Группа инженеров, которые выступали в четверг вечером во время глубокого погружения в технологию автономных транспортных средств Cruise, никогда не упоминали имя Tesla. Им не пришлось, хотя сообщение было достаточно ясным.
Автономная дочерняя компания GM Cruise представила техническую карту и план развертывания - на детальном уровне - которая была направлена на то, чтобы показать, как она создает автономные транспортные средства, которые более безопасны и масштабируемы, чем любой управляемый человеком автомобиль, включая те, которые оснащены передовыми системами помощи водителю.
В то время как Cruise явно отстаивал свои собственные технологии (не говоря уже о попытках привлечь новые таланты), мероприятие также стало аргументом в пользу автономных транспортных средств в целом. Каждый инженер или руководитель продукта, выступавший в четверг, представил различные компоненты, от того, как он использует моделирование и разработку собственных микросхем и другого оборудования до дизайна своего приложения и самого автомобиля.
Мероприятие под брендом Under the Hood основано на комментариях, сделанных генеральным директором Дэном Амманном в прошлом месяце во время дня инвестора GM, в котором он изложил план компании по запуску коммерческого роботакси и службы доставки. начиная с модернизированных болтов Chevy и, в конечном итоге, масштабирование до армии из десятков тысяч специально созданных AV-устройств Origin, которые появятся на дороге в течение следующих нескольких лет.
Круиз только что получил одобрение в Калифорнии для оказания коммерческих услуг по доставке, и до взимания платы за вызов без водителя. Тем не менее, Круз считает, что он сможет снизить затраты настолько, чтобы быстро масштабировать и расширять.
Вот как.
Использование моделирования для масштабирования, а не просто проверки системы
Cruise полагается на моделирование не только для доказательства своей безопасности, но и для масштабирования новых городов без необходимости сначала проводить в них тесты на миллионы миль.
Компании все равно придется нанести на карту города, в которые она входит. Но ему не придется переназначать города, чтобы отслеживать неизбежные изменения в окружающей среде, такие как смена полосы движения или закрытие улиц. Когда Cruise отправляется в новые города, он начинает с технологии, которую он называет WorldGen, которая, по ее словам, обеспечивает точное крупномасштабное создание целых городов, «от их причудливой планировки до мельчайших деталей», что позволяет инженерам тестировать новый операционный дизайн. По словам Сида Ганди, руководителя технической стратегии моделирования в компании Cruise. Другими словами, WorldGen становится площадкой для будущих симуляций.
Чтобы обеспечить оптимальное создание мира, Cruise учитывает такие вещи, как освещение в 24 различных уникальных времени суток и погодные условия, вплоть до систематического измерения света от ряда уличных фонарей в Сан-Франциско.
«Когда мы объединяем высококачественную среду с процедурно созданным городом, мы открываем возможность эффективно масштабировать наш бизнес на новые города», - сказал Ганди.
Затем он изложил технологию «Road to Sim», которая преобразует в редактируемые сценарии моделирования реальные события, которые были собраны AV-системами на дороге. Это гарантирует, что AV не регрессирует, тестируя сценарии, которые он уже видел.
«Road to Sim сочетает в себе информацию, полученную от восприятия, с эвристикой, извлеченной из наших миллионов реальных миль, чтобы воссоздать полную среду моделирования на основе дорожных данных», - сказал Ганди. «Когда у нас есть моделирование, мы можем фактически создавать перестановки события и изменять атрибуты, такие как типы транспортных средств и пешеходов. Это очень простой и чрезвычайно эффективный способ создания наборов тестов, ускоряющих разработку AV ».
Для конкретных сценариев, которые Cruise не удалось собрать в реальных дорожных условиях, есть Morpheus. Morpheus - это система, которая может создавать симуляции на основе определенных мест на карте. Он использует машинное обучение, чтобы автоматически вводить столько параметров, сколько нужно, чтобы сгенерировать тысячи интересных и редких сценариев, по которым он тестирует AV.
«По мере того, как мы работаем над решением проблемы с длинным хвостом, мы все меньше и меньше будем полагаться на тестирование в реальном мире, потому что, когда у вас есть событие, которое случается редко, для его правильного тестирования требуются тысячи дорожных миль, и оно просто не масштабируемо», - сказал Ганди. «Поэтому мы разрабатываем технологию масштабируемого исследования крупномасштабных пространств параметров для создания тестовых сценариев».
Сценарии тестирования также включают моделирование реакции других участников дорожного движения на AV. Система Круза для этого называется ИИ неигрового персонажа (NPC), что обычно является термином в видеоиграх, но в этом контексте относится ко всем машинам и пешеходам в сцене, которые представляют сложное поведение нескольких агентов.
«Таким образом, Морфеус, Road to Sim и NPC AI работают вместе этим действительно продуманным способом, позволяя нам проводить более надежные испытания в редких и сложных событиях», - сказал Ганди. «И это действительно вселяет в нас уверенность в том, что мы можем решать редкие проблемы сейчас, а в будущем - аналогичные проблемы».
