|
在 GTC 2022 秋季大會(huì)上，NVIDIA 汽車部門營(yíng)銷經(jīng)理 Katie Burke Washabaugh,，面向想要了解自動(dòng)駕駛汽車,、并有志于投身自動(dòng)駕駛行業(yè)的觀眾，介紹了自動(dòng)駕駛汽車的歷史,、工作原理,、相關(guān)技術(shù)以及發(fā)展前景。本文對(duì)此次分享的精華內(nèi)容進(jìn)行了匯總和整理,，以幫助大家更好地了解自動(dòng)駕駛與 AI 行業(yè),！ 本文將分為上下兩篇，主要包括四個(gè)章節(jié)：
底蘊(yùn)深厚，路徑明確 在深入了解自動(dòng)駕駛汽車的歷史之前,，先為大家簡(jiǎn)要介紹一些專業(yè)用詞,。 2014 年，美國(guó)汽車工程師學(xué)會(huì)將自動(dòng)駕駛技術(shù)劃分為五個(gè)等級(jí),，用于描述車輛功能,。L1 級(jí)和 L2 級(jí)表示車輛沒有自動(dòng)駕駛功能,，其中 L1 級(jí)表示完全沒有自動(dòng)駕駛功能，駕駛員需要手動(dòng)完成車輛中的每一項(xiàng)操作,。L2 級(jí)則更多涉及主動(dòng)安全功能和自動(dòng)化功能,，例如自動(dòng)緊急制動(dòng)和車道保持輔助，這些功能在如今的車輛中已為大眾所熟知,。L3 級(jí)則擁有更多 AI 輔助駕駛功能,，可讓車輛自行轉(zhuǎn)向和制動(dòng)，但人們?nèi)孕柝?fù)責(zé)駕駛?cè)?。即使汽車能夠自己轉(zhuǎn)向和制動(dòng),，駕駛員也須時(shí)刻準(zhǔn)備接管控制權(quán)。當(dāng)業(yè)內(nèi)談及自動(dòng)駕駛汽車時(shí),，則主要是在談?wù)?L4 級(jí)和 L5 級(jí)的自動(dòng)駕駛汽車,。L4 級(jí)車輛可以在特定環(huán)境下實(shí)現(xiàn)完全的自動(dòng)駕駛，例如,，自動(dòng)駕駛出租車車隊(duì)可在礦區(qū),、港口、機(jī)場(chǎng),、物流園區(qū)等封閉區(qū)域行駛,。L5 級(jí)則代表著全自動(dòng)駕駛，汽車可以隨時(shí)隨地進(jìn)行自動(dòng)駕駛,，完全不需要真人駕駛員進(jìn)行操作,。  自動(dòng)駕駛技術(shù)分級(jí) 早期自動(dòng)駕駛探索： 算力和速度存在瓶頸 自動(dòng)駕駛汽車的概念產(chǎn)生至今已有幾十年，科幻作品和電視節(jié)目中都曾提及該概念,，例如電視劇《霹靂游俠》（Knight Rider）中高度人工智能的跑車 KITT,。當(dāng)前的自動(dòng)駕駛技術(shù)應(yīng)用主要來(lái)源于世界上第一個(gè)自動(dòng)駕駛汽車長(zhǎng)距離比賽，“美國(guó)無(wú)人駕駛挑戰(zhàn)賽”（DARPA Grand Challenge）,，特別是 2007 年的賽事,，將自動(dòng)駕駛汽車挑戰(zhàn)賽擴(kuò)展到了一般路面和更多城市環(huán)境之中，開啟了自動(dòng)駕駛產(chǎn)業(yè)的起源,。  早期自動(dòng)駕駛汽車（2007 年 DARPA 城市挑戰(zhàn)賽） 如上圖所示,，參加 2007 年城市挑戰(zhàn)賽的車輛非常笨重，車輛周身懸掛著多個(gè)極其昂貴的傳感器和硬件,，同時(shí)車輛后備箱里裝滿了電腦設(shè)備,。這些車輛尚未達(dá)到自動(dòng)化級(jí)別，難以在極端環(huán)境運(yùn)行,。對(duì)于量產(chǎn)型車輛而言,，必須擁有 10-11 年以上的使用壽命，并且在使用期需要能夠應(yīng)對(duì)極端高溫,、嚴(yán)寒,、大雪等情況，城市挑戰(zhàn)賽的車輛顯然無(wú)法經(jīng)受密歇根坑洼道路的考驗(yàn),。