Nvidia Představte si, že jste řidičem čtyřdveřového rodinného sedanu blížícího se stopce. Když dorazíte na stopku, všimnete si cyklisty, který se pokouší přejít silnici. Díky očnímu kontaktu, výrazu obličeje a narážce na řeč těla s vámi vyjedná cyklista své přednosti. Ve výsledku se rozhodnete nechat cyklistu nejprve přejít silnici, než opatrně vstoupíte do křižovatky.
V dnešním světě autonomního řízení by neexistoval způsob, jak takovou událost „označit“ nebo kategorizovat, řekl generální ředitel společnosti Cognata Danny Atsmon. Současné metody vám umožňují vizuálně identifikovat cyklistu, ale tréninkové systémy pro rozpoznání a pochopení složitých jednání na silnici zůstávají výzvou pro odvětví autonomního řízení v hodnotě 10,3 bilionu dolarů.
Autonomní řízení ve skutečnosti představuje „jediný nejtěžší výpočetní problém, s jakým se svět kdy setkal,“ jak připustil generální ředitel NVIDIA Jensen Huang, když představil jedny z nejvýkonnějších grafických procesorů na světě během hlavní přednášky GTC 2018 v San Jose v Kalifornii.
Překlenutí reálného a virtuálního
"Svět najede 10 bilionů mil ročně," uvedl Huang v ostré prezentaci - ale Atsmon poukázal na to, že auta s vlastním řízením loni pokryla pouze tři miliony kilometrů silnic. Aby vozidla s vlastním řízením mohla lépe řídit, musí se naučit více, a to je v zásadě největší výzva, které toto odvětví čelí. Aby mohl systém autonomního řízení trénovat tak, aby měl schopnost lidského řidiče, musely počítače najet zhruba 11 miliard mil, řekl nám Atsmon.
Je to jediný nejtěžší výpočetní problém, se kterým se svět kdy setkal.
Toto číslo je vypočítáno na základě 1,09 smrtelných úrazů na 100 milionů kilometrů najetých v roce 2015. „Takže, řekněme, že stroj může mít stejně bezpečný výkon jako člověk s 95 procenty důvěry, budete muset ověřit na 11 miliard mil, “Řekl Atsmon.
Kromě času potřebného k dosažení tohoto cíle je třeba zvážit také náklady. Právě teď se náklady na kilometr provozu autonomního automobilu pohybují ve stovkách dolarů - počítá se s technickým časem, sběrem a označováním dat, náklady na pojištění a časem řidiče sedět v kokpitu automobilu. Znásobte to referenční hodnotou 11 miliard mil a vyjasní se obrovské náklady spojené s výcvikem autonomních automobilů.
Validace je klíčová a nedávné nehody zahrnující autonomní vozidla ukazují, že neúplné testy dat a scénáře školení se mohou stát fatálními. V jednom méně extrémním příkladu se samojízdný raketoplán v Las Vegas pohyboval rychlostí asi 0,6 mil za hodinu, ale narazil do nákladního vozu (tam, kde se to stalo, byl Jeff Zurschmeide, nezávislý přispěvatel do Digital Trends). Nikdo nebyl zraněn, ale záhadný scénář se stal, protože nákladní vůz táhl dopředu a poté couval zaparkovat, couval. Podle Atsmona bylo příčinou havárie to, že raketoplán nebyl pro tento typ situace ověřen a nevěděl, co má dělat, takže postupoval pomalu vpřed a havaroval.
Lepší simulace pro hlubší učení
Současným řešením tohoto odvětví k překlenutí mezery 11 miliard mil pro autonomní systémy k dosažení kompetencí řidiče člověka je vývoj simulací umožňujících automobilům rychleji se učit kombinací hlubokého učení s virtuálním prostředím.
"Simulace je cesta k miliardám kilometrů," řekl Huang na GTC. Koncem loňského roku představil Waymo vlastněný Alphabet Carcraft, jeho přístup k učení pomocí simulace.
Společnost Cognata využívá nejnovější pokroky v grafickém a senzorovém hardwaru k vytváření realističtějších a realističtějších modelů světa, z nichž se mohou autonomní automobily poučit. Pro výpočetní mozek automobilu s vlastním řízením je to jako vstup do videohry po vzoru skutečného světa, což by mohlo vést k realističtějším scénářům jízdy k testování a ověření údajů o řízení automobilu. Společnost nedávno zmapovala vybraná města, jako je San Francisco, pomocí dat z GIS - kamer s vysokým rozlišením a sofistikovaných počítačových algoritmů, které běží přes snímky satelitů a ulic, což vede k fotorealistické scéně.
