万物智能:自动驾驶与机器人
2020-01-16 14:20
如今我们所处的这个世界,其实与之前大不相同。NVIDIA在二十多年间,始终致力于做的一件事其实是加速计算。所谓加速计算,跟普通计算不一样的地方在于,它需要借助当今的科学技术实现计算的最高水平。NVIDIA的宗旨之一,就是实现世界顶级的算力。
行业发展日新月异。在去年,物联网是人们谈及最多的话题之一,而今天我想讲的是SMART EVERYTHING,即万物智能。所谓万物智能,就是在每一个终端和每一个设备上都能实现基本的智能化。
有智能就得有算法,有算法就得有软件。可以说整个智能物联网或者叫智能世界最大的变化就是软件的重新定义,即让所有的设备跟设备之间都能够进行互通。
NVIDIA全球副总裁兼中国区总经理张建中
NVIDIA可以提供从云端到终端的解决方案。在机器人行业,我们更是可以提供一个端到端的全栈软件系统。
首先,要有一个端到端的架构,这个架构会提供一个训练模型,其中包括数据采集。机器人跟汽车不一样,它在室内外移动的时候没有一个固定的路线,所以基本有空间的地方就可以实现移动。而汽车在马路上行驶需要遵循一系列的规则,从这点上看,机器人会更加复杂。通过软件,只要有一个正确的管理方式和方法,就可以让任何一个机器人在某一个特定的环境自主学习。所以说,训练模型非常重要。
其次,如果我们想要在现实世界当中验证研究成果好不好,则需要仿真模拟。仿真模拟可以说是AI研发当中不可或缺的环节。
最后,一个移动的计算设备也十分重要,并且算力越快越好。从目前的技术发展水平来看,算力达到1000TOPS指日可待。
任何一个研究机构都可以借助NVIDIA端到端的解决方案以及开放的平台去实现机器人的研发。其实在机器人的研发当中,其应用场景跟实际工业当中的应用也密切相关,甚至是在矿场矿山中应用的自动驾驶汽车,也可以用一样的方法在实验室中实现软件开发。
NVIDIA也把Isaac开发平台提供给各行各业的用户,让他们在虚拟世界中仿真模拟现实世界中的各种行为。
如今,深度学习已经非常发达,几乎在每个领域当中都可以用深度学习去模拟人的各种动作。以前都是用传统编程的方法给机器设计动作,但无论如何都无法达到像人类的动作一样完美,而现在借助深度学习,机器人基本上可以实现跟人类一模一样的复杂动作。
我们都知道机器人的应用场景非常广泛,自动驾驶汽车就是一个最大的机器人。可以说,汽车的动作就是机器人的动作,其感知系统、决策系统跟计算系统与机器人是没什么差别的。但是在NVIDIA DRIVE里面,我们加入了更复杂的汽车模块,其传感器也更加复杂,包括激光雷达、普通的毫米波雷达、摄像头等等。
那么NVIDIA DRIVE这一套SDK跟Isaac的SDK最大的差别是什么?
首先,我们要在汽车的感知系统上增加广泛性。因为机器人通常不会在马路上跑,但汽车的应用场景就不同了。要实现在马路上安全行驶,所需的感知系统十分复杂。
所以我们在NVIDIA DRIVE的感知系统中添加了多种深度神经网络,其得到的数据以及采集数据处理数据的方式都跟机器人有很大的不同。我们将汽车当中各种不同的感知神经网络进行预处理,设计出了很多模型供开发者选择,让他们可以用自己的数据再去强化自己的模块。这些模块可以实现从障碍物的识别、物体的识别到决策行为的预测、测量跟车距离等等不一样的功能。
此外,自动驾驶汽车还需要进行安全测试。我们知道,如果按照国家标准的话,任何一辆汽车必须经过几百万公里的驾驶测试才可以上路。
但是借助NVIDIA DRIVE CONSTELLATION,自动驾驶汽车可以轻松在虚拟环境中跑几亿公里,开发者能够在云端或者自己的服务器上随意测试各种性能。
要真正实现L4或L5级的自动驾驶,对算力的要求是很高的。
NVIDIA在前不久的CHINA GTC 2019上发布了最新的芯片Orin。Orin系统级芯片集成了NVIDIA新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和计算机视觉加速器,算力可达到200TOPS,几乎是NVIDIA上一代Xavier系统级芯片性能的7倍。
针对L2级、L2+级到L4级、L5级的自动驾驶,NVIDIA都有相应的解决方案。不同的应用场景对算力的要求也不尽相同,对于每一个客户来讲其成本也会不同。在如今的高速公路场景当中,L3或者L2+已经可以解决很多自动驾驶场景中出现的常见问题了。
想要了解更多关于NVIDIA自动驾驶的信息,欢迎观看NVIDIA DRIVE Labs自动驾驶实验室系列视频。