城市挑戰(zhàn)賽中的優(yōu)勝車輛在 4 小時(shí)內(nèi)完成了近 96 千米（ 60 英里）路程,。事實(shí)上，開車是為實(shí)現(xiàn)方便高效,，在 4 個(gè)小時(shí)內(nèi)行駛 96 千米（ 60 英里）,，既不方便也不高效。因此,，早期車輛難以投入量產(chǎn),。然而，這些車輛卻推動(dòng)了自動(dòng)駕駛技術(shù)的快速發(fā)展,，讓自動(dòng)駕駛行業(yè)能獲得如今的成果,。這里有幾個(gè)數(shù)據(jù)希望大家留意，后續(xù)我們會(huì)比較一下：2007 年的城市挑戰(zhàn)賽中,，優(yōu)勝車輛在 4 個(gè)小時(shí)內(nèi)行駛了 96 千米（ 60 英里）,，每秒可進(jìn)行 230 億次運(yùn)算（23 billion FLOPS）。 AI 技術(shù)突破,，自動(dòng)駕駛?cè)缬猩裰?/strong> 得益于 AI 技術(shù)的突破,，所有可移動(dòng)的事物都將實(shí)現(xiàn)自動(dòng)化。從乘用車,、出租車,，到商用卡車運(yùn)輸、再到共享出行,、公共交通,，更加安全高效的自動(dòng)駕駛技術(shù)正在改變交通運(yùn)輸行業(yè)的各個(gè)方面，甚至農(nóng)業(yè)也可通過(guò)自動(dòng)駕駛實(shí)現(xiàn)徹底革新,。  所有可移動(dòng)的事物都將實(shí)現(xiàn)自動(dòng)化 那么自動(dòng)駕駛行業(yè)提到的 AI 究竟是什么意思呢,？具體來(lái)說(shuō)，指的是 AI 的一個(gè)子集,，即深度學(xué)習(xí),，可使汽車如同人類一般進(jìn)行學(xué)習(xí)和行動(dòng)。汽車中的軟件則由深度神經(jīng)網(wǎng)絡(luò)（DNN）組成,，可驅(qū)動(dòng)特定的任務(wù),，如感知、推理,、駕駛,，或是驅(qū)動(dòng)、高精地圖以及車輛定位，又或者是汽車在空間中精確定位的能力,。 為實(shí)現(xiàn)現(xiàn)實(shí)世界中的安全行駛,，自動(dòng)駕駛深度神經(jīng)網(wǎng)絡(luò)必須能夠根據(jù)周圍環(huán)境推斷信息，例如,，在駕駛過(guò)程中,，如果看到路上有一個(gè)滾落的球，駕駛員根據(jù)以往的生活經(jīng)驗(yàn)可推斷出,，球的后面很可能會(huì)跟著一個(gè)孩子,，由此在通過(guò)時(shí)會(huì)減速稍等一會(huì)兒。但是,，如何教會(huì)汽車以同樣的方式思考和行動(dòng)呢,？答案則是借助海量數(shù)據(jù)以涵蓋可能遇到的各種情況。DNN 在車輛中運(yùn)行之前,，會(huì)在數(shù)據(jù)中心大規(guī)模運(yùn)行相關(guān)數(shù)據(jù),，并利用仿真對(duì)這些情境進(jìn)行測(cè)試和驗(yàn)證。最后,，當(dāng)這些網(wǎng)絡(luò)準(zhǔn)備好“上車”時(shí),，則需要能夠運(yùn)行各種神經(jīng)網(wǎng)絡(luò)的集中式高性能計(jì)算平臺(tái)，保障能實(shí)時(shí)覆蓋每個(gè)必要的任務(wù),，以實(shí)現(xiàn)安全操作,。 技術(shù)合力，助力自動(dòng)駕駛汽車安全高效運(yùn)行 那么,，自動(dòng)駕駛汽車的工作原理究竟是什么,？ 傳感器架構(gòu)“保駕護(hù)航” 首先，人們?cè)隈{駛時(shí)依靠感官來(lái)感知周圍環(huán)境,，眼觀六路,，耳聽八方。真人駕駛員會(huì)時(shí)刻保持對(duì)提示物,、標(biāo)識(shí)牌以及其他車輛的警惕,。自動(dòng)駕駛汽車則是依靠傳感器獲取感知信息，以在駕駛環(huán)境中做出反應(yīng),。這些傳感器必須具備兩個(gè)重要特性,，即冗余和多樣化。  