人気のタグ
おすすめのサイト
企業ニュース

50台の車が1日に6時間走行しただけで1.6ペタバイトのデータ容量を生み出す自動運転車のソフト開発

2020.04.24

NVIDIA が自動運転のソフトウェアとインフラストラクチャに関する洞察を発表したので紹介しよう。NVIDIA ではデータ センターから車載コンピューターにいたるまで、AI を活用した包括的なポートフォリオを構築し、ソフトウェア定義による自動運転車の実現を目指してきた。

自動運転車が真にドライバーレスとなるためには、世界中の何千もの条件下で動作できるようにならなければならない。このレベルの能力を達成する鍵となるのが、大量のデータ。

簡単に言うと、たった 50 台の車が 1 日に 6 時間走行しただけでも、センサーは 1 日あたり 1.6 ペタバイトものデータを生み出す。

その全データを標準的な 1 GB のフラッシュ ドライブに保存したとすると、フットボール競技場 100 面分以上の面積を覆うことになる。

データは次に、選別、ラベル付けされ、物体検知や自己位置推定などのさまざまな専用機能を持つ車載用のディープ ニューラルネットワーク (DNN) のトレーニングに使われる。

このようなソフトウェアをトレーニングしテストするインフラストラクチャには、膨大なデータを扱う必要性から、高性能のスーパーコンピューターが不可欠だ。

効率的な動作のために、システムはデータをインテリジェントに整理してまとめることができなければならない。

また、プロセスの中でバグを簡単に発見し修正できるように、トレースