Wie Nvidia autonomen Autos hilft, ihren Weg in die Sicherheit zu simulieren

Nvidia

Stellen Sie sich vor, Sie sind der Fahrer einer viertürigen Familienlimousine, die sich einem Stoppschild nähert. Wenn Sie das Stoppschild erreichen, bemerken Sie einen Radfahrer, der versucht, die Straße zu überqueren. Durch Augenkontakt, Gesichtsausdruck und körpersprachliche Hinweise verhandelt der Radfahrer mit Ihnen über seine Vorfahrt. Infolgedessen entscheiden Sie sich, den Radfahrer zuerst die Straße überqueren zu lassen, bevor Sie vorsichtig die Kreuzung betreten.

In der heutigen autonomen Fahrwelt gibt es keine Möglichkeit, ein solches Ereignis zu „markieren“ oder zu kategorisieren, sagte Danny Atsmon, CEO von Cognata. Aktuelle Methoden ermöglichen es Ihnen, den Radfahrer visuell zu identifizieren, aber Trainingssysteme zum Erkennen und Verstehen komplexer Verhandlungen auf der Straße bleiben eine Herausforderung für die autonome Fahrbranche von 10,3 Billionen US-Dollar.

Tatsächlich stellt autonomes Fahren „das härteste Computerproblem dar, auf das die Welt jemals gestoßen ist“, wie NVIDIA-CEO Jensen Huang zugab, als er während der GTC 2018-Keynote in San Jose, Kalifornien, einige der leistungsstärksten Grafikprozessoren der Welt vorstellte.

Brücke zwischen Realem und Virtuellem

"Die Welt fährt 10 Billionen Meilen pro Jahr", sagte Huang in einer spitzen Präsentation - aber Atsmon wies darauf hin, dass selbstfahrende Autos im vergangenen Jahr nur drei Millionen Meilen Straßen zurücklegten. Damit selbstfahrende Fahrzeuge besser fahren können, müssen sie mehr lernen, und das ist im Grunde die größte Herausforderung für die Branche. Um ein autonomes Fahrsystem so zu trainieren, dass es die Kompetenz eines menschlichen Fahrers besitzt, müssten Computer ungefähr 11 Milliarden Meilen fahren, sagte Atsmon.

Es ist das schwierigste Computerproblem, auf das die Welt jemals gestoßen ist.

Diese Zahl wird basierend auf den 1,09 Todesfällen pro 100 Millionen gefahrenen Meilen im Jahr 2015 berechnet. „Um zu sagen, dass eine Maschine mit 95 Prozent Vertrauen eine so sichere Leistung wie ein Mensch haben könnte, müssten Sie für 11 Milliarden Meilen validieren. Sagte Atsmon.

Abgesehen von der Zeit, die benötigt wird, um dieses Ziel zu erreichen, sind auch die Kosten zu berücksichtigen. Derzeit belaufen sich die Kosten pro Meile für den Betrieb eines autonomen Autos auf Hunderte von Dollar - einschließlich Engineering-Zeit, Datenerfassung und -kennzeichnung, Versicherungskosten und der Zeit, die ein Fahrer benötigt, um im Cockpit eines Autos zu sitzen. Multiplizieren Sie dies mit dem 11-Milliarden-Meilen-Benchmark, und die massiven Kosten, die mit dem Training autonomer Autos verbunden sind, werden deutlich.

Die Validierung ist der Schlüssel, und die jüngsten Unfälle mit autonomen Fahrzeugen zeigen, dass unvollständige Datentests und Trainingsszenarien tödlich sein können. In einem weniger extremen Beispiel fuhr ein selbstfahrendes Shuttle in Las Vegas mit einer Geschwindigkeit von ungefähr 1 km / h, stürzte jedoch gegen einen Lastwagen (Jeff Zurschmeide, ein freiberuflicher Mitarbeiter von Digital Trends, war dabei). Niemand wurde verletzt, aber das rätselhafte Szenario ereignete sich, weil der Lastwagen vorwärts fuhr und dann rückwärts fuhr, als er versuchte zu parken. Die Ursache für den Absturz ist laut Atsmon, dass das Shuttle nicht für diese Art von Situation validiert wurde und nicht wusste, was zu tun ist - also ging es langsam vorwärts und stürzte ab.

Bessere Simulation für tieferes Lernen

Die derzeitige Lösung der Branche zur Überbrückung der 11-Milliarden-Meilen-Lücke für autonome Systeme, um die menschliche Fahrkompetenz zu erreichen, besteht darin, Simulationen zu entwickeln, mit denen Autos schneller lernen können, indem sie tiefes Lernen mit einer virtuellen Umgebung kombinieren.

Wie NVIDIA autonomen Autos hilft, ihren Weg zur Sicherheit zu simulierenwie nvidia autonomen autos hilft, ihren weg zur sicherheits-cognata-wetterkontrolle zu simulierenwie nvidia autonomen autos hilft, ihren weg zur sicherheit cognata lidar zu simulierenwie nvidia autonomen autos hilft, ihren weg zu sicherheitskognaten hd karten zu simulieren

"Simulation ist der Weg zu Milliarden von Meilen", sagte Huang bei GTC. Ende letzten Jahres stellte Waymo im Besitz von Alphabet Carcraft vor, seinen Ansatz zum Lernen durch Simulation.

