自動運転車が道路を走行するとき、センサーとカメラが車の周囲の360度のビューを継続的にキャプチャするため、最も単純な環境でも毎分大量のデータが生成されます。
シアトルを通過するトルク車両。
私たちの車の「目」は、レーダー、LiDAR、カメラで構成されています。これらは連携して、オブジェクト、標識、車線、信号機など、道路に関する情報をリアルタイムで収集します。次のステップは、そのすべてのデータを理解することです。自動運転車は、ビデオゲームテクノロジーに由来する主要なコンピューティングコンポーネントであるグラフィックスプロセッシングユニット（GPU）を使用しています。
GPUは、ビデオゲームグラフィックスのアプリケーションで知られており、大量のデータを一度に処理する機能を使用して、ゲームを構成するピクセルと形状を生成します。 GPUがより強力になるにつれて、人工知能や自動運転車など、このテクノロジーの他のアプリケーションが登場しました。
現在の自動運転車プログラムの開始から、NVIDIA Pascal ArchitectureGPUを使用して自律システムのトレーニングと推論を実行してきました。これらは、車外のサーバーでアルゴリズムのトレーニングと改良に使用され、車内でセンサーデータの検出と分類に使用されます。
Torcの最高技術責任者であるBenHastings氏は、「NVIDIA GPUを使用すると、ニューラルネットワークやその他の大規模な並列アルゴリズムを迅速にトレーニングして展開できるため、車両が周囲の世界を理解できるようになります」と述べています。
道路上で賢明な意思決定を行うことができるシステムを作成するために、人間の脳と同様の方法で学習するように設計されたディープニューラルネットワークを使用します。私たちのアルゴリズムは、道路上のシナリオをシミュレートするGPUのサーバーを使用してトレーニングされています。ディープラーニングを通じて、考えられるすべてのシナリオで自動運転車を物理的に運転しなくても、システムの分類と意思決定を迅速に改善できます。たとえば、さまざまな標識に関するネットワークデータを供給することにより、制限速度標識を認識するようにシステムをトレーニングできます。道路に出ると、事前にすべての速度標識に関する情報を事前にプログラムする必要なしに、道路を通過した新しい制限速度標識をリアルタイムで認識することができます。
アプリケーションは、道路のリアルタイムビデオのディスプレイ上のオブジェクトレンダリングとオーバーレイにも拡張されます。センサーとカメラがシステムに情報を供給すると、GPUは生データを画像に変換し、人間が見るものをより厳密に模倣する方法で車が「見る」ものを表示します。
NVIDIAのような企業は、GPUの設計とパフォーマンスを、より汎用的な機器から自動運転車システム用に特別に設計されたユニットに進化させ続けています。たとえば、パワフルでありながらエネルギー効率の高いGPUは、自動運転車を大量生産するために不可欠です。特に電気自動車で使用する場合はなおさらです。毎日新しいイノベーションが行われており、すべての改善は、自律輸送を誰もが利用できるようにするためのもう1つのステップです。