在自动驾驶实验室系列视频中,我们将以工程技术为重点的视角关注实现自动驾驶汽车的各个挑战以及NVIDIA DRIVE AV软件团队如何应对这些问题。
行业发展日新月异。在去年,物联网是人们谈及最多的话题之一,而今天我想讲的是SMART EVERYTHING,即万物智能。所谓万物智能,就是在每一个终端和每一个设备上都能实现基本的智能化。
有智能就得有算法,有算法就得有软件。可以说整个智能物联网或者叫智能世界最大的变化就是软件的重新定义,即让所有的设备跟设备之间都能够进行互通。
NVIDIA全球副总裁兼中国区总经理张建中
NVIDIA可以提供从云端到终端的解决方案。在机器人行业,我们更是可以提供一个端到端的全栈软件系统。
首先,要有一个端到端的架构,这个架构会提供一个训练模型,其中包括数据采集。机器人跟汽车不一样,它在室内外移动的时候没有一个固定的路线,所以基本有空间的地方就可以实现移动。而汽车在马路上行驶需要遵循一系列的规则,从这点上看,机器人会更加复杂。通过软件,只要有一个正确的管理方式和方法,就可以让任何一个机器人在某一个特定的环境自主学习。所以说,训练模型非常重要。
其次,如果我们想要在现实世界当中验证研究成果好不好,则需要仿真模拟。仿真模拟可以说是AI研发当中不可或缺的环节。
最后,一个移动的计算设备也十分重要,并且算力越快越好。从目前的技术发展水平来看,算力达到1000TOPS指日可待。
任何一个研究机构都可以借助NVIDIA端到端的解决方案以及开放的平台去实现机器人的研发。其实在机器人的研发当中,其应用场景跟实际工业当中的应用也密切相关,甚至是在矿场矿山中应用的自动驾驶汽车,也可以用一样的方法在实验室中实现软件开发。
NVIDIA也把Isaac开发平台提供给各行各业的用户,让他们在虚拟世界中仿真模拟现实世界中的各种行为。
如今,深度学习已经非常发达,几乎在每个领域当中都可以用深度学习去模拟人的各种动作。以前都是用传统编程的方法给机器设计动作,但无论如何都无法达到像人类的动作一样完美,而现在借助深度学习,机器人基本上可以实现跟人类一模一样的复杂动作。
我们都知道机器人的应用场景非常广泛,自动驾驶汽车就是一个最大的机器人。可以说,汽车的动作就是机器人的动作,其感知系统、决策系统跟计算系统与机器人是没什么差别的。但是在NVIDIA DRIVE里面,我们加入了更复杂的汽车模块,其传感器也更加复杂,包括激光雷达、普通的毫米波雷达、摄像头等等。
那么NVIDIA DRIVE这一套SDK跟Isaac的SDK最大的差别是什么?
首先,我们要在汽车的感知系统上增加广泛性。因为机器人通常不会在马路上跑,但汽车的应用场景就不同了。要实现在马路上安全行驶,所需的感知系统十分复杂。
所以我们在NVIDIA DRIVE的感知系统中添加了多种深度神经网络,其得到的数据以及采集数据处理数据的方式都跟机器人有很大的不同。我们将汽车当中各种不同的感知神经网络进行预处理,设计出了很多模型供开发者选择,让他们可以用自己的数据再去强化自己的模块。这些模块可以实现从障碍物的识别、物体的识别到决策行为的预测、测量跟车距离等等不一样的功能。
此外,自动驾驶汽车还需要进行安全测试。我们知道,如果按照国家标准的话,任何一辆汽车必须经过几百万公里的驾驶测试才可以上路。
但是借助NVIDIA DRIVE CONSTELLATION,自动驾驶汽车可以轻松在虚拟环境中跑几亿公里,开发者能够在云端或者自己的服务器上随意测试各种性能。
要真正实现L4或L5级的自动驾驶,对算力的要求是很高的。
NVIDIA在前不久的CHINA GTC 2019上发布了最新的芯片Orin。Orin系统级芯片集成了NVIDIA新一代GPU架构和Arm Hercules CPU内核以及全新深度学习和计算机视觉加速器,算力可达到200TOPS,几乎是NVIDIA上一代Xavier系统级芯片性能的7倍。
针对L2级、L2+级到L4级、L5级的自动驾驶,NVIDIA都有相应的解决方案。不同的应用场景对算力的要求也不尽相同,对于每一个客户来讲其成本也会不同。在如今的高速公路场景当中,L3或者L2+已经可以解决很多自动驾驶场景中出现的常见问题了。
想要了解更多关于NVIDIA自动驾驶的信息,欢迎观看NVIDIA DRIVE Labs自动驾驶实验室系列视频。
在自动驾驶实验室系列视频中,我们将以工程技术为重点的视角关注实现自动驾驶汽车的各个挑战以及NVIDIA DRIVE AV软件团队如何应对这些问题。