騰訊數碼yaronlee
[摘要]英偉達Drive PX讓無人駕駛汽車，具備深度學習技術，不僅能準確辨識前方物體，還能做出更接近人類的駕駛反應，隨機應變能力更靈活。
無人駕駛汽車的核心技術就是物體辨識，但是在辨識到不同類型的物體後，汽車又該作何反應呢？在瞬息萬變的大馬路上，僅僅給汽車程式設計幾套固定的模式，當然是不夠的，我們必須教會汽車學會，正確地對各種複雜情況做出反應。英偉達CEO黃仁勳在近日舉辦的GPU科技大會上為我們展望了這一前景。
早在年初的美國消費電子展（CES）上，英偉達就發佈了具備深度學習能力的Drive PX電腦。這項技術將在五月份成型，而著名汽車廠商奧迪已經承諾，基於Drive
PX研發無人駕駛汽車。
它如何辨識物體？
Drive PX是如何學習辨識前方物體的呢？英偉達提前在Drive PX的神經網路中，植入了數以百萬計的圖像資訊，這些資訊都加有相應的標籤。這套系統能夠將這些圖片拆散成小的元素，從而形成一個龐大的知識庫。
當Drive PX電腦遇到一個從沒見過的圖像時，它會將這張圖像用相似的方法分解，然後將圖像中的元素和已知知識庫進行比對。一旦發現有內容和資料庫中已知元素重合，Drive PX就能夠認出它面前的東西了。比如Drive PX電腦的攝影機，可以通過偵測到人的頭部或手臂，來推斷前方物體正是人類。它甚至能夠分辨出對面駛過來的是輛SUV，還是三廂轎車。
這項研究已經進展50年了，英偉達在2012年借助自家處理器，實現了在辨識精確度上的飛躍。這套深層神經網路系統，甚至在一些測試中展現了比人類，更優異的圖像辨識精度。比如它不僅僅能夠認出面前的小貓，甚至能夠對這只貓的品種瞭若指掌。
顯然這種辨識模式，對於無人駕駛技術意義深遠，這將幫助汽車準確辨識前方的物體。
更接近人類的反應
傳統的駕駛輔助系統，僅僅能夠在探測到障礙物之後，幫助駕駛員踩下刹車（比如富豪汽車的前碰撞預警系統）。而英偉達晶片能做到的不只有這些，它除了能做到更準確的障礙物便識外，還能幫助無人駕駛汽車做出更接近人類的駕駛反應。
以Project Dave項目為例。在此項目中，研究人員遠端控制汽車，幫助它實現無人駕駛。想像一下他們會怎麼做？給無人駕駛汽車設定好路線，通過程式設計告訴它，當感測器探測到行進過程中的障礙物，具體該作何反應？當然不是。
研究人員使用人類開車的影像，來教無人駕駛吸取駕駛經驗。Project Dave汽車能夠從人類面對不同障礙物，所做的反應來學習駕駛。接下來汽車在面對相似的情況時，就能做出和人類相似的反應了。
深度學習技術，能夠給予未來的無人駕駛汽車，更靈活的隨機應變能力。比如當無人駕駛汽車，探測到前方道路上大的減速坎時，它會自動稍微放慢車速壓過減速坎，以減少車上乘客的顛簸感。
這些具備深層學習能力的汽車，當然也有難以回避的局限性，為了解決這些局限性，工程師會可以在系統中植入一些強制規則，比如“禁止碰撞前方固體障礙”。這讓你想到了什麼？沒錯，阿西莫夫機器人三定律。
我們大可以在這些善於學習的汽車中編入下面這條指令：禁止碰撞人類。相信用不了多久，無人駕駛汽車就能真正進入我們的生活，並在城市通勤中扮演重要角色了。
來源：Cnet
0 comments:
張貼留言