廣告

NVIDIA Drive Constellation 讓自駕車短時間快速累積10億英哩「上路」行駛經驗

今年在CES提出名為Autosim技術,藉由虛擬化場景為自駕駛車進行訓練的應用模式後,NVIDIA在此次GTC 2018宣布將以Drive Constellation運算平台推行,主要是藉由負責建置、執行模擬場景的系統,讓搭載Drive Pegasus的超級車載電腦系統進行學習訓練,藉此讓自駕車可在即為安全的模擬環境中進行大量學習,並且可比照去年推出的ISSAC虛擬環境訓練Jetson平台機器人學習模式,讓自駕車系統能以虛擬化方式進行學習,甚至能以完全安全方式加快學習行駛里程數量。

Drive Constellation運算平台基本上就是去年推出Issac學習模式的擴展應用版本,雖然去年NVIDIA曾表示要建置一個虛擬世界讓自駕車在其中安全地學習,基本上就必須花費更大功夫,因此認為並沒有實際效率。不過,或許在短時間讓超級電腦運算能力大幅提昇,使得建置一個虛擬世界變得沒有那樣困難,使得NVIDIA得以用虛擬模擬方式安全訓練自駕車,同時也能藉由建置多組訓練系統,讓自駕車能在短時間內快速累積長達10億英哩的上路行駛里程。

依照NVIDIA的規劃,基本上會先實際透過街景車蒐集各地區道路實際路況,並且將這些數據放進模擬系統隨機生成不同道路、車輛數量,以及日夜與天後等變因,甚至也能在模擬訓練過程中加入更多特定條件,例如道路上的車輛多寡、是否有如警車等特殊車輛靠近時的情況,藉此讓自駕車在實際上路前可藉此完成前期訓練,避免在訓練尚不到位時就上路測試,結果造成傷亡等意外。

而從NVIDIA目前對於整個自駕車訓練流程來看,除了藉由安全的前期訓練之外,當自駕車實際上路之後仍會持續進行學習,並且持續將記錄數據同步至雲端,進而在透過學習驗證等過程後,即可透過雲端服務再同步至更多自駕車終端系統,讓所有在路上實際運作的自駕車都能獲得相同的學習經驗,並且讓自動駕駛表現更加準確。

廣告

發表迴響

%d 位部落客按了讚: