Dopo aver dato inizio al progetto Drive PX l’anno scorso con la presentazione del primo computer per auto, Nvidia ha svelato al CES 2016 la sua evoluzione, Drive PX 2, il computer di bordo per l’intelligenza artificiale più potente al mondo.
Nvidia Drive PX 2 permetterà all’industria automobilistica di utilizzare l’intelligenza artificiale per affrontare le difficili sfide della guida autonoma. Esso sfrutta le più avanzate GPU Nvidia per il deep learning per avere una comprensione a 360 gradi di ciò che si trova intorno al veicolo, nonché determinare con precisione la posizione dell’auto e calcolare le traiettorie più sicure e confortevoli.
Parola al CEO di Nvidia, Jen-Hsun Huang
“I guidatori hanno a che fare con un mondo infinitamente complesso”, ha dichiarato Jen-Hsun Huang, co-fondatore e CEO di Nvidia. “La moderna intelligenza artificiale e le GPU ci permettono finalmente di affrontare le difficili sfide delle automobili a guida autonoma. Le GPU Nvidia, infatti, hanno un ruolo centrale nei progressi del deep learning e del supercomputing, che stiamo sfruttando per creare il cervello dei veicoli autonomi del futuro, che saranno continuamente in allerta e raggiungeranno livelli sovrumani di consapevolezza delle situazioni.”
“I veicoli autonomi assicureranno una maggior sicurezza, nuovi e più convenienti servizi di mobilità e potranno persino contribuire a migliorare la progettazione urbana, fornendo un importante impulso alla creazione di un futuro migliore.”
24 miliardi di operazioni di deep learning al secondo
Creata per rispondere alle esigenze dei partner di Nvidia del settore automobilistico, Drive PX 2 offre una potenza di calcolo senza precedenti per il deep learning, equivalente a quella di 150 MacBook Pro.
Due processori Tegra di prossima generazione, cui si aggiungono altre due GPU, consentono di eseguire fino a 24 miliardi di operazioni al secondo specifiche per le elaborazione delle reti neurali tipiche del deep learning, ossia una potenza di calcolo 10 volte maggiore rispetto alle soluzioni di precedente generazione.
Le capacità di deep learning di Drive PX 2 consentono poi di imparare rapidamente a gestire le quotidiane sfide che si affrontano nella guida, come ad esempio detriti stradali inaspettati, guidatori distratti o interruzioni impreviste della strada. Il deep learning è in grado anche di risolvere problematiche ambientali che le tradizionali tecniche di computing non possono gestire, come, ad esempio, in caso di pioggia, neve, nebbia, e condizioni di luce difficili, come ad esempio al tramonto, all’alba e nell’oscurità totale.
Per operazioni in virgola mobile di carattere generale, l’architettura GPU a precisione multipla di Drive PX 2 è capace di gestire fino a 8 miliardi di operazioni al secondo, quindi, oltre quattro volte di più rispetto alle soluzioni della precedente generazione.
Ciò consente ai partner di poter gestire tutti gli algoritmi della guida autonoma, tra cui la sensor fusion, la localizzazione e la pianificazione dei percorsi.
Deep Learning nelle auto a guida autonoma
Le auto a guida autonoma utilizzano numerosi sensori per comprendere l’ambiente circostante. Drive PX 2 può processare gli imput di 12 videocamere, oltre al LIDAR (light detection & ranging), ai radar e ai sensori a ultrasuoni. Combina poi tutte queste informazioni per individuare gli oggetti accuratamente, capire cosa sono, determinare la posizione dell’auto rispetto a essi e, infine, calcolare il percorso migliore.
Questo complesso lavoro viene facilitato da Nvidia DriveWorks, una suite di strumenti software, librerie e moduli che accelerano lo sviluppo e le fasi di test dei veicoli autonomi. DriveWorks, infatti, consente la calibrazione dei sensori, l’acquisizione dei dati, la sincronizzazione, la registrazione e poi l’elaborazione dei flussi di dati provenienti dai sensori attraverso una complessa serie di algoritmi, il tutto sfruttando i processori specializzati di Drive PX 2. I moduli software riguardano tutti gli aspetti, dal riconoscimento degli oggetti fino alla classificazione e alla segmentazione, dalla localizzazione sulla mappa fino alla pianificazione del percorso.
Ampio supporto da parte del mercato
Da quando Nvidia la scorsa estate ha reso disponibile la prima generazione di Drive PX, oltre 50 produttori di auto, primari fornitori, sviluppatori e istituti di ricerca hanno adottato la piattaforma di AI (intelligenza artificiale) di Nvidia per lo sviluppo delle auto a guida autonoma, apprezzandone immediatamente le funzionalità, le prestazioni e la semplicità.
“Con la piattaforma per il deep learning Digits di Nvidia, abbiamo raggiunto un’accuratezza superiore al 96% in meno di quattro ore utilizzando il database della segnaletica stradale della Ruhr University di Bochum. Mentre altri per raggiungere livelli paragonabili con i classici algoritmi hanno investito anni di sviluppo, noi abbiamo potuto farlo alla velocità della luce” ha commentato Matthias Rudolph, Director of Architecture Driver Assistance Systems di Audi.
Uwe Higgen, Head of BMW Group Technology Office USA, afferma che: “BMW sta valutando l’utilizzo del deep learning per diverse situazioni, dalla guida autonoma al controllo di qualità durante la produzione.
La capacità di poter addestrare rapidamente reti neurali profonde con ingenti mole di dati è un fattore critico e, utilizzando un cluster di GPU Nvidia equipaggiato con Nvidia Digits, stiamo ottenendo risultati eccellenti.”
Ralf G. Herrtwich, Director of Vehicle Automation di Daimler sottolinea come “Grazie al deep learning, la percezione dell’ambiente attorno al veicolo è ora molto simile a quella umana ed è potuta andar ben oltre quanto raggiunto finora con la classica computer vision.”
infine Dragos Maciuca, Technical Director of Ford Research and Innovation Center, è entusiasta di Nvidia Drive PX 2: “Il deep learning con Nvidia Digits ha assicurato performance 30 volte superiori nell’addestramento degli algoritmi di rilevamento dei pedoni, che sono stati ulteriormente testati e sviluppati quando siamo passati a Nvidia Drive PX.”
Nvidia Drive PX 2 sarà disponibile per i primi partner a partire dal secondo trimestre del 2016 e per tutti nel quarto trimestre dell’anno.