Simulace je cesta k miliardám kilometrů.
Aby společnost Nvidia a někteří její partneři dále vylepšili simulace, používají k vytváření map s vyšším rozlišením data ze senzorů autonomních vozidel. Když autonomní vozidla vyrazí na cestu, nebudou se tyto stroje spoléhat pouze na data dostupná prostřednictvím školení, ale také přispějí ke sběru dat sdílením dat, která zachytila ze svých polí LIDAR, IR, radarů a kamer.
Když se tato nově zachycená data zkombinují prostřednictvím hlubokého učení se stávajícími soubory dat nízké kvality, bude ulice a silnice vypadat fotorealističtěji. Cognata tvrdí, že její algoritmy mohou zpracovávat data způsobem, který přináší detaily ve stínech a světlech, podobně jako fotografie HDR z fotoaparátu vašeho smartphonu, a vytváří tak vysoce kvalitní scénu.
I když je simulace vynikajícím nástrojem, Atsmon poznamenal, že má své vlastní nedostatky. Je to příliš jednoduché a aby autonomní řízení bylo realistické, musí se poučit z okrajových případů. Cognata tvrdí, že programování v okrajovém případě trvá jen několik kliknutí, aby se ověřily autonomní vozy pro neobvyklejší scénáře jízdy. Společnosti vyrábějící autonomní vozidla budou muset být pilné při hledání okrajových případů, které mohou oklamat samořídící auta, a kreativní při tvorbě řešení pro ně.
Když selže vlastní jízda
Bezpečnost je pro autonomní vozidla tak zásadní, že ji Nvidia považuje za nejdůležitější věc pro toto odvětví. Když věci selžou, mohou a mohou nastat úmrtí, jak se nedávno prokázalo, když autonomní Uber udeřil a zabil chodce v Arizoně.
"Mohu vás ujistit, že [Uber] je stejně rozdrcený, co se stalo."
Když byl Huang vyslýchán na tiskové schůzce o havárii Uberu - Uber je partnerem společnosti Nvidia - odložil Huang společnost pro sdílení jízd, aby řekl: „Měli bychom dát Uberu šanci pochopit, co se stalo, a vysvětlit, co se stalo. “
"Mohu vás ujistit, že [Uber] je stejně rozdrcený, co se stalo," dodal Huang.
Protože Nvidia vyvíjí komplexní řešení pro autonomní řízení, mohou různí partneři - od Uberu až po Toyota a Mercedes Benz - využívat celý systém nebo jeho části. "Po celém světě existuje asi 370 společností, které nějakým způsobem využívají naše technologie." Na veletrhu Nvidia také oznámila Orin, počítač nové generace své platformy DRIVE.
Nvidia Lidé jako záloha
I když jsou auta s vlastním pohonem v průběhu času chytřejší, Huang stále věří, že by vždy měla existovat lidská záloha, a to i v případech, kdy je vůz navržen bez sedadla řidiče. Aby toho dosáhla, představila Nvidia svůj Holodeck během letošního keynote GTC, který umožňoval dálkovému ovladači ovládat fyzický vůz v reálném čase prostřednictvím virtuální reality.
"Je to teleportace," řekl Huang a zdůraznil, že je to možné díky časným investicím společnosti Nvidia do virtuální reality.
Během ukázky byl řidič Tim umístěn na vzdáleném místě. Když si nasadí brýle pro virtuální realitu, bude se cítit jako ve fyzickém autě, což mu umožní cítit auto a vidět ovládací prvky a přístrojovou desku vozu. Z tohoto vzdáleného místa mohl pomocí náhlavní soupravy VR převzít kontrolu nad autonomním vozidlem, což mu umožnilo řídit vozidlo a zaparkovat ho.
Je to jako to, co armáda už nějakou dobu dělá - umožňuje operátorům dronů létat bezpilotní drony ze vzdáleného místa. Ale v případě Nvidie, s výkonem VR, bude mít řidič pocit, že je v kokpitu fyzicky přítomen. Společnost věří, že simulace využívající její GPU nakonec způsobí, že autonomní auta budou téměř neomylná, ale dokud jim Holodeck nepomůže, lidé mohou hlídat flotily s vlastním pohonem.
