蓋世汽車訊 快速發展的傳感器技術以及軟件處理技術已經使卡車實現了自動駕駛，通過減少停機時間、降低人員成本、減少碰撞事故以及傷亡人數，改進了車隊運行效率。據Fortune Business Insights所說，到2027年，全球自動駕駛卡車市場市值預計可達201.334億美元，年復合增長率達12.6%。

基于該蓬勃發展的業務，英偉達為交通運輸行業的軟件定義自動駕駛汽車（AV）打造了端到端解決方案，能夠通過無線升級不斷改進和部署自動駕駛系統。此外，還提供了大規模部署自動駕駛汽車所需的一切。

MIT論文中圖片（圖片來源：MIT）

據外媒報道，在英偉達技術的基礎上，麻省理工學院（MIT）的研究人員最近為自動駕駛汽車研發了一種單一深度神經網絡（DNN）。他們采用了英偉達DRIVE AGX Pegasus幫助運行自動駕駛汽車的網絡，而且有助于實時處理大量的激光雷達數據。

通常情況下，在6個小時內，由50輛自動駕駛汽車組成的車隊中，一輛自動駕駛汽車的傳感器會產生多達1.6千萬億字節的數據。為了實現安全駕駛，自動駕駛汽車需要實時理解此類數據。不過，由于采用單一DNN處理如此龐大的數據量而面臨挑戰，大多數技術都采用多個網絡以及高精度地圖。此種組合能夠讓自動駕駛汽車快速確定自己在空間中的位置，并識別出其他道路使用者和交通信號燈。然而，雖然此種方法確保了安全自動駕駛所需的冗余性和多樣性，但在未繪制地圖的地方部署自動駕駛汽車仍然具有挑戰性。此外，依靠激光雷達感知的自動駕駛系統在環境中必須每秒處理超200萬個點。與二維圖像數據不同，激光雷達點在三維環境中分布特別稀疏，這對現代計算機造成了相當大的阻礙，因為現代計算機沒有針對此類數據進行優化。

在麻省理工學院團隊發布的論文中，該團隊描述了如何利用單一DNN尋求新型自動駕駛技術，首先從實時處理激光雷達傳感器數據的任務開始。除了基本架構，研究人員還創造了新型增強型功能，以大幅提升速度和能效。該DNN旨在執行自動駕駛系統的所有操作，此種綜合能力通過在大量的人類駕駛數據進行廣泛訓練而得來，此類數據會全面地教會該網絡像人類駕駛員一樣駕駛，而不是分解成特定的功能。

雖然該種方法仍然處于起步階段，但是有可能產生極大的好處。單一DNN比車輛中的多個專用網絡高效得多，能夠為其他功能騰出計算空間。此外，DNN的適應性更強，因為其利用訓練而不是地圖在未知道路上導航。最后，效率的提高能夠實時處理大量豐富的感知數據。

MIT的研究人員采用英偉達DRIVE AGX Pegasus來提升計算性能、實現完全自動化。該款AI嵌入式超級計算機專為L4和L5自動駕駛系統而設計，以避免人類參與到駕駛中。通過耦合兩個Xavier片上系統和兩個圖靈GPU，可以實現每秒320萬億次操作，從而能夠快速處理激光雷達數據。為了打造DNN，麻省理工學院研究人員首先在一個不是很強大、但是已經用于很多其他自動駕駛系統的機器上進行研究。首先，在分析只使用激光雷達的車型時，研究小組檢查了車輛在車道穩定性測試中的表現；然后，在分析具有導航功能的車型時，研究小組比較了車型的整體性能。

此外，當研究人員啟用證據融合時，該車型的結果與只使用激光雷達車型的測試結果一樣，遵循了地圖上的方向，而且行駛軌跡與人類駕駛員的軌跡非常接近。研究人員在論文中基于激光雷達提出了一種高效且靈活的端到端導航框架，為了實現更快的激光雷達處理效果，他們打造了一個全新的3D神經架構，并且改進了稀疏的卷積神經核。

不久前，自動駕駛卡車初創公司NuPort Robotics也采用英偉達DRIVE打造了自動駕駛系統，以用于短途貨運路線。該公司總部位于加拿大，正與安大略省政府和加拿大輪胎公司開展一個為期兩年的試點項目，以加速實現英偉達DRIVE技術的商業化?？纯闯鮿摴九c英偉達如何合作研發和實施麻省理工學院提出的新型單一DNN研究成果，想必也是一件很有趣的事情。

返回第一電動網首頁 >