使用豐富的傳感器實(shí)現(xiàn)冗余和多樣化 “冗余”指的是每個(gè)組件都有一個(gè)備份,，來(lái)對(duì)傳感器探測(cè)到的數(shù)據(jù)進(jìn)行查驗(yàn),，從而確保檢測(cè)對(duì)象的真實(shí)存在。如果攝像頭看到陰影中存在某物,，雷達(dá)則會(huì)進(jìn)行雙重檢測(cè),，從而確保確實(shí)有物體存在,，就算在攝像頭誤報(bào)時(shí)，汽車也能從其他傳感器處及時(shí)得到真實(shí)反饋,。 所謂“多樣化”,，是指每個(gè)組件都能處理在現(xiàn)實(shí)世界中運(yùn)行時(shí)所需執(zhí)行的各種任務(wù)。在冗余且多樣化的傳感器架構(gòu)中,，首先需要可充當(dāng)視覺傳感器的攝像頭傳感器,，用于檢測(cè)和分類靜態(tài)或靜止物體,，以及動(dòng)態(tài)或移動(dòng)物體,。上述物體包括交通標(biāo)志、交通燈,、車道邊界,，以及行人、騎行者或動(dòng)物,。正如前文所述,，此架構(gòu)中還包含了雷達(dá)，可作為備用手段,，在必要時(shí)替代攝像頭感知外界信息,，協(xié)助測(cè)量周圍物體的距離和移動(dòng)速度。目前,，大家可能已經(jīng)很熟悉用于其他行業(yè)或技術(shù)的攝像頭和雷達(dá)傳感器,，但激光雷達(dá)對(duì)于部分人而言，可能是一個(gè)相對(duì)較新的術(shù)語(yǔ),。 激光雷達(dá)當(dāng)前的工作原理是將多束激光同時(shí)發(fā)射到周圍環(huán)境中,，并接收反射回來(lái)的激光。隨后,，傳感器會(huì)根據(jù)激光反射回雷達(dá)所用的時(shí)間,，基于任意兩次激光發(fā)射的時(shí)間間隔，構(gòu)建出車輛周圍環(huán)境的 3D 圖像,。除此之外,，此架構(gòu)還會(huì)使用通過(guò)聲波進(jìn)行感知的超聲波設(shè)備，以及用于粗略定位和運(yùn)動(dòng)補(bǔ)償?shù)?GNSS 和 IMU 傳感器,。 AI 計(jì)算“智力無(wú)限” 上一部分討論了汽車的感知系統(tǒng),，也就是自動(dòng)駕駛的“眼睛”和“耳朵”。接下來(lái)將為大家介紹汽車的“大腦”,，即集中式 AI 計(jì)算平臺(tái)—自動(dòng)駕駛汽車的計(jì)算平臺(tái)負(fù)責(zé)處理由冗余且多樣化的傳感器所采集的大量數(shù)據(jù),。 正如之前所說(shuō)，汽車采用冗余且多樣化的傳感器架構(gòu),，來(lái)生成海量數(shù)據(jù),。直觀地說(shuō),，一輛用于測(cè)試的自動(dòng)駕駛汽車運(yùn)行 6 小時(shí)就能生成約 32TB 數(shù)據(jù)，相當(dāng)于可填滿至少 256 部具有 128GB 內(nèi)存的智能手機(jī),。此外,，這種計(jì)算還必須能夠運(yùn)行數(shù)十個(gè)深度神經(jīng)網(wǎng)絡(luò)，以便在處理數(shù)據(jù)的同時(shí),，為車輛感知系統(tǒng)提供實(shí)時(shí)支持,。  集中式 AI 計(jì)算 軟件定義“常用常新” 為應(yīng)對(duì)自動(dòng)駕駛帶來(lái)的挑戰(zhàn)，計(jì)算平臺(tái)必須具有超高性能,，同時(shí)滿足節(jié)能和車規(guī)級(jí)要求,。所謂車規(guī)級(jí)要求，是指能夠承受量產(chǎn)型汽車將面對(duì)的極端運(yùn)行條件,，以及因長(zhǎng)途行車,、糟糕路況和極端天氣造成的磨損。此外,，該計(jì)算平臺(tái)還必須具有可擴(kuò)展性以及持續(xù)升級(jí)的能力,。這里所說(shuō)的“可擴(kuò)展性”是指計(jì)算平臺(tái)能夠與未來(lái)的新平臺(tái)兼容。