|
英伟达今年在CES上只有一个主题：深度学习与自动驾驶。虽然在直播开始之前，Nvidia的直播页面还提到了虚拟现实，不过这个词并没有出现在黄老板的演讲之中。 2015年3月份，英伟达在GPU大会上介绍了Drive PX，为自动驾驶开发的深度学习平台。而在这次的CES上，黄仁勋则是在CES第一场Keynote上介绍了其这一次的主角——Drive PX2。 Δ英伟达深度学习端对端解决方案 Drive PX2是基于Drive PX的一次升级。这个高度与一罐可乐等同，大小与Titan X芯片相差无几的芯片，是英伟达对自动驾驶给出的答案。简单说来，Drive PX2可以用作自动驾驶汽车的超级大脑，以深度学习算法来加强车辆的感知能力，识别出车辆行驶环境周围的其他所有物体，包括行人、车辆、路标、车道线、建筑设施等等，对车辆各类传感器收集到的数据进行处理与分析，进而进行判断，再做出决策。 ΔDrive PX2平台 要让一个平台能在较短的时间内做到这些事情，那么对于硬件的性能要求不是一般的高。所以，英伟达也列出了Drive PX2的一些数据，具体见下图，是与Titan X芯片数据的比较。据黄仁勋介绍，Drive PX2的运算能力相当于150台MacBook Pro的结合体，有两块新一代Tegra芯片与两块Pascal GPU芯片，总有12个CPU，每秒能够进行24万亿次深度学习的运算。为了适应车上的工作环境，配有水冷装置，最高工作温度可达到80℃。Drive PX2能够最多对接车辆上12个视频摄像头，外加激光雷达传感器、雷达传感器以及超声波传感器。 ΔDrive PX2性能列表（与Titan X对比） 如果单看这些运算能力，或许在大多数人眼里会觉得并没有什么意义。尤其是现在很多已经实现自动驾驶部分能力，并不需要这样的运算能力。那么英伟达为何进行这样的设置呢？因为英伟达认为一辆自动驾驶车，必须具备足够的本地运算能力，去尽可能多地采集周围的数据信息，然后再进行分析决策。也就是说，一辆自动驾驶车必须在本地就具备完整的驾驶能力，而不是更多去依赖云端连接，来提供辅助信息。 Δ对车辆定位并对周围其他物体进行运动轨迹分析 Δ根据传感器探测到的数据对周围环境建模分析 为了进行深度学习的部署，英伟达的策略有三步：第一步是建立深度学习生态圈，共同进行深度学习技术的研究；第二步是在不同的平台上进行深度学习部署，包括汽车、电脑、智能机器人、服务器等；第三步则是提供端对端的解决方案。这种方式的好处是，英伟达可以在不同平台上让这套算法去进行学习并共享知识，而且未来这套深度学习算法的应用，很有可能并不止于自动驾驶的汽车上，在物联网上，也会提供解决方案。 英伟达目前建造一个名叫Nvidia Drivenet的平台，并在其自己的自动驾驶车上进行测试。这个参考平台能够自我训练，去感知和识别外界的一切事物。黄仁勋表示这套网络将会花费数月的时间来进行训练，然后会应用在现实生活中去识别物体。 因为这套算法是根据其他物体的运行速度与轨迹来进行判断，而是仅仅是针对单个物体的识别判断，因此，受天气等外界因素影响较小，演示的Demo中就有一段是在下雪天进行测试。 Δ奥迪使用英伟达技术进行自动驾驶测试（雪天环境） 沃尔沃将会是第一个使用英伟达Drive PX2的汽车厂商，会首先在一些自动驾驶测试车上使用。英伟达也在于奥迪合作对这套系统进行测试，据称其在德国道路上测试时，对路标的识别率已经超过了人类。戴姆勒、宝马、福特，以及ZMP等供应商也在使用这套系统来开发各自的自动驾驶技术。 |
|
|
来自： cheyunwang > 《待分类》
