自動駕駛進化論:淺談 NVIDIA 2016 至今的自動駕駛技術發展

人工智慧與自動駕駛,儼然成為 NVIDIA 近年的重點發展方向,今年也在全球舉辦的各場 GTC 中陸續公布相關規劃,今年無論是硬體或是軟體也都有相當大的進展,稍早台灣 NVIDIA 也與媒體回顧了今年自 CES 起到稍早為止的自動駕駛進展做了回顧,來看看今年到目前為止有甚麼重要的進展吧。

硬體:

今年初的 CES 所公布採用 Tegra Parker 的新一代自動駕駛車平台 DRIVE PX 2 ,而後續也因應不同的自動駕駛層級推出三個延伸的版本;針對 Level 2 的高速公路自動巡航,以採用單顆 Tegra Parker 應用處理器的 10W 架構 Drive PX2 Autocruse 架構對應,此版本已經足以處理高速公路巡航基本的需求,包括距離控制、道路標線,以及支援 HD 地圖等。

至於 Level 3 以上作為人力可介入的準自動駕駛,則以年初所公布採用雙 Parker 搭配雙 Pascal GPU 的標準 Drive PX2 對應,隨著運算核心增倍,並且搭配效能更高的 Pascal GPU ,雖然功耗也一口氣達到 80W ,卻能提供高達 20 TFLOPS 的效能。

現階段若希望能達到 Level 4 (基本上已經是自動駕駛但仍需有人乘坐於駕駛位置)、 Level 5 (無人駕駛)的全自動駕駛,現階段則是利用多個 PX2 模組串接的方式,使效能再更進一步提升。

雖然在 8 月份才正式揭開 Tegra Parker 的規格與架構面紗,但 NVIDIA 卻又於 9 月份的歐洲場 GTC 宣布次世代的車載人工智慧應用處理器 XAVIER , XAVIER 更進一步使用 NVIDIA 的 8 核心客製化核心架構,並搭配全新的 Pascal GPU ,使得 XAVIER 單晶片就可達到媲美現行需要雙 SoC 搭配雙 GPU 的 20TFLOPS 效能,但僅需單晶片與 20W 功耗,對於車載而言更能進一步減少空間與電力的消耗。

雖然 XAVIER 並不會那麼快問世,預計最快也要到 2017 年末至 2018 年初,正式被車廠採納恐怕還要更久,但卻可顯見在短時間內,車載平台的基礎運算能力還有更進一步提升的可能性,在硬體打好基礎之後,也更能夠讓軟體有發揮的空間。

軟體:

雖然 NVIDIA 是以硬體起家,不過隨著市場需求,幾年前的 GTC 大會上, NVIDIA 執行長黃仁勳已經多次表示 NVIDIA 現在已經不僅只是硬體公司,亦是提供軟體與解決方案的公司;為了自動駕駛, NVIDIA 也宣布推出相關的自動駕駛平台 Driveworks ,這是一項基於深度學習架構的框架工具,可讓開發者可使用這些工具加速自動駕駛的技術開發。

Driveworks 包括多個方面的領域的功能,包含混合大量感測器的演算,機器視覺演算,車輛的空間定位以及與 TomTom 攜手的高解析地圖資訊等基本功能;同時 NVIDIA 也為了驗證 Driveworks 與硬體平台的效能,打造了代號 BB8 的自動駕駛展示方案。

NVIDIA 也展示其軟硬體一致性與 Driveworks 相輔相成的優勢,藉由 DGX-1 作為人工智慧培訓的核心硬體,而在端末採用 Drive PX 平台,已藉由車輛進行自動駕駛產生邏輯與驗證邏輯,將資料回送到 DGX-1 再度訓練人工智慧後,再重複把新的邏輯投入自動駕駛車進行測試與驗證,中間不需要將訓練的邏輯結果進行轉譯,可讓 DGX-1 與 Drive PX 平台使用相同的邏輯。

同時為了加速自動駕駛產業的深度學習邏輯培訓, NVIDIA 也在今年打造基於 124 套 DGX-1 硬體平台構成的超級電腦 SATURNV ,這套平台是為了自動駕駛所打造,一方面也是為了宣示 NVIDIA 的 Pascal 架構與 NVLink 所帶來的強大效能,一口氣打進高效率超級電腦榜首以及 Top 500 超級電腦第 28 名。

產業進展:

雖然自動駕駛技術目前仍在開發階段,但已經有許多車廠、研究機構導入 NVIDIA 的自動駕駛平台進行研究與驗證,當然也不用說 Tesla 今年宣布新式車款藉由 NVIDIA 的硬體平台達到 Level 4 的自動駕駛能力。

不過要注意的是,目前自動駕駛技術雖有功能上的定義,但仍受到各地區不同路況與法規可能會得到截然不同的層級結果;例如若在歐美的郊區道路環境可達到 Level 5 的狀況,在台灣都會區的路況恐怕連 Level 3 都可能達不到,這部分可能對於自動駕駛還需要更明確的定義。

今天也提到由於各國交通法規的不同,在不同國家進行自動駕駛時也需要增加對於各國交通法規的資訊,最基本的包括道路標誌的意義,另外還有路權定義的問題,例如有些國家是允許紅燈右轉,又例如遇到如警車、救護車、消防車等緊急車輛的處理方式,美國的情況所有的車輛需要靠邊停車讓路等到緊急車輛通過,台灣的情況僅需讓出路線,這些都會是自動駕駛發展所需要面臨的。

但不得不說,在深度學習因為異質運算發展而獲得最基礎所需的處理效能後,也加速自動駕駛發展的情況,畢竟透過深度學習的結構,不需要像過去人工智慧需要由工程師一條一條的加入因應邏輯,可透過輸入資料方式培育邏輯的產生,邏輯也會不斷進化,使得自動駕駛不再是科幻電影中遙不可及的場景,而業界普遍也認為 2020 將會是自動駕駛技術能夠普及的時間點,由這幾年軟硬體架構的發展似乎也不是那麼遙不可及。

你或許會喜歡

用APP吃免費午晚餐,期間限定小密技

自己的桌曆自己印,十分鐘就能輕鬆完成

0則回應

蘋果打造車用電池 攜手中國廠商發展車輛產品計畫 蘋果打造車用電池 攜手中國廠商發展車輛產品計畫 2 天前
Tesla電動車第二座超級充電站於台南奇美博物館正式啟用 台中七期下周上線營運 Tesla電動車第二座超級充電站於台南奇美博物館正式啟用 台中七期下周上線營運 3 天前
Audi 全新 A8 藉 NVIDIA Tegra 車載方案打造 Level 3 自動駕駛以及儀表、娛樂中控系統 Audi 全新 A8 藉 NVIDIA Tegra 車載方案打造 Level 3 自動駕駛以及儀表、娛樂中控系統 9 天前
宏碁Max-Q設計輕薄遊戲筆電要開賣 並將結盟Garena冠名電競 宏碁Max-Q設計輕薄遊戲筆電要開賣 並將結盟Garena冠名電競 11 天前
Waymo無人車可以正確識別路上警車、消防車或救護車 Waymo無人車可以正確識別路上警車、消防車或救護車 11 天前
喜門史塔雷克自動駕駛車 EZ10 於台大水源校區開始測試,作為往後自駕車與車聯網研究使用 喜門史塔雷克自動駕駛車 EZ10 於台大水源校區開始測試,作為往後自駕車與車聯網研究使用 16 天前

熱門文章

最新消息