首页 > 最新资讯 > 基于NVIDIA Jetson Nano的项目在顶级实习生赛事中脱颖而出
基于NVIDIA Jetson Nano的项目在顶级实习生赛事中脱颖而出

基于NVIDIA Jetson Nano的项目在顶级实习生赛事中脱颖而出

2019-10-10 16:48

#人工智能 #深度学习


在今年的Booz Allen夏季运动会挑战赛中,Booz Allen Hamilton (博思艾伦咨询公司)实习生开发的基于NVIDIA Jetson Nano的边缘计算项目脱颖而出。

该比赛旨在号召美国各地的实习生为客户最紧迫的问题开发突破性的解决方案。今年夏天,RAZOR项目团队推出了一款由Jetson Nano驱动的全自动地面车辆,在AI机器学习项目中名列前十。

该团队与另外80个由4到5名学生组成的团队在10周内开发项目。该比赛之前的获奖项目包括帮助盲人导航的技术,以及打击人口非法交易和全球疾病的方法。

凭借Jetson Nano的高性能和高能效,RAZOR项目能够解决无人驾驶汽车的一些最大挑战,使团队获得最佳竞争优势。



“这个团队在不到五周的时间里,完成了从入门课,到机器学习和计算机视觉,再到基于Jetson Nano的功能性ROS和机器学习推理,”领导今年夏季挑战赛的Booz Allen Hamilton首席数据科学家和解决方案架构师Chu Lahlou介绍称。“Jetson Nano展示了出色的边缘计算能力,完美诠释了我们客户使命的价值,并且提供了丰富的NVIDIA开发站点资源,很容易上手。”

位于该车辆核心的Jetson Nano计算平台提供了472 GFLOPs,用于快速运行现代人工智能算法。它可以并行运行多个神经网络,同时处理多个高分辨率传感器,能耗低至5瓦。



Jetson Nano还支持包括TensorRT在内的众多流行的深度学习框架,这使得集成首选模型和框架变得很容易。

这些功能帮助RAZOR项目团队构建了一个完全自主的地面车辆,包括导航、绘图、定位、目标检测和路径规划等功能。

这辆车将包括激光雷达和光学信号在内的多模态传感器输入,集成到可操作的洞察力中,包括对被监测目标及其位置的标注,以及到目标的最短和最安全的路径。



利用边缘计算,该项目增强了人工操作员的决策能力,消除了受限和延迟关键环境中的离线服务器和无线传输。

利用先进的硬件和软件技术,如Jetson Nano的嵌入式GPU和TensorRT的高效机器学习推理,近乎实时的响应可以在救灾、交通等应用领域的关键任务中实现。

相关新闻