Đào tạo "bộ não" của xe tự lái

Khi ô tô tự lái di chuyển trên đường, ngay cả môi trường đơn giản nhất cũng tạo ra một lượng lớn dữ liệu mỗi phút, vì các cảm biến và máy ảnh liên tục ghi lại chế độ xem 360 độ về môi trường xung quanh ô tô.

Xe Torc đi qua Seattle.

“Đôi mắt” của chiếc xe của chúng tôi bao gồm radar, LiDAR và camera. Họ làm việc cùng nhau để thu thập thông tin về đường trong thời gian thực — bao gồm các vật thể, biển báo, vạch phân làn và đèn giao thông. Bước tiếp theo là hiểu tất cả dữ liệu đó. Xe ô tô tự lái của chúng tôi sử dụng thành phần điện toán quan trọng bắt nguồn từ công nghệ trò chơi điện tử - đơn vị xử lý đồ họa (GPU).

GPU được biết đến với các ứng dụng trong đồ họa trò chơi điện tử, nơi khả năng xử lý lượng lớn dữ liệu cùng lúc được sử dụng để tạo ra các pixel và hình dạng tạo nên trò chơi. Khi GPU trở nên mạnh mẽ hơn, các ứng dụng khác cho công nghệ này đã xuất hiện, bao gồm cả những ứng dụng trong trí tuệ nhân tạo và ô tô tự lái.

Chúng tôi đã và đang sử dụng GPU Kiến trúc NVIDIA Pascal để thực hiện đào tạo và suy luận cho hệ thống tự lái của chúng tôi từ khi bắt đầu chương trình ô tô tự lái hiện tại của chúng tôi. Chúng được sử dụng trong các máy chủ bên ngoài xe để đào tạo và tinh chỉnh các thuật toán của chúng tôi, cũng như trong xe để phát hiện và phân loại dữ liệu cảm biến.

Giám đốc Công nghệ Torc Ben Hastings cho biết, “GPU NVIDIA cho phép chúng tôi đào tạo và triển khai nhanh chóng mạng nơ-ron cũng như các thuật toán song song khổng lồ khác cho phép phương tiện của chúng tôi hiểu được thế giới xung quanh.”

Để tạo ra một hệ thống có thể đưa ra các quyết định thông minh trên đường đi, chúng tôi sử dụng các mạng thần kinh sâu, được thiết kế để học theo cách tương tự như não người. Các thuật toán của chúng tôi được đào tạo bằng cách sử dụng các máy chủ GPU mô phỏng các tình huống trên đường. Thông qua học tập sâu, chúng tôi có thể nhanh chóng cải thiện khả năng phân loại và ra quyết định của hệ thống mà không cần phải lái xe ô tô tự lái thực tế thông qua mọi tình huống có thể xảy ra. Ví dụ, chúng ta có thể huấn luyện hệ thống nhận biết các biển báo giới hạn tốc độ bằng cách cung cấp dữ liệu mạng về nhiều loại biển báo. Khi đã ở trên đường, nó có thể nhận ra biển báo giới hạn tốc độ mới được chuyển qua đường trong thời gian thực mà không cần phải lập trình trước thông tin về mọi biển báo tốc độ trước thời hạn.

Các ứng dụng này cũng mở rộng để hiển thị đối tượng và lớp phủ trên màn hình video thời gian thực của chúng tôi về con đường. Khi các cảm biến và máy ảnh cung cấp thông tin cho hệ thống, GPU sẽ chuyển dữ liệu thô thành hình ảnh hiển thị những gì chiếc xe “nhìn thấy” theo cách bắt chước gần hơn những gì con người sẽ nhìn thấy.

Các công ty như NVIDIA đang tiếp tục phát triển thiết kế và hiệu suất GPU của họ từ các thiết bị sử dụng chung hơn sang các thiết bị được thiết kế đặc biệt cho các hệ thống xe tự lái. Ví dụ, GPU mạnh mẽ nhưng tiết kiệm năng lượng là yếu tố cần thiết để sản xuất hàng loạt xe hơi tự lái, đặc biệt là khi được sử dụng trên xe điện. Những cải tiến mới đang được thực hiện mỗi ngày và mỗi cải tiến là một bước nữa để mọi người đều có thể sử dụng phương tiện giao thông tự hành.