Cognata nutzt die neuesten Fortschritte bei Grafik- und Sensorhardware, um lebensechte und realistische Modelle der Welt zu erstellen, von denen autonome Autos lernen können. Für das Computergehirn eines selbstfahrenden Autos ist es wie das Eingeben eines Videospiels, das der realen Welt nachempfunden ist, und dies könnte zu realistischeren Fahrszenarien führen, um Autofahrdaten zu testen und zu validieren. Das Unternehmen hat kürzlich ausgewählte Städte wie San Francisco mithilfe von Daten aus GIS kartiert - hochauflösende Kameras und ausgefeilte Computeralgorithmen, die über Satelliten- und Straßenbilder laufen, was zu einer fotorealistischen Szene führt.

Simulation ist der Weg zu Milliarden von Meilen.

Um die Simulationen weiter zu verbessern, verwenden Nvidia und einige seiner Partner Daten von den Sensoren autonomer Fahrzeuge, um Karten mit höherer Auflösung zu erstellen. Wenn autonome Fahrzeuge auf die Straße fahren, stützen sich diese Maschinen nicht nur auf die Daten, die durch Schulungen verfügbar sind, sondern tragen auch zur Datenerfassung bei, indem sie die Daten teilen, die sie von ihren LIDAR-, IR-, Radar- und Kamera-Arrays erfasst haben.

Wenn diese neu erfassten Daten durch tiefes Lernen mit vorhandenen Datensätzen geringer Qualität kombiniert werden, wirken Straßen und Wege fotorealistischer. Cognata behauptet, dass seine Algorithmen die Daten so verarbeiten können, dass Details in Schatten und Lichtern hervorgehoben werden, ähnlich wie bei einem HDR-Foto von der Kamera Ihres Smartphones, um eine qualitativ hochwertige Szene zu erstellen.

Während Simulation ein ausgezeichnetes Werkzeug ist, stellte Atsmon fest, dass es seine eigenen Mängel aufweist. Es ist zu einfach und damit autonomes Fahren realistisch ist, muss es aus Randfällen lernen. Cognata behauptet, dass es nur wenige Klicks dauert, um in einem Randfall zu programmieren, um autonome Fahrzeuge für ungewöhnlichere Fahrszenarien zu validieren. Unternehmen, die autonome Fahrzeuge bauen, müssen fleißig nach Randfällen suchen, die selbstfahrende Autos austricksen können, und kreativ Lösungen für sie entwickeln.

Wenn das Selbstfahren fehlschlägt

Sicherheit ist für autonome Fahrzeuge so wichtig, dass Nvidia sie für das Wichtigste in der Branche hält. Wenn Dinge scheitern, können und passieren Todesfälle, wie kürzlich bewiesen wurde, als ein autonomer Uber einen Fußgänger in Arizona schlug und tötete.

"Ich kann Ihnen versichern, dass [Uber] bei dem, was passiert ist, gleichermaßen niedergeschlagen ist."

Als Huang in einer Pressekonferenz über den Uber-Absturz befragt wurde - Uber ist ein Partner von Nvidia -, wandte er sich an die Mitfahrzentrale, um Kommentare zu erhalten: „Wir sollten Uber die Möglichkeit geben, zu verstehen, was passiert ist, und zu erklären, was passiert ist. ”

"Ich kann Ihnen versichern, dass [Uber] bei dem, was passiert ist, gleichermaßen niedergeschlagen ist", fügte Huang hinzu.

Da Nvidia eine End-to-End-Lösung für autonomes Fahren entwickelt, können verschiedene Partner - von Uber über Toyota bis Mercedes Benz - das gesamte System oder Teile davon nutzen. "Es gibt rund 370 Unternehmen auf der ganzen Welt, die unsere Technologien auf irgendeine Weise einsetzen." Auf der Messe kündigte Nvidia auch Orin an, den Computer der nächsten Generation seiner DRIVE-Plattform.

Nvidia-autonome-Autos-Holodeck Nvidia

Menschen als Backup

Während selbstfahrende Autos mit der Zeit immer intelligenter werden, ist Huang immer noch der Ansicht, dass es immer eine menschliche Unterstützung geben sollte, selbst in Fällen, in denen ein Auto ohne Fahrersitz konstruiert ist. Um dies zu erreichen, präsentierte Nvidia sein Holodeck während der diesjährigen GTC-Keynote, mit der ein Fernfahrer ein physisches Auto in Echtzeit über die virtuelle Realität steuern kann.

"Es ist Teleportation", sagte Huang und betonte, dass dies durch Nvidias frühe Investitionen in die virtuelle Realität möglich ist.

Während der Demo befand sich Tim, der Fahrer, an einem entfernten Ort. Wenn er eine Virtual-Reality-Brille aufsetzt, fühlt er sich wie in einem physischen Auto, sodass er das Auto fühlen und die Bedienelemente und die Instrumententafel des Autos sehen kann. Von diesem abgelegenen Ort aus konnte er mit Hilfe seines VR-Headsets die Kontrolle über ein autonomes Fahrzeug übernehmen und das Fahrzeug fahren und parken.

Es ist wie das, was das Militär seit einiger Zeit tut - Drohnenoperatoren können unbemannte Drohnen von einem entfernten Ort aus fliegen. Aber in Nvidias Fall wird der Fahrer mit der Kraft der VR das Gefühl haben, physisch im Cockpit präsent zu sein. Das Unternehmen glaubt, dass Simulationen, die von seinen GPUs angetrieben werden, autonome Autos nahezu unfehlbar machen werden, aber bis dahin kann das Holodeck den Menschen helfen, über selbstfahrende Flotten zu wachen.