在今年COMPUTEX上發(fā)表的論文詳細介紹了綜合深度神經(jīng)網(wǎng)絡的開發(fā)過程。

全新自動駕駛技術將能夠“獨當一面”。

麻省理工學院的研究人員正在開發(fā)一個一體化深度神經(jīng)網(wǎng)絡（DNN）為自動駕駛汽車提供支持，并取代由多個網(wǎng)絡組成的系統(tǒng)。在今年COMPUTEX上發(fā)表的這項研究使用了NVIDIA DRIVE AGX Pegasus在車輛中運行網(wǎng)絡，能夠高效、實時地處理堆積成山的激光雷達數(shù)據(jù)。

自動駕駛汽車傳感器會產(chǎn)生大量數(shù)據(jù)——如果一個由50輛車組成的車隊每天行駛6小時，那么每天就會產(chǎn)生約1.6PB的傳感器數(shù)據(jù)。若把所有這些數(shù)據(jù)都存儲在1GB U盤上，這些U盤將能覆蓋100多座足球場。

自動駕駛汽車必須即時處理這些數(shù)據(jù)才能感知周圍環(huán)境并安全行駛。但由于數(shù)據(jù)量巨大，一個DNN很難完成這種處理，因此大多數(shù)方法都會使用多個網(wǎng)絡和高清晰度地圖。

在他們的論文中，麻省理工學院團隊詳細介紹了如何使用一個一體化DNN嘗試新的自動駕駛策略，首先就是要完成實時激光雷達傳感器數(shù)據(jù)處理任務。

通過運用高性能、高能效的NVIDIA DRIVE AGX Pegasus，該團隊進一步加快激光雷達的計算速度以實現(xiàn)甚至超越這一目標，其運行速度比目前最先進的系統(tǒng)還要快15倍。

提高數(shù)據(jù)處理效率

如今，許多開發(fā)中的自動駕駛系統(tǒng)除了使用高清地圖之外，還使用一系列DNN來處理傳感器數(shù)據(jù)。這一組合能夠使自動駕駛汽車快速確定自己在空間的位置并探測其他道路使用者、交通標志和其他物體。

雖然這種方法為安全自動駕駛提供了必要的冗余和多樣性，但它很難在尚未進行測繪的地區(qū)實施。

此外，使用激光雷達傳感器的自動駕駛系統(tǒng)需要每秒處理周圍環(huán)境中的200多萬個點。不同于2D圖像數(shù)據(jù)，激光雷達點在3D空間中極為稀疏。由于沒有針對此類數(shù)據(jù)的定制化架構，因此這對于現(xiàn)代計算硬件而言是一個巨大的挑戰(zhàn)。

為了實現(xiàn)比基本架構更高的速度和能效，麻省理工學院團隊開發(fā)出新的改進措施。

麻省理工學院的DNN能夠執(zhí)行整個自動駕駛系統(tǒng)的功能。這套完整的功能是通過使用大量人類駕駛數(shù)據(jù)來訓練網(wǎng)絡而實現(xiàn)的，這些數(shù)據(jù)教會了它能夠像人類駕駛者那樣將駕駛視為一個整體，而不是把駕駛分解成多個具體的任務。

雖然這種方法仍在開發(fā)中，但它具有很大的潛在優(yōu)勢。

在車輛中運行一個一體化DNN明顯比運行多個專用網(wǎng)絡更高效，這為其他功能開辟了計算空間。而且由于DNN依靠訓練而不是地圖來實現(xiàn)在未測繪道路上的導航，因此它具有更高的靈活性。隨著效率的提高，車輛還能實時處理更多的豐富感知數(shù)據(jù)。

使用NVIDIA DRIVE大幅提高性能

當與高性能的中央計算系統(tǒng)相結合時，麻省理工學院發(fā)現(xiàn)其DNN的使用更加得心應手。

NVIDIA DRIVE AGX Pegasus是一款專為L4級和L5級自動駕駛系統(tǒng)設計的AI超級計算平臺。它結合了兩個NVIDIA Xavier SoC和兩個NVIDIA Turing架構GPU的性能，實現(xiàn)了前所未有的每秒320萬億次運算性能。

麻省理工學院的研究人員已著手在某個計算系統(tǒng)上開發(fā)DNN。該系統(tǒng)不僅功能強大，而且在目前正在開發(fā)的自動駕駛系統(tǒng)中也很常見。

共同領導該項目的麻省理工學院博士生Alexander Amini表示：“我們希望有一個高度靈活的模塊化AV系統(tǒng)，而NVIDIA正是這個領域的領導者。Pegasus能夠處理來自各種傳感器的輸入流，讓開發(fā)人員很容易實現(xiàn)他們的DNN?！?/p>

DNN的激光雷達感知能力只是麻省理工學院研究人員最初的自動駕駛開發(fā)目標。Amini表示，團隊正在設法解決組合傳感器流、與其他車輛之間更復雜的交互以及惡劣天氣條件等問題——而這些問題的解決都用到了NVIDIA DRIVE解決方案。

編輯：jq