När en självkörande bil färdas på en väg genererar även den enklaste miljön enorma mängder data varje minut, eftersom sensorer och kameror kontinuerligt fångar en 360-graders bild av bilens omgivning.
Torc-fordon som reser genom Seattle.
Vår bils "ögon" består av radar, LiDAR och kameror. De samarbetar för att samla in information om vägen i realtid – inklusive föremål, skyltar, körfältslinjer och trafikljus. Nästa steg är att förstå all denna data. Våra självkörande bilar använder en viktig datorkomponent som härrör från videospelsteknik – grafikprocessorn (GPU).
GPU:n är känd för applikationer inom videospelsgrafik, där dess förmåga att bearbeta stora mängder data på en gång används för att generera de pixlar och former som utgör spelet. I takt med att GPU:er har blivit kraftfullare uppstod andra applikationer för denna teknik, inklusive de i artificiell intelligens och självkörande bilar.
Vi har använt NVIDIA Pascal Architecture GPU:er för att utföra träning och slutledning för vårt autonoma system från starten av vårt nuvarande självkörande bilprogram. De används i servrar utanför fordonet för att träna och förfina våra algoritmer, såväl som i bilen för att upptäcka och kategorisera sensordata.
Torc Chief Technology Officer Ben Hastings säger:"NVIDIA GPU:er gör det möjligt för oss att snabbt träna och distribuera neurala nätverk och andra massivt parallella algoritmer som gör att våra fordon kan förstå världen runt dem."
För att skapa ett system som kan fatta smarta beslut på vägen använder vi djupa neurala nätverk, som är designade för att lära sig på ett liknande sätt som den mänskliga hjärnan. Våra algoritmer tränas med servrar med GPU:er som simulerar scenarier på vägen. Genom djupinlärning kan vi snabbt förbättra systemets klassificering och beslutsfattande utan att fysiskt behöva köra den autonoma bilen genom alla möjliga scenarier. Till exempel kan vi träna systemet att känna igen hastighetsbegränsningsskyltar genom att mata nätverksdata om en mängd olika skyltar. När den väl är på vägen kan den känna igen en ny hastighetsskylt som passerats på vägen i realtid, utan att behöva förprogrammera information om varje hastighetsskylt i förväg.
Applikationerna sträcker sig även till objektrendering och överlagringar på våra visningar av realtidsvideo av vägen. När sensorerna och kamerorna matar information till systemet översätter GPU:er rådata till bilder som visar vad bilen "ser" på ett sätt som mer efterliknar vad en människa skulle se.
Företag som NVIDIA fortsätter att utveckla sin GPU-design och prestanda från mer allmänt använd utrustning till enheter speciellt designade för självkörande bilsystem. Till exempel är kraftfulla men energisnåla grafikprocessorer väsentliga för att massproducera självkörande bilar, särskilt när de används på elfordon. Nya innovationer görs varje dag, och varje förbättring är ytterligare ett steg mot att göra autonoma transporter tillgängliga för alla.
