Wanneer een zelfrijdende auto over een weg rijdt, genereert zelfs de eenvoudigste omgeving elke minuut enorme hoeveelheden gegevens, omdat sensoren en camera's continu een 360-graden beeld van de omgeving van de auto vastleggen.
Torc-voertuig dat door Seattle rijdt.
De "ogen" van onze auto zijn samengesteld uit radar, LiDAR en camera's. Ze werken samen om in realtime informatie over de weg te verzamelen, inclusief objecten, borden, rijstrooklijnen en verkeerslichten. De volgende stap is om al die gegevens te begrijpen. Onze zelfrijdende auto's gebruiken een belangrijke computercomponent die afkomstig is uit videogametechnologie:de grafische verwerkingseenheid (GPU).
De GPU staat bekend om toepassingen in de grafische weergave van videogames, waarbij het vermogen om grote hoeveelheden gegevens tegelijk te verwerken, wordt gebruikt om de pixels en vormen te genereren waaruit het spel bestaat. Naarmate GPU's krachtiger werden, ontstonden er andere toepassingen voor deze technologie, waaronder die in kunstmatige intelligentie en zelfrijdende auto's.
We gebruiken NVIDIA Pascal Architecture GPU's om training en inferentie voor ons autonome systeem uit te voeren vanaf het begin van ons huidige zelfrijdende auto-programma. Ze worden gebruikt op servers buiten het voertuig om onze algoritmen te trainen en te verfijnen, en in de auto om sensorgegevens te detecteren en te categoriseren.
Ben Hastings, Chief Technology Officer van Torc, zegt:"NVIDIA GPU's stellen ons in staat om snel neurale netwerken en andere massaal parallelle algoritmen te trainen en in te zetten waarmee onze voertuigen de wereld om hen heen kunnen begrijpen."
Om een systeem te creëren dat onderweg slimme beslissingen kan nemen, gebruiken we diepe neurale netwerken, die zijn ontworpen om op een vergelijkbare manier als het menselijk brein te leren. Onze algoritmen zijn getraind met behulp van servers van GPU's die scenario's onderweg simuleren. Door middel van deep learning kunnen we de classificatie en besluitvorming van het systeem snel verbeteren zonder dat we de autonome auto fysiek door elk mogelijk scenario hoeven te rijden. We kunnen het systeem bijvoorbeeld trainen om snelheidsborden te herkennen door de netwerkgegevens over verschillende borden te voeren. Zodra het op de weg is, kan het een nieuw snelheidsbord herkennen dat op de weg wordt gepasseerd in realtime, zonder dat het vooraf informatie over elk snelheidsbord hoeft te programmeren.
De toepassingen strekken zich ook uit tot objectweergave en overlays op onze displays van realtime videobeelden van de weg. Terwijl de sensoren en camera's informatie naar het systeem sturen, vertalen GPU's de onbewerkte gegevens naar beelden die weergeven wat de auto 'ziet' op een manier die beter overeenkomt met wat een mens zou zien.
Bedrijven zoals NVIDIA blijven hun GPU-ontwerp en -prestaties ontwikkelen van apparatuur voor meer algemeen gebruik naar units die speciaal zijn ontworpen voor zelfrijdende autosystemen. Krachtige en toch energiezuinige GPU's zijn bijvoorbeeld essentieel voor massaproductie van zelfrijdende auto's, vooral bij gebruik in elektrische voertuigen. Elke dag worden er nieuwe innovaties gedaan en elke verbetering is een volgende stap om autonoom vervoer voor iedereen toegankelijk te maken.
