NVIDIA の秋の GTC カンファレンスが正式に開幕しました。 NVIDIA CEO のジェンスン・フアン氏は、さまざまな業界における NVIDIA の実践事例を詳しく紹介し、NVIDIA Orin チップ上に構築された L2 自動運転システムの機能を強調しました。 同社はメルセデス・ベンツSクラスセダンをベースにしたテストカー(Hyperion 8と命名)を改造した。車内の自動運転コントローラーには4つのOrinチップ(総演算能力1016TOPS)が搭載されており、あらゆるシナリオでレベル2の自動運転機能を備えている。 黄仁訓氏はその場でデモ動画を再生し、Hyperion 8がレベル2自動運転をオンにしてNVIDIA本社の周りを走り回り、高速道路、市街地、駐車場などさまざまなシナリオをカバーした。 ▲試乗車は新世代メルセデス・ベンツSクラス L2 状態では、車両はランプの進入や出口、車線合流などの通常の L2 自動運転操作を完璧に実行できるほか、横断歩道で歩行者に道を譲ったり、交差点、ラウンドアバウト、さらには高架を通過したりすることもできます。 さらに重要なのは、デモンストレーション ビデオでは、ドライバーはプロセス全体を通して手を離すことができ (L2 ハンズフリー)、道路状況に注意するだけでよいことです。 Nvidia のデモンストレーションは、Orin チップのコンピューティング パワーのサポートにより、L2 自動運転システムを都市、高速道路、環状道路などのさまざまなシナリオに拡張できるという明確なシグナルを外部に送りました。 つまり、L4 が短期的には実現できなくても、L2 によって「ハンドルから手を離さずに運転して通勤できる」という効果が得られるということです。 現在、量産車のL2自動運転システムは、「単純な高速シナリオ」から「複雑な都市シナリオ」への移行の重要な時期にあります。テスラのFSD、小鵬都市NGP、ファーウェイADSなどのシステムは、都市におけるエンドツーエンドのL2自動運転の強力な実用性と優れた潜在性を実証しました。 今年中国で発売されたZhiji L7とNIO ET7の2つのモデルには、Hyperion 8と同じコンピューティングハードウェア構成が搭載されています。これは、来年2台の新しい車が納車された後、中国の消費者が都市L2自動運転システムを真に導入することを意味します。 01. 4つのOrinチップを搭載し、市街地の道路で手を自由にします黄仁鉉氏はスピーチで「自動車は、完全自動運転であれ半自動運転であれ、最終的には自動運転を実現するだろう。2024年までに、新型電気自動車の大半は強力な自動運転機能を備えるようになるだろう」と述べた。自動運転が急速に発展する中、NVIDIAは自動運転車を構築するためのエンドツーエンドのプロセスと、フルスタックの自動運転システムを、グローバルクラウドマップと組み合わせて自動運転の実現に向けて開発している。
▲ エヌビディア CEO ジェンスン・フアン 本日のスピーチで、黄仁訓氏は都市型レベル2自動運転デモモデルを初公開し、Nvidia本社周辺でテストも行いました。 Nvidia の新しいデモ モデルは Hyperion 8 と名付けられ、新しいメルセデス ベンツ S クラスをベースにしています。 ▲ NVIDIA Hyperion 8 ハードウェア構成 自動運転コンピューティング デバイスは NVIDIA Orin チップを使用し、そのうち 4 つが 1 つのドメイン コントローラーで直接使用されるため、AI コンピューティング能力は 1016TOPS に達します。このコンピューティング デバイスの構成は、以前に発売された NIO ET7 および Zhiji L7 の最上位モデルとまったく同じです。 センサー構成に関しては、この車は 12 台のカメラ、9 台のミリ波レーダー、12 台の超音波レーダー、および 1 台の前方 LIDAR を使用しています。 この車は消費者向けに販売されるものではなく、自動運転の研究開発チームが独自の自動運転アルゴリズムを検証するためのものです。さまざまな開発チームのパフォーマンス要件に応じて、コンピューティング デバイスを NVIDIA Ampere アーキテクチャ GPU に接続して、より高い AI パフォーマンスを実現することもできます。 会議では、メルセデス・ベンツのハイペリオン8も路上で初公開され、市街地道路や高速道路での自動運転機能を実演した。 NVIDIA 本社から出発した Hyperion 8 は、まず広い市街地道路を通過し、その後一般の高速道路に入りました。高速道路では、Hyperion 8 はナビゲーションルートに従って車線変更時に自動的にライトを点灯したり、ランプの進入や出口を出たりすることができます。また、高速道路の大きなカーブのランプも、人間の介入を必要とせずにスムーズに通過できます。 ▲ 車両は曲率の大きいカーブを通過する 市街地の道路に入ると、Hyperion 8 は信号を認識します。交差点に近づくと、ナビゲーション ルートに基づいて左折するか右折するかを判断できます。全体のプロセスは非常にスムーズです。 ▲ NVIDIA Hyperion 8 ハードウェア構成 さらに、Hyperion 8 はラウンドアバウトを自力で通過でき、混雑した都市道路で歩行者を予測して道を譲ることもできます。 最も重要なのは、車内の運転手がプロセス全体を通してハンドルを操作する必要がないことです。これはまさに、大手自動車メーカーが近年開発に着手しているフルシナリオL2自動運転技術です。 