Nvidia首度公開(kāi)自駕車(chē)研發(fā)新進(jìn)展

　　Nvidia現(xiàn)在不只賣(mài)GPU卡，甚至最近也揭露了耗費(fèi)9個(gè)月所完成的自駕車(chē)的新成果。其中，Nvidia借助了深度學(xué)習(xí)神經(jīng)網(wǎng)路CNN與機(jī)器學(xué)習(xí)框架Torch7作訓(xùn)練，因而讓無(wú)人汽車(chē)在短時(shí)間內(nèi)就具有跟其他自動(dòng)車(chē)同樣的行駛功能。

　　Nvidia現(xiàn)在不只靠GPU搶攻深度學(xué)習(xí)、AI與VR/AR市場(chǎng)，近來(lái)也積極投入無(wú)人汽車(chē)的研究，最近Nvidia更首度揭露了耗費(fèi)9個(gè)月所完成的自動(dòng)駕駛車(chē)的最新成果。Nvidia借助了深度學(xué)習(xí)神經(jīng)網(wǎng)路CNN與機(jī)器學(xué)習(xí)框架Torch7作訓(xùn)練，因而讓無(wú)人汽車(chē)在短時(shí)間內(nèi)就具備有跟其他自駕車(chē)一樣的自駕功能，這項(xiàng)成果最近也公開(kāi)在美國(guó)康乃爾大學(xué)的電腦科學(xué)類(lèi)研究網(wǎng)站上發(fā)表。

　　Nvidia自駕車(chē)專(zhuān)案展示有新成果

　　Nvidia在去年發(fā)起的一項(xiàng)Dave-2自駕車(chē)專(zhuān)案中，分別使用了來(lái)自2016年出產(chǎn)的Lincoln MKZ與2013年系列的Ford Focus共兩款車(chē)輛進(jìn)行自動(dòng)駕駛的模擬與道路實(shí)測(cè)。Nvidia在這2輛車(chē)內(nèi)都分別裝有3組相機(jī)鏡頭，還有一個(gè)可儲(chǔ)存資料用的SSD硬碟，并都使用Nvidia Drive PX做為車(chē)載電腦系統(tǒng)的核心。

　　而從Nvidia自駕車(chē)研究小組所共同撰寫(xiě)發(fā)表的論文內(nèi)容來(lái)看，截至今年3月底，Nvidia僅用了將近72個(gè)小時(shí)搜集的環(huán)境數(shù)據(jù)資料，持續(xù)做為汽車(chē)的機(jī)器學(xué)習(xí)訓(xùn)練后，已成功能讓汽車(chē)自動(dòng)安全行駛在高速公路或一般道路。而之所以能用較少的資料作訓(xùn)練，就可讓汽車(chē)自動(dòng)開(kāi)上路，甚至不需要人為介入操控，Nvidia解釋?zhuān)澈蟮年P(guān)鍵正是利用了卷積神經(jīng)網(wǎng)路(Convolutional Neural Network，CNN)，來(lái)建立一套可用于無(wú)人汽車(chē)訓(xùn)練的深度學(xué)習(xí)神經(jīng)網(wǎng)路模型。

　　CNN是一種前饋式神經(jīng)網(wǎng)路(Feed-Forward Neural Network)，其特色是可以直接輸入原始來(lái)源的圖像，而避免對(duì)圖形進(jìn)行復(fù)雜的前處理過(guò)程，例如特征提取和資料重建等。CNN因?yàn)椴捎镁植窟B接(Sparse Connectivity)的神經(jīng)網(wǎng)路形式，并透過(guò)權(quán)值共享(Shared Weights)的方式來(lái)減少神經(jīng)元的連接數(shù)量，因而比起傳統(tǒng)全連接的神經(jīng)網(wǎng)路，可以用較少的參數(shù)，更快速的完成學(xué)習(xí)訓(xùn)練過(guò)程。CNN過(guò)去在圖像處理一直獲得很好的發(fā)揮效果，也常使用于語(yǔ)音分析和圖像識(shí)別的相關(guān)研究，現(xiàn)在也被運(yùn)用于無(wú)人汽車(chē)的學(xué)習(xí)訓(xùn)練用途。

　　Nvidia自駕車(chē)研發(fā)團(tuán)隊(duì)這次一共建構(gòu)了深度多達(dá)9層的CNN神經(jīng)網(wǎng)路架構(gòu)，并連結(jié)了將近2,700萬(wàn)條神經(jīng)元，以及使用了25萬(wàn)個(gè)參數(shù)，才打造出可用于自動(dòng)駕駛車(chē)訓(xùn)練的深度學(xué)習(xí)預(yù)測(cè)模型。

　　當(dāng)以無(wú)人汽車(chē)進(jìn)行深度學(xué)習(xí)訓(xùn)練時(shí)，會(huì)先透過(guò)將相機(jī)捕捉到的道路環(huán)境影像直接輸入至CNN神經(jīng)網(wǎng)路模型內(nèi)，并經(jīng)過(guò)模擬計(jì)算后，再將產(chǎn)生出的運(yùn)算結(jié)果，拿來(lái)和實(shí)際人類(lèi)駕駛的操控行為，例如方向盤(pán)轉(zhuǎn)動(dòng)角度等，進(jìn)行兩相比較后，再重新不斷修正演算法模型，來(lái)提高CNN預(yù)測(cè)的準(zhǔn)確度。而至今，這些用來(lái)做為CNN模擬訓(xùn)練而使用的環(huán)境影像資訊，如果換算成距離的話(huà)，累積已有100英哩。

　　除此之外，Nvidia還借助了另一個(gè)開(kāi)源機(jī)器學(xué)習(xí)框架Torch7，來(lái)提高汽車(chē)行駛判斷的能力，以便能將從相機(jī)搜集到的周?chē)缆焚Y訊，包括來(lái)往車(chē)輛、交通號(hào)志，以及各式障礙物等，經(jīng)過(guò)機(jī)器學(xué)習(xí)演算法計(jì)算后，來(lái)決定接下來(lái)的行駛策略，是要變更行駛路線(xiàn)，抑或是調(diào)整車(chē)速快慢等。

　　根據(jù)Nvidia的說(shuō)明，這輛自駕車(chē)經(jīng)過(guò)道路實(shí)測(cè)后，初期已能在美國(guó)紐澤西高速公路上完成9成以上的自動(dòng)化駕駛，甚至少數(shù)路段更達(dá)到全程自動(dòng)化行駛，即使是在不同氣候環(huán)境條件下，如雨天等，汽車(chē)也能正常行駛。

　　除了成立無(wú)人汽車(chē)研究團(tuán)隊(duì)來(lái)開(kāi)發(fā)自駕車(chē)外，Nvidia最近也宣布將參與協(xié)助打造首輛賽車(chē)用的無(wú)人汽車(chē)計(jì)畫(huà)，該賽車(chē)完成后將參加Formula E電動(dòng)方程式即將在2016至2017年賽季首度舉辦的Roborace自動(dòng)駕駛汽車(chē)大賽，并挑戰(zhàn)要在1小時(shí)內(nèi)連續(xù)跑完數(shù)十圈以上的賽道。

　　而從Nvidia目前所公布關(guān)于這輛賽車(chē)的架構(gòu)設(shè)計(jì)圖，也顯示出這輛無(wú)人賽車(chē)之后也將采用Nvidia新一代自動(dòng)駕駛平臺(tái)Drive PX2，做為汽車(chē)電腦系統(tǒng)核心。這場(chǎng)專(zhuān)業(yè)無(wú)人車(chē)賽的最后決勝關(guān)鍵，將決定于哪只隊(duì)伍可以運(yùn)用機(jī)器學(xué)習(xí)，甚至借助深度學(xué)習(xí)的類(lèi)神經(jīng)演算法，以發(fā)揮出更準(zhǔn)確的駕駛判斷能力。