在今年COMPUTEX上發(fā)表的論文詳細(xì)介紹了綜合深度神經(jīng)網(wǎng)絡(luò)的開發(fā)過程。

全新自動(dòng)駕駛技術(shù)將能夠“獨(dú)當(dāng)一面”。

麻省理工學(xué)院的研究人員正在開發(fā)一個(gè)一體化深度神經(jīng)網(wǎng)絡(luò)（DNN）為自動(dòng)駕駛汽車提供支持，并取代由多個(gè)網(wǎng)絡(luò)組成的系統(tǒng)。在今年COMPUTEX上發(fā)表的這項(xiàng)研究使用了NVIDIA DRIVE AGX Pegasus在車輛中運(yùn)行網(wǎng)絡(luò)，能夠高效、實(shí)時(shí)地處理堆積成山的激光雷達(dá)數(shù)據(jù)。

自動(dòng)駕駛汽車傳感器會(huì)產(chǎn)生大量數(shù)據(jù)——如果一個(gè)由50輛車組成的車隊(duì)每天行駛6小時(shí)，那么每天就會(huì)產(chǎn)生約1.6PB的傳感器數(shù)據(jù)。若把所有這些數(shù)據(jù)都存儲(chǔ)在1GB U盤上，這些U盤將能覆蓋100多座足球場。

自動(dòng)駕駛汽車必須即時(shí)處理這些數(shù)據(jù)才能感知周圍環(huán)境并安全行駛。但由于數(shù)據(jù)量巨大，一個(gè)DNN很難完成這種處理，因此大多數(shù)方法都會(huì)使用多個(gè)網(wǎng)絡(luò)和高清晰度地圖。

在他們的論文中，麻省理工學(xué)院團(tuán)隊(duì)詳細(xì)介紹了如何使用一個(gè)一體化DNN嘗試新的自動(dòng)駕駛策略，首先就是要完成實(shí)時(shí)激光雷達(dá)傳感器數(shù)據(jù)處理任務(wù)。

通過運(yùn)用高性能、高能效的NVIDIA DRIVE AGX Pegasus，該團(tuán)隊(duì)進(jìn)一步加快激光雷達(dá)的計(jì)算速度以實(shí)現(xiàn)甚至超越這一目標(biāo)，其運(yùn)行速度比目前最先進(jìn)的系統(tǒng)還要快15倍。

提高數(shù)據(jù)處理效率

如今，許多開發(fā)中的自動(dòng)駕駛系統(tǒng)除了使用高清地圖之外，還使用一系列DNN來處理傳感器數(shù)據(jù)。這一組合能夠使自動(dòng)駕駛汽車快速確定自己在空間的位置并探測其他道路使用者、交通標(biāo)志和其他物體。

雖然這種方法為安全自動(dòng)駕駛提供了必要的冗余和多樣性，但它很難在尚未進(jìn)行測繪的地區(qū)實(shí)施。

此外，使用激光雷達(dá)傳感器的自動(dòng)駕駛系統(tǒng)需要每秒處理周圍環(huán)境中的200多萬個(gè)點(diǎn)。不同于2D圖像數(shù)據(jù)，激光雷達(dá)點(diǎn)在3D空間中極為稀疏。由于沒有針對(duì)此類數(shù)據(jù)的定制化架構(gòu)，因此這對(duì)于現(xiàn)代計(jì)算硬件而言是一個(gè)巨大的挑戰(zhàn)。

為了實(shí)現(xiàn)比基本架構(gòu)更高的速度和能效，麻省理工學(xué)院團(tuán)隊(duì)開發(fā)出新的改進(jìn)措施。

麻省理工學(xué)院的DNN能夠執(zhí)行整個(gè)自動(dòng)駕駛系統(tǒng)的功能。這套完整的功能是通過使用大量人類駕駛數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)而實(shí)現(xiàn)的，這些數(shù)據(jù)教會(huì)了它能夠像人類駕駛者那樣將駕駛視為一個(gè)整體，而不是把駕駛分解成多個(gè)具體的任務(wù)。

雖然這種方法仍在開發(fā)中，但它具有很大的潛在優(yōu)勢。

在車輛中運(yùn)行一個(gè)一體化DNN明顯比運(yùn)行多個(gè)專用網(wǎng)絡(luò)更高效，這為其他功能開辟了計(jì)算空間。而且由于DNN依靠訓(xùn)練而不是地圖來實(shí)現(xiàn)在未測繪道路上的導(dǎo)航，因此它具有更高的靈活性。隨著效率的提高，車輛還能實(shí)時(shí)處理更多的豐富感知數(shù)據(jù)。

使用NVIDIA DRIVE大幅提高性能

當(dāng)與高性能的中央計(jì)算系統(tǒng)相結(jié)合時(shí)，麻省理工學(xué)院發(fā)現(xiàn)其DNN的使用更加得心應(yīng)手。

NVIDIA DRIVE AGX Pegasus是一款專為L4級(jí)和L5級(jí)自動(dòng)駕駛系統(tǒng)設(shè)計(jì)的AI超級(jí)計(jì)算平臺(tái)。它結(jié)合了兩個(gè)NVIDIA Xavier SoC和兩個(gè)NVIDIA Turing架構(gòu)GPU的性能，實(shí)現(xiàn)了前所未有的每秒320萬億次運(yùn)算性能。

麻省理工學(xué)院的研究人員已著手在某個(gè)計(jì)算系統(tǒng)上開發(fā)DNN。該系統(tǒng)不僅功能強(qiáng)大，而且在目前正在開發(fā)的自動(dòng)駕駛系統(tǒng)中也很常見。

共同領(lǐng)導(dǎo)該項(xiàng)目的麻省理工學(xué)院博士生Alexander Amini表示：“我們希望有一個(gè)高度靈活的模塊化AV系統(tǒng)，而NVIDIA正是這個(gè)領(lǐng)域的領(lǐng)導(dǎo)者。Pegasus能夠處理來自各種傳感器的輸入流，讓開發(fā)人員很容易實(shí)現(xiàn)他們的DNN。”

DNN的激光雷達(dá)感知能力只是麻省理工學(xué)院研究人員最初的自動(dòng)駕駛開發(fā)目標(biāo)。Amini表示，團(tuán)隊(duì)正在設(shè)法解決組合傳感器流、與其他車輛之間更復(fù)雜的交互以及惡劣天氣條件等問題——而這些問題的解決都用到了NVIDIA DRIVE解決方案。

編輯：jq