Статья опубликована в № 3836 от 22.05.2015 под заголовком: Nvidia учит машины видеть

Nvidia начала поставки нового ПО для автопроизводителей

Оно научит бортовой компьютер машины распознавать объекты на дороге во время езды
Nvidia вышла и на быстро развивающийся рынок систем автоматизации для автомобилестроения
AP

Google готовится тестировать свой автономный автомобиль, а руководители компании Nvidia предсказывают, что будущие беспилотные автомобили внешне вряд ли будут сильно отличаться от сегодняшних моделей. «Кому хочется иметь машину с багажником, набитым компьютерами? – говорит Дэнни Шапиро, директор подразделения автомобильных технологий Nvidia. – Думаю, вы предпочтете, чтобы будущие модели выглядели как обычные автомобили».

Nvidia разрабатывает мощные графические процессоры, широко используемые в компьютерах и игровых консолях, но теперь компания вышла и на быстро развивающийся рынок систем автоматизации для автомобилестроения. В мае она начала поставлять аппаратный и программный инструментарий для таких автомобилестроителей, как Bentley, Aston Martin, Tesla и Rolls-Royce. Одна из важнейших задач инструментария – научить бортовой компьютер машины распознавать объекты на дороге во время езды. На достижение этой цели уйдет по меньшей мере пара лет. В результате автомобили смогут эффективно взаимодействовать с другими системами и с ходу принимать нужные решения, например при необходимости затормозить, свернуть и т. п.

Инструментарий Nvidia состоит из двух частей: компактного графического процессора, устанавливаемого на автомобиле и оснащенного ПО для распознавания образов, и более крупного сервера, располагающегося в лаборатории по тестированию автономных машин на предприятии автомобилестроителя. В машинах, продаваемых сейчас на рынке, этот инструментарий пока не установлен, он используется только для тестирования прототипов беспилотных моделей. Автомобилестроители обкатывают эти прототипы, оборудованные множеством видеокамер и других датчиков, информация с которых поступает в графические процессоры Nvidia. Для получения полноценной картины обстановки вокруг автомобиля процессор использует данные с 12 камер.

Графическая плата обрабатывает изображения с камер, представляя их в виде групп пикселей. Программа ищет границы этих групп, точки их соприкосновения, сравнивая их с эталонными изображениями объектов вроде человеческих ног или припаркованных машин. Затем система оценивает статистическую вероятность идентичности того или иного объекта. Данный метод, называемый «глубинное обучение», является компонентом искусственного интеллекта.

«Мы сможем создать систему, которая будет распознавать объекты так, как их распознает человек, – говорит Шапиро. – К примеру, система будет отличать такси от полицейской машины и понимать, что означает мигание фар. Кроме того, система сможет обучаться распознавать образы, не известные ей до сих пор. Это важно, ведь если, скажем, машина, не имеющая информации о лосях, увидит на дороге лося, ей все равно надо принять решение – притормозить и увернуться от столкновения с животным».

Однако разработчикам таких систем следует спешить: рынок и конкуренты не ждут. «Прежде чем выпустить на рынок автомобиль [с возможностью автоматического распознавания в реальном времени], вы должны успеть хорошенько натренировать его», – говорит Шапиро.

Наличие более совершенной системы обработки данных может обеспечить автомобилестроителю конкурентное преимущество. Сейчас многие участники рынка создают собственные фирменные базы данных для глубинного обучения. «Системы обеспечения автономной езды хороши ровно настолько, насколько хороши их алгоритмы и базы данных, – поясняет Шапиро. – Если кто-то оснастит свои машины более совершенной, надежной системой, эти машины будут лучше продаваться».

WSJ, 21.05.2015, Александр Силонов

Пока никто не прокомментировал этот материал. Вы можете стать первым и начать дискуссию.
Комментировать