Две недели назад телеканал НТВ сообщил о трагическом случае
на дороге: «Американка разбилась насмерть после счастливого селфи», — сообщается
в короткой заметке, — «Кортни Сенфорд решила поделиться с друзьями в Facebook
хорошим настроением и сделала свою фотографию прямо за рулем автомобиля. [...]
Через секунду после этого Кортни врезалась в грузовик, который ехал прямо перед
ней. В результате ДТП женщина погибла.»
Возможно, уже скоро делать селфи за рулём автомобиля станет
безопасно совместными усилиями Google и NVIDIA. Не так давно компания Google
рассказала о том, что она делает в этом направлении, сместив фокус проекта
Self-Driving Car с езды по автострадам на движение по городским улицам.
В своем блоге представитель Google Chris Umson рассказал о
том, чем NVIDIA занимается последние 20 лет, то есть о визуальных
вычислениях. Именно они станут ключевым фактором развития передовых систем
помощи водителю.
Визуальные вычисления сегодня полагаются на вычислительную
мощь графических процессоров (GPU), которые, по словам Криса, и дают
возможность «одновременно обнаруживать сотни окружающих объектов», «обращать
внимание», а также «никогда не уставать и не отвлекаться».
По его мнению, компьютерное зрение, обработка изображений и
машинное обучение необходимы не только для того, чтобы создать внутренний
«мозг» автомобиля, но и чтобы обрабатывать данные в реальном времени для
мгновенного принятия решений на дороге.
Оснащенный лазером с углом обзора в 360 градусов, радаром и
камерами наблюдения, беспилотный автомобиль Google Self-Driving Lexus RX 450H
собирает огромное число визуальных данных — примерно 1ГБ в секунду. Для
сравнения — рядовой пользователь смартфона потребляет где-то 3-4 ГБ данных в
месяц. Полученные данные необходимо интегрировать во встроенную карту, чтобы
построить актуальную 3D-модель дорожного окружения...Только представьте требующийся
уровень вычислительных ресурсов! Без визуальных вычислений просто не обойтись.
Вот некоторые задачи, решение которых становится возможным
благодаря визуальным вычислениям:
- создание в реальном времени 3D-моделей на базе поступающих с датчиков данных;
- отслеживание стационарных и движущихся объектов, таких, как другие автомобили,
светофоры, пешеходы и даже вылетевшие на проезжую часть мячи;
- идентификация каждого объекта и определение степени их влияния на следующее
решение системы управления автомобилем.
Благодаря массивно параллельной архитектуре, GPU как нельзя
лучше подходит для решения подобных задач. Возможность параллельных вычислений
делают GPU гораздо более эффективным инструментом, чем CPU, для обработки
больших объемов данных.
Совершенно очевидно, что, если машина собирается водить за
человека, нужно чтобы внутри нее был настоящий суперкомпьютер.
NVIDIA — лидер в области визуальных вычислений. Графические
процессоры компании находятся в основе самых мощных суперкомпьютеров мира,
таких, как Titan в Национальной Лаборатории Окриджа, «Ломоносов» в МГУ и не
только. Важно, что сегодня супервычислительные возможности GPU становятся
доступны и на индивидуальном уровне, в автомобилях и мобильных устройствах,
делая возможным функционирование тех же продвинутых систем помощи водителю.
Специально для автопроизводителей NVIDIA разработала пакет
инструментов разработки приложений Jetson Pro. Для других приложений для встраиваемых систем
доступна для заказа платформа Jetson TK1.