計(jì)算技術(shù)在持續(xù)發(fā)展,，因此軟件開發(fā)公司基于當(dāng)前一代計(jì)算技術(shù)開發(fā)的產(chǎn)品,，必須能夠兼容下一代產(chǎn)品，以便能夠充分利用最前沿和最出色的計(jì)算性能,。而這里所說(shuō)的“持續(xù)升級(jí)”,，指的是計(jì)算平臺(tái)需要擁有足夠的空間，允許自動(dòng)駕駛汽車通過(guò) OTA 持續(xù)更新最新功能,，從而實(shí)現(xiàn)軟件定義汽車,，這意味著該計(jì)算平臺(tái)可基于最新的數(shù)據(jù)、體驗(yàn)和功能,，持續(xù)改進(jìn),。 NVIDIA DRIVE Orin 是一款適用于自動(dòng)駕駛汽車的先進(jìn)的軟件定義平臺(tái)。大家還記得上文提到的幾個(gè)數(shù)字嗎,？在 2007 年的城市挑戰(zhàn)賽中,，優(yōu)勝車輛每秒可進(jìn)行 230 億次運(yùn)算 （23 billion FLOPS）；而現(xiàn)在,，DRIVE Orin SoC 每秒可進(jìn)行 254 萬(wàn)億次運(yùn)算（254 TOPS）,。憑借當(dāng)前的性能水平， DRIVE Orin 能夠處理車輛中同時(shí)運(yùn)行的大量應(yīng)用和深度神經(jīng)網(wǎng)絡(luò),，且符合 ISO 26262 ASIL-D 等系統(tǒng)安全標(biāo)準(zhǔn),。 深度神經(jīng)網(wǎng)絡(luò) 幫助汽車做決策 介紹完汽車的“大腦”之后，我們?cè)賮?lái)看下文中多次提及的深度神經(jīng)網(wǎng)絡(luò),。深度神經(jīng)網(wǎng)絡(luò)與傳感器一樣,，需具備兩個(gè)重要特性：冗余且多樣化,。這意味著，每個(gè)深度神經(jīng)網(wǎng)絡(luò)都能作為其他神經(jīng)網(wǎng)絡(luò)的一個(gè)備份,，此外,，每個(gè)深度神經(jīng)網(wǎng)絡(luò)將專門承擔(dān)某項(xiàng)任務(wù)，以處理自動(dòng)駕駛汽車在日常駕駛中可能遇到的各種場(chǎng)景,。  感知—自動(dòng)駕駛汽車最重要的組成部分 例如,，SightNet 深度神經(jīng)網(wǎng)絡(luò)負(fù)責(zé)檢測(cè)交通標(biāo)志，LightNet 網(wǎng)絡(luò)則檢測(cè)交通燈,，而 LaneNet 網(wǎng)絡(luò)則負(fù)責(zé)檢測(cè)車道邊界和可行駛路徑,，此外，還有用于檢測(cè)交叉路口的 WaitNet 深度神經(jīng)網(wǎng)絡(luò),。前三種網(wǎng)絡(luò)會(huì)通過(guò)協(xié)同工作,，檢查 WaitNet 網(wǎng)絡(luò)所檢測(cè)到的交叉路口場(chǎng)景，是否包含該交叉路口中的所有交通燈,、交通標(biāo)志和車道邊界。自動(dòng)駕駛汽車能夠基于檢查結(jié)果做出相應(yīng)的反應(yīng),，并安全地通過(guò)交叉路口,。這些網(wǎng)絡(luò)能夠在各種天氣及照明條件下運(yùn)行。不僅能適應(yīng)極端天氣,，還能應(yīng)對(duì)眩光和攝像頭視野盲區(qū),。經(jīng)過(guò)專門訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)，能夠應(yīng)對(duì)自動(dòng)駕駛汽車可能會(huì)遇到的各種駕駛狀況,，確保汽車安全行駛,。 以上是自動(dòng)駕駛汽車的各個(gè)組成部分，但它又是如何學(xué)習(xí)的呢,？這就涉及到自動(dòng)駕駛汽車的訓(xùn)練與仿真,，我們將在下篇詳細(xì)敘述，敬請(qǐng)期待,。 AI 賦能交通運(yùn)輸新時(shí)代 AI 揭開物流和出行新篇章 |
|
|
