa, że ​​symulacja napędzana przez jej układy GPU ostatecznie sprawi, że autonomiczne samochody staną się niemal nieomylne, ale do czasu ich osiągnięcia Holodeck może pomóc ludziom czuwać nad samojezdnymi flotami.