輝達(NVIDIA )宣佈針對自駕車測試利用擬真的模擬技術推出一套雲端系統,為自動駕駛創造更安全且更具擴充性的解決方案。

NVIDIA創辦人兼執行長黃仁勳在GTC 2018的開幕主題演說中,宣佈推出基於兩個不同伺服器的NVIDIA DRIVE Constellation運算平台。第一個伺服器執行NVIDIA DRIVE Sim軟體,用於模擬自駕車感測器,包含攝影機、光達與雷達等。第二個伺服器內含效能強大的NVIDIA DRIVE Pegasus人工智慧車用電腦,用以執行完整的自駕車軟體堆疊,並將模擬資料當作真實資料進行處理。

此一模擬伺服器由多個NVIDIA GPU驅動,每一個GPU皆可以產出一系列模擬感測資料,然後導入DRIVE Pegasus進行處理。來自DRIVE Pegasus的駕駛指令再回饋於模擬器中,完成數據資料迴路。藉由每秒進行30次的「迴路硬體」循環來驗證Pegasus上執行的演算法與軟體,以確保模擬車輛正確運行。

DRIVE Sim軟體可產出一系列擬真的資料,以創造極大範圍的各種測試環境。其可模擬不同的天氣,如暴風雨與暴風雪、每天不同時間點令人感覺刺眼的光線或夜間視力受限的情境,以及各種不同的道路鋪面與地型。各種危險情境也能以不傷害任何人的風險下,被寫入模擬系統中來測試自駕車的反應能力。DRIVE Constellation系統預計2018年第三季提供給NVIDIA合作夥伴使用。

此外,NVIDIA並針對超大規模資料中心擴充深度學習推論功能,揭櫫包括NVIDIA TensorRT 4、TensorFlow整合、Kaldi語音加速與ONNX擴充支援。

NVIDIA新版TensorRT推論軟體將其整合至Google TensorFlow 1.7,讓用戶更容易在GPU上運行各種深度學習推論應用。NVIDIA並將針對語音辨識架構Kaldi進行GPU最佳化。NVIDIA也與Amazon、Facebook以及Microsoft等夥伴的密切合作,讓開發人員更容易將ONNX格式與WinML模型透過GPU進行加速;包括Caffe 2、Chainer、CNTK、MXNet和Pytorch的用戶,現在都能輕易部署至NVIDIA的深度學習平台上。

資料中心的管理者必須不斷在效能與效率之間取得平衡,藉以讓伺服器機群達到最大的生產力。在執行各種深度學習推論應用與服務時,透過NVIDIA Tesla GPU加速的伺服器能取代數個機架的CPU伺服器,空出寶貴的機架空間並降低對能源與冷卻的需求。

TensorRT也能部署在NVIDIA DRIVE自駕車與NVIDIA Jetson嵌入式平台。每個架構上的深度學習神經網路都能在資料中心的NVIDIA DGX系統上進行訓練,並部署從機器人到自駕車所有種類的裝置上,在邊緣進行即時推論。