展覽 市場動態 生活 網路 虛擬視覺 頭條話題

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。

batch IMG 7641 NVIDIA Drive Constellation 讓自駕車短時間快速累積10億英哩「上路」行駛經驗

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。

batch IMG 7630 NVIDIA Drive Constellation 讓自駕車短時間快速累積10億英哩「上路」行駛經驗

batch IMG 7631 NVIDIA Drive Constellation 讓自駕車短時間快速累積10億英哩「上路」行駛經驗

batch IMG 7637 NVIDIA Drive Constellation 讓自駕車短時間快速累積10億英哩「上路」行駛經驗

batch IMG 7638 NVIDIA Drive Constellation 讓自駕車短時間快速累積10億英哩「上路」行駛經驗

batch IMG 7643 NVIDIA Drive Constellation 讓自駕車短時間快速累積10億英哩「上路」行駛經驗

楊又肇 (Mash Yang)
楊又肇 (Mash),大學主修電機、輔修資管,畢業後只幫人修過電腦,卻沒有當過一天工程師,誤打誤撞進入聯合新聞網擔任科技頻道主編多年,報導領域廣泛,從晶片到手機、筆電,或從AI到新創產業軟硬兼吃。目前仍是科技新聞業流浪漢身分,除mashdigi.com網站創辦人兼主筆之外,同時也為UDN.com、癮科技、Inside、數位時代、ePrice、Stuff等媒體供稿或撰寫特稿內容,喜歡研究別人不懂的黑科技、把玩各種3C產品,是果粉也是G粉。

發表迴響