Тренировка «мозга» беспилотного автомобиля

Когда беспилотный автомобиль едет по дороге, даже самая простая среда генерирует огромные объемы данных каждую минуту, поскольку датчики и камеры постоянно фиксируют 360-градусный обзор окружения автомобиля.

Автомобиль Torc проезжает через Сиэтл.

«Глаза» нашего автомобиля состоят из радара, LiDAR и камер. Они работают вместе для сбора информации о дороге в режиме реального времени, включая объекты, знаки, полосы движения и светофоры. Следующим шагом является осмысление всех этих данных. В наших беспилотных автомобилях используется ключевой вычислительный компонент, заимствованный из технологии видеоигр, — графический процессор (GPU).

Графический процессор известен приложениями в графике видеоигр, где его способность одновременно обрабатывать большие объемы данных используется для создания пикселей и форм, составляющих игру. По мере того как графические процессоры становились все более мощными, появлялись и другие области применения этой технологии, в том числе в области искусственного интеллекта и беспилотных автомобилей.

Мы использовали графические процессоры архитектуры NVIDIA Pascal для обучения и получения выводов для нашей автономной системы с самого начала нашей текущей программы по беспилотным автомобилям. Они используются на серверах вне автомобиля для обучения и уточнения наших алгоритмов, а также в автомобиле для обнаружения и классификации данных датчиков.

Главный технический директор Torc Бен Хастингс говорит:«Графические процессоры NVIDIA позволяют нам быстро обучать и развертывать нейронные сети и другие массивно-параллельные алгоритмы, которые позволяют нашим автомобилям понимать окружающий мир».

Чтобы создать систему, способную принимать разумные решения на дороге, мы используем глубокие нейронные сети, которые предназначены для обучения подобно человеческому мозгу. Наши алгоритмы обучаются с использованием серверов графических процессоров, которые имитируют сценарии в дороге. Благодаря глубокому обучению мы можем быстро улучшить классификацию системы и принятие решений без необходимости физически управлять беспилотным автомобилем по всем возможным сценариям. Например, мы можем обучить систему распознавать знаки ограничения скорости, передавая в сеть данные о различных знаках. Оказавшись на дороге, он может распознавать новый знак ограничения скорости, проходящий по дороге, в режиме реального времени, без необходимости заранее программировать информацию о каждом знаке ограничения скорости.

Приложения также распространяются на рендеринг объектов и наложение на наши дисплеи видеозаписи дороги в реальном времени. По мере того как датчики и камеры передают информацию в систему, графические процессоры преобразуют необработанные данные в изображения, отображающие то, что «видит» автомобиль, таким образом, который более точно имитирует то, что видит человек.

Такие компании, как NVIDIA, продолжают развивать дизайн и производительность своих графических процессоров, переходя от оборудования более общего назначения к устройствам, специально разработанным для беспилотных автомобильных систем. Например, мощные, но энергоэффективные графические процессоры необходимы для массового производства беспилотных автомобилей, особенно при использовании на электромобилях. Новые инновации появляются каждый день, и каждое улучшение — это еще один шаг к тому, чтобы сделать автономный транспорт доступным для всех.