Hyperion 8 内部では、4 つの Nvidia Orin チップがそれぞれ異なる役割を担っています。 Orin チップのうち 2 つは、NVIDIA が DRIVE Chauffeur と呼ぶ、都市や高速道路での自動運転機能を実現する役割を担っています。また、車内のインテリジェント リンクに使用されるチップも 1 つあります。このチップは、自動バレー パーキングを実現し、カメラの認識を画像に変換して車のコンピューターに表示し、音声でドライバーと対話することもできます。 Nvidiaはもう一方のOrinチップの具体的な機能を発表していないが、システム全体の冗長性として使用されるのではないかと推測されている。 02. 完全な開発プロセスにより、2Dカメラ認識が4Dになる黄仁訓氏は、自動運転の開発には3つの柱が必要だと語った。最初のステップは AI モデルのトレーニング、2 番目のステップはシミュレーション テスト、3 番目のステップは実際の車両でのテストです。 NVIDIA には、自動運転の研究開発チームが迅速な開発を実現できるよう支援する 3 つの完全な柱があります。 研究開発プロセスでは、視覚認識が中核的なステップであり、センサーの 2D データを 4D 世界モデルに変換することが目標です。高精度マップの助けを借りて、NVIDIA は障害物の回避、位置決め、環境認識、経路計画を実現し、最終的に目的地に到達できます。 ▲道路情報は4D可視化情報に変換される 現在、NVIDIA は世界中から PB レベルの道路データを収集しており、約 3,000 人のラベラーが毎日データを作成し、トレーニングを行っています。 カメラ、ミリ波レーダー、ライダーがすべて車内に搭載されると、センサー融合が別の難しい問題になります。 これを基に、NVIDIA は自動運転車用のデータ ジェネレーターである DRIVE Sim Replicator ツールを使用してレンズ モデルをシミュレートし、モーション ブラー、ローリング シャッター、LED 点滅ライトなどの多くの干渉要因を考慮します。 同時に、NVIDIA はセンサーの正確なモデリングを可能にするためにセンサーメーカーとも協力関係を築きました。 さらに、NVIDIA は LiDAR マテリアル ライブラリも確立しており、さまざまなオブジェクトの反射に基づいてレーダーの認識マップにオブジェクトをマークできるミリ波レーダー マテリアル ライブラリを構築しています。 数か月前、NVIDIA は DeepMap を買収し、DeepMap の地図データを基に NVIDIA の高精度地図の規模を拡大し続けました。 Nvidia は、クラウドソーシングを使用してマップ構築を実現し、つまり 1 台の車だけを使用して特定のエリアの完全なマップ データを徐々に構築します。 NVIDIA は地図作成専用の車両群を確立し、世界中の人気都市の高精度な地図を描くことに専念しています。 実際、今回NVIDIAがデモしたHyperion 8では、センサー、4D知覚、ディープラーニングに基づくマルチセンサー融合技術、特徴追跡、新しい経路計画エンジンに至るまで、すべてが最新の開発ツールに基づいて構築されています。 03. 結論: NVIDIAは自動運転に注力し続ける今回のGTCカンファレンスで、NVIDIAはBaiduとの協力関係を深め、同社の第3世代自動運転プラットフォームにNVIDIA DRIVE Orinチップを採用すると発表しました。 Nvidiaの意図は明確です。同社は自動運転業界での市場シェアを拡大し続けるだけでなく、自動運転企業や自動車メーカーとの協力を深め、実際の複雑な道路シナリオでのテストデータを取得していきます。 近年、Nvidiaの自動運転チップの性能は継続的に向上しており、徐々に業界のスター製品となり、ますます多くの新車メーカーに支持されています。 |
<<: ヘルスケア市場におけるサービスロボットは2027年までに32億ドルに達すると予想
>>: プログラマーに必要ないくつかの一般的なソートおよび検索アルゴリズムの概要
テキストから画像への (T2I) 拡散モデルは、大規模な画像とテキストのペアで事前トレーニングされて...
[51CTO.comからのオリジナル記事]クラウドコンピューティング、ビッグデータ、5G、モノのイン...
この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...
この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...
人工知能は今のところ目新しいものではありません。結局のところ、人工知能は私たちの生活のあらゆるところ...
農業業界は、生成型人工知能 (AI) がもたらす貴重な洞察と生産性の向上により、大きな変革の可能性を...
1. 概要この記事では、多数のクライアントが同時にデータを書き込む場合に、分散ファイルシステム HD...
The Paperによると、世界経済フォーラムの報告書では、2025年までに8000万の仕事が機械...
10月31日、中関村サイエンスパーク管理委員会の指導の下、美団クラウドが主催し、「AIの力で共存とW...
ブログのタイトルに使うには奇妙な言葉だとは思いますが、先日、私が今考えている疑問のいくつかにまさに当...
どのプログラミング言語が最適ですか?この質問には答えがないかもしれません。人によって好みは異なります...