자율주행차의 "두뇌" 훈련

자율 주행 자동차가 도로를 주행할 때 센서와 카메라가 지속적으로 자동차 주변의 360도 보기를 캡처하기 때문에 가장 단순한 환경에서도 1분마다 엄청난 양의 데이터를 생성합니다.

시애틀을 여행하는 Torc 차량.

우리 자동차의 "눈"은 레이더, LiDAR 및 카메라로 구성됩니다. 그들은 함께 협력하여 사물, 표지판, 차선, 신호등을 포함하여 실시간으로 도로에 대한 정보를 수집합니다. 다음 단계는 모든 데이터를 이해하는 것입니다. 우리의 자율주행 자동차는 비디오 게임 기술에서 유래한 핵심 컴퓨팅 구성요소인 GPU(그래픽 처리 장치)를 사용합니다.

GPU는 한 번에 많은 양의 데이터를 처리하는 능력이 게임을 구성하는 픽셀과 모양을 생성하는 데 사용되는 비디오 게임 그래픽의 응용 프로그램으로 알려져 있습니다. GPU가 더욱 강력해짐에 따라 인공 지능 및 자율 주행 자동차를 포함하여 이 기술을 위한 다른 애플리케이션이 등장했습니다.

우리는 현재 자율 주행 자동차 프로그램의 시작부터 NVIDIA Pascal Architecture GPU를 사용하여 자율 시스템에 대한 교육 및 추론을 수행해 왔습니다. 알고리즘을 훈련하고 개선하기 위해 차량 외부의 서버에서 사용되며 자동차에서 센서 데이터를 감지하고 분류하기 위해 사용됩니다.

Torc의 최고 기술 책임자인 Ben Hastings는 "NVIDIA GPU를 사용하면 우리 차량이 주변 세계를 이해할 수 있도록 하는 신경망 및 기타 대규모 병렬 알고리즘을 빠르게 훈련하고 배포할 수 있습니다."라고 말했습니다.

도로에서 현명한 결정을 내릴 수 있는 시스템을 만들기 위해 우리는 인간의 두뇌와 유사한 방식으로 학습하도록 설계된 심층 신경망을 사용합니다. 우리의 알고리즘은 도로에서 시나리오를 시뮬레이션하는 GPU 서버를 사용하여 훈련됩니다. 딥 러닝을 통해 가능한 모든 시나리오를 통해 자율주행차를 물리적으로 운전하지 않고도 시스템의 분류 및 의사 결정을 신속하게 개선할 수 있습니다. 예를 들어 다양한 표지판에 대한 네트워크 데이터를 제공하여 속도 제한 표지판을 인식하도록 시스템을 훈련할 수 있습니다. 도로에 있으면 모든 속도 표지판에 대한 정보를 미리 프로그래밍할 필요 없이 도로에 통과하는 새로운 제한 속도 표지판을 실시간으로 인식할 수 있습니다.

응용 프로그램은 또한 실시간 도로 비디오 디스플레이의 개체 렌더링 및 오버레이로 확장됩니다. 센서와 카메라가 시스템에 정보를 제공할 때 GPU는 원시 데이터를 사람이 보는 것을 보다 가깝게 모방하는 방식으로 자동차가 "보는" 것을 표시하는 이미지로 변환합니다.

NVIDIA와 같은 회사는 GPU 설계 및 성능을 보다 일반적인 장비에서 자율 주행 자동차 시스템용으로 특별히 설계된 장치로 계속 발전시키고 있습니다. 예를 들어, 강력하면서도 에너지 효율적인 GPU는 특히 전기 자동차에 사용될 때 자율 주행 자동차를 대량 생산하는 데 필수적입니다. 매일 새로운 혁신이 이루어지고 있으며, 모든 개선은 모든 사람이 자율 운송 수단에 접근할 수 있도록 하는 또 다른 단계입니다.