您好 ,欢迎来到路之遥电子网!

首页>行业资讯>行业要闻>黄仁勋:自动驾驶已完成 你们装车上就好

黄仁勋:自动驾驶已完成 你们装车上就好

2016年01月09日 15:14 来源:ZOL.COM 已被阅读 1032

评论:0

发表评论

NVIDIA总裁黄仁勋在每年的CES上都会召开发布会,做主题演讲。在过去3年,他谈的话题都是汽车自动驾驶技术,到今年也不例外,而且他还直接把NVIDIA展台搬到了汽车馆,只展示最新的车载智能终端和自动驾驶技术,游戏、GPU都不谈了。当然这并不表示NVIDIA要转型成为一家汽车智能公司,黄仁勋称:“NVIDIA目前关注的重点业务分别是游戏、人工智能和自动驾驶技术。而自动驾驶技术的代表就是这次CES上发布的PX2车载终端,应用了下一代Pascal架构的智能驾驶平台。”

游戏方面,自然是游戏显卡,特别是运行在GeFore显卡上的VR游戏,NVIDIA将始终把这部分业务作为重心,只是这次CES在GPU方面没有什么新消息发布,我们等4月份的GDC再看吧。NVIDIA在Wynn酒店设置了一个小展厅,邀请一部分记者去体验市面上最优秀的几个VR解决方案在GeForce显卡上运行的效果。

人工智能方面,是利用GPU的强大并行计算能力,实现深度学习在神经网络上的应用。黄仁勋说,微软、谷歌、百度都展示了胜过人脑的图像或语言识别技术,而这些技术都是基于NVIDIA GPU开发的。这是计算机在历史上第一次具备了超越人类的感知(perception)能力。人工智能是计算机科学和应用领域最具潜力的话题,NVIDIA不但在硬件层面提供了优秀的计算能力,而且在软件方面也有了很多成绩。

作为与生命安全紧密相关的应用,汽车的自动驾驶平台必须具备超过人脑的感知能力和稳定的注意力才可能被广泛应用。而具备深度学习能力的神经网络平台,正是汽车自动驾驶所需要的,这也是NVIDIA这几年最看重的市场。在这个市场NVIDIA已经取得了不少成绩,奥迪汽车的自动驾驶功能就是在NVIDIA提供的平台上实现的。

● 什么是神经网络?

神经网络是一种有趣的计算技术。简单地说,它是一个由很多节点组成的数据处理网络。节点之间互相连接,上一层节点的输出是下一层节点的输入。每个节点的输入权重可以调整,需要经过学习才能确定。神经网络的学习过程就是拿大量的数据样本作为输入,然后考察网络的输出,对正确的结果予以“奖励”,错误的结果进行“惩罚”,然后对应调整节点的权重和作用。最后,通过海量的数据训练,神经网络自己就学习到了能获得最佳输出结果的模式。

与常规的程序不同,神经网络在写好的时候并没有任何智能,而是需要训练才能发挥作用。这也让它具备了动态学习和升级的能力。这是神经网络在人工智能应用中非常重要的优势,后面我们会讲到。

普通的神经网络可以做垃圾邮件检测这样的工作,但要做到实时而且可靠地识别行人、汽车甚至路牌标志,就需要深度神经网络了。随着节点数量和网络层级的快速增加,训练和运行深度神经网络需要的计算能力也呈指数级别提升,只有强大的并行计算引擎才能有效完成这个工作。NVIDIA新一代的神经网络技术已经可以将以前需要一年时间的训练缩短到一个月就完成。
    
● NVIDIA的自动驾驶框架

    在NVIDIA看来,要实现汽车的自动驾驶有三个问题需要解决。

    第一,知道自己在哪里。借助GPS、地图以及传感器,汽车需要了解自己的位置,不但要知道在哪个地点,还得精确到厘米级别,在主路的第几条车道上。

    第二,知道汽车周围有什么。汽车需要能“看见”周围的情况,也就是汽车需要像人类一样知道前面是卡车在减速,左面后方有SUV在远处,右边人行道有小孩、远处路口是绿灯而且不能左转,分辨交通时这样的信息。

    第三,作出正确的驾驶决策:现在从左侧超车可以安全地通过路口,并控制汽车完成相应的动作。

    显然,要解决这三个问题都需要人工智能才可以。

● 可以成长的软硬件架构

神经网络具有传统程序无法超越的灵活性,如果是直接针对每一种情况写程序,即使消耗海量的资源能写出来,只要路面上出现一辆从没见过的汽车类型,程序就无法处理了。

而神经网络可以从云端下载新的数据,自动完成升级——这种应用的学习过程需要在超级计算机上才可以,别忘了前面提到过以前的学习时间是以年为单位计算的。

司机在自动驾驶过程中对汽车的操作,比如某种情况下必须刹车,也能反应到云端,当数据积累足够多的时候,司机也在帮助训练神经网络。因为自动驾驶的初始设定必然很保守, 神经网络也可以实现司机的个人驾驶风格,比如有的人总是喜欢快一点拐弯或者尽量提前加速,在操作汽车的时候,它也能在安全的前提下学习并记住个性化需求。

软件能够成长,模块化的NVIDIA驾驶平台也有广泛的硬件适应性。NVIDIA在这次CES上发布的PX2系统,能够支持不同级别的自动驾驶操作。如果只需要简单的封闭高速公路驾驶,那么较少的摄像头和传感器以及最少的处理器数量就能完成。而如果需要在任何城市内复杂路口都能自动而且安全地驾驶,系统的配置就需要最大化。

在一个架构、一个平台、一个软件体系上,NVIDIA能够实现从辅助驾驶到全自动驾驶的能力,如何选择取决于汽车厂商。

● 自动驾驶的未来

黄仁勋认为,自动驾驶的首要目标必须是更安全。我们现在使用汽车的模式其实风险非常高,而感知能力超越人类,又永远会集中精力的计算,将极大提高汽车的安全性。在未来,个人化的公共交通工具也将有望实现,比如实现一个没有司机的Uber。

到了2016年初,黄仁勋对自动驾驶的实用化前景已经非常乐观:“全自动驾驶的硬件环境已经很接近实用了,现在我们的系统就可以让汽车在高速公路和城市的复杂路况上都实现自动驾驶。”

  • 00.gif
  • 01.gif
  • 02.gif
  • 03.gif
  • 04.gif
  • 05.gif
  • 06.gif
  • 07.gif
  • 08.gif
  • 09.gif
  • 10.gif
  • 11.gif
  • 12.gif
  • 13.gif
  • 14.gif
  • 15.gif
  • 16.gif
  • 17.gif
  • 18.gif
  • 19.gif
  • 20.gif
  • 21.gif
  • 22.gif
  • 23.gif
  • 24.gif
  • 25.gif
  • 26.gif
  • 27.gif
  • 28.gif
  • 29.gif
  • 30.gif
  • 31.gif
  • 32.gif
  • 33.gif
  • 34.gif
  • 35.gif
  • 36.gif
  • 37.gif
  • 38.gif
  • 39.gif
  • 40.gif
  • 41.gif
  • 42.gif
  • 43.gif
  • 44.gif
  • 45.gif
  • 46.gif
  • 47.gif
  • 48.gif
  • 49.gif
  • 50.gif
  • 51.gif
  • 52.gif
  • 53.gif
  • 54.gif
  • 55.gif
  • 56.gif
  • 57.gif
  • 58.gif
  • 59.gif
  • 60.gif
  • 61.gif
  • 62.gif
  • 63.gif
  • 64.gif
  • 65.gif
  • 66.gif
  • 67.gif
  • 68.gif
  • 69.gif
  • 70.gif
  • 71.gif
  • 72.gif
  • 73.gif
  • 74.gif
  • 75.gif
  • 76.gif
  • 77.gif
  • 78.gif
  • 79.gif
  • 80.gif
  • 81.gif
  • 82.gif
  • 83.gif
  • 84.gif
  • 85.gif
  • 86.gif
  • 87.gif
  • 88.gif
  • 89.gif
  • 90.gif
  • 91.gif
  • 92.gif
  • 93.gif
  • 94.gif
  • 95.gif
  • 96.gif
  • 97.gif
  • 98.gif
  • 99.gif
  • 100.gif
  • 101.gif
  • 102.gif
  • 103.gif
  • 104.gif

发表评论

表情 验证码

热度排行