CNPing车内评
汽车电子评测第一新媒体

与乔治 霍兹相似的思路 Nvidia自研发汽车自动驾驶技术

1

如何训练一辆拥有自动驾驶功能的汽车?观察司机的驾驶行为也许是其方法之一。来自 Nvidia (英伟达)的工程师设计了一套能够通过观察驾驶员的驾驶行为的系统:让汽车学习如何驾驶。

2

关于 Nvidia 如何「训练」测试车的基本原理,大致如下:Nvidia 使用了 3 个摄像头和 2 台 DRIVE PX 计算机累计观察驾驶员 72 个小时。这种「训练」在美国多个州、不同天气条件和时间以及多种道路类型和路况上进行。摄像头会以 3D 的形式捕捉到大量的数据,GPU 则会对这些信息进行追踪和存储。这些数据随后会被机器学习系统Torch 7分析并分解成学习步骤,最终打造出一个无需驾驶员干预的自动驾驶系统
Nvidia 使用的这套训练系统已经在美国公共道路(包括高速公路)上进行了测试,测试的结果是:系统能达到 98 到 100% 的自动驾驶能力。值得注意的是,当驾驶员进行手动干预时,系统还会继续进行学习
这是一套基于 GPU 的系统:包含摄像头和一台计算机。等产品真正上市、用户购买之后,汽车便可立即获得自动驾驶能力,无需进行更多的训练。虽然汽车可以进行自动行驶,但当通过摄像头检测到之前没有遇到过的情况时,系统会提醒驾驶员接管方向盘,并进入学习模式。系统在这种情况下学习到的内容随后会被传输到云端,并融入到未来的软件升级当中。换句话说,如果未来系统再遇到此类情况,它知道该如何应对。
最近在GMIC全球移动互联网大会上,Nvidia 全球副总裁、中国区总经理张建中表示:正是由于 GPU 的进步,才使得深度学习的人工智能行业、虚拟现实行业、游戏交互行业得以高速发展。
对于自动驾驶的应用,张建中认为:「我们发现几乎所有的车厂都是让汽车识别前方的物体,运用雷达测试精确的距离以及利用一些超声波设备,探测周围的路况及物体,并且用红外设备辅助夜间行驶。Nvidia 则不同,我们打造的是一个端到端的解决方案(End to End Learning for Self-Driving Cars),在人端或者是训练端,用 DGX-1 训练模型,让系统得以很好的训练,以便在遇到极其复杂的路况做出决策」。
从现在看来,这种「学习观察法」比起程序员根据路面情况、车道线标识、信号灯、交通情况编写的一系列规则更为实际和实用。因为这套基于 GPU 的系统能够收集数据并从中创造自己的规则。
Nvidia 表示,目前已有超过 80 家大型 OEM 厂商和研究机构正在与他们洽谈合作事宜,其中包括沃尔沃。这家汽车厂商将于明年在瑞典哥德堡进行一个名为 Drive Me 的项目,届时他们将使用 100 辆配备 Nvidia 自动驾驶系统的 XC90 来测试该系统在道路上的表现。

编后语:

乔治·霍兹(George Hotz),黑苹果和索尼PS游戏机的第一人,目前正在专攻汽车无人驾驶领域。根据目前很多无人驾驶的技术资料,我们可以看到各大公司的技术是通过各种代码和雷达等硬件设备,让机器认知前方的障碍物,和汽车周遭环境下自动驾驶,因为路面的不同所以所需要完成的工作非常复杂。而乔治·霍兹却另辟蹊径(这个想法的第一人),让机器模仿自己开车的情景,来让汽车达到自动驾驶的能力,而且在去年已经完成上路。这种方法的好处是开发的成本非常小,他计划开发出一套成本仅1000美元的设备。Nvidia的做法跟霍兹的思路有些相似。

未经允许不得转载:CNPing车内评 » 与乔治 霍兹相似的思路 Nvidia自研发汽车自动驾驶技术

分享到:更多 ()

国民猫叔,萌

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

车内评-汽车电子产品评测第一新媒体

联系我们加入我们