По словам Ганди, генерация синтетических данных помогает Cruise AV нацеливаться на конкретные варианты использования, конкретно указывая на идентификацию и взаимодействие с транспортными средствами экстренной помощи, по-видимому, по единственной причине, кроме как покопаться в Tesla, чья система автопилота ADAS попала под федеральное наблюдение. неоднократные столкновения с автомобилями скорой помощи.
«Машины экстренных служб редки по сравнению с другими типами транспортных средств, но нам необходимо обнаруживать их с чрезвычайно высокой точностью, поэтому мы используем наш конвейер генерации данных для создания миллионов имитационных изображений машин скорой помощи, пожарных машин и полицейских машин», - сказал Ганди. «По нашему опыту, целевые синтетические данные примерно в 180 раз быстрее, чем сбор дорожных данных, и на миллионы долларов дешевле. А с правильным сочетанием синтетических и реальных данных мы можем увеличить количество релевантных данных в наших наборах данных на порядок или больше ».
Два нестандартных кремниевых чипа собственной разработки
Во время дня инвестора GM в октябре генеральный директор Cruise Дэн Амманн изложил план компании по значительным инвестициям в вычислительную мощность Origin, чтобы снизить затраты на 90% в течение следующих четырех поколений, чтобы компания могла прибыльно масштабироваться. В то время Амманн упомянул о намерении Круза самостоятельно производить кремний на заказ, чтобы сократить расходы, но не признал прямо использовать этот кремний для создания микросхемы - но У TechCrunch были свои теории. В четверг Раджат Басу, главный инженер программы Origin, подтвердил эти теории.
«Наша вычислительная платформа четвертого поколения будет основана на нашей собственной разработке микросхем», - сказал Басу. «Это специально создано для нашего приложения. Это позволяет сосредоточиться и улучшает возможности обработки, значительно сокращая при этом штучные затраты и энергопотребление. Вычислительные ресурсы являются критически важной системой с точки зрения безопасности, и в них встроена избыточность. Добавьте к этому AV-систему, которая обрабатывает до 10 гигабит данных каждую секунду, и мы в конечном итоге потребляем изрядное количество энергии. Наш чип MLH позволяет нам управлять сложными конвейерами машинного обучения гораздо более целенаправленно, что, в свою очередь, помогает нам быть более энергоэффективными без ущерба для производительности ».
Команда искусственного интеллекта Круза разработала два чипа: чип обработки сенсора будет обрабатывать края для ряда сенсоров, таких как камеры, радар и акустика. Второй чип, предназначенный для использования в качестве выделенного процессора нейронной сети, поддерживает и ускоряет приложения машинного обучения, такие как большие многозадачные модели, разработанные командой AI. Басу говорит, что чип ускорителя машинного обучения (MLA) - это как раз тот размер, который подходит именно для определенного класса нейронных сетей и приложений машинного обучения, и не более того.
«Это позволяет поддерживать производительность на чрезвычайно высоком уровне и гарантирует, что мы не тратим энергию на то, что не приносит нам добавленной стоимости», - сказал Басу. «Он может работать в паре с несколькими внешними хостами или работать автономно. Он поддерживает одиночные сети Ethernet до 25 Гбит / с с общей пропускной способностью 400 Гбит / с. Микросхема MLA, которую мы запускаем в серийное производство, - это только начало. Со временем мы продолжим повышать производительность при одновременном снижении энергопотребления ».
Экосистема круиза
Одна вещь, которую Круз ясно дал понять во время своего мероприятия, заключается в том, что он подумал не только об AV-технологиях, необходимых для успешного масштабирования, но и о всей экосистеме, которая включает в себя такие вещи, как операторы удаленной помощи для проверки решения AV, когда он сталкивается с неизвестными сценариями. , обслуживание клиентов, автомобиль, на котором люди действительно хотят ездить, и приложение, которое может эффективно и легко справляться с такими вещами, как поддержка клиентов и реагирование на инциденты.
«Чтобы по-настоящему преодолеть пропасть от исследований и разработок к любимому продукту, требуется нечто большее, чем просто искусственный интеллект и робототехника, - сказал на мероприятии Оливер Кэмерон, вице-президент Cruise по продуктам. «Одного безопасного беспилотного транспортного средства недостаточно, и это всего лишь первый шаг в долгом-долгом путешествии. Чтобы по-настоящему создать и масштабировать конкурентоспособный продукт, который миллионы людей внедряют в свою повседневную жизнь, вам необходимо создать множество дифференцированных функций и инструментов на основе безопасного беспилотного вождения. Как эти функции должны быть реализованы, не очевидно, особенно если ваша компания все еще решает проблемы безопасности ».
PlatoAi. Web3 в новом свете. Расширенный анализ данных.
Щелкните здесь, чтобы получить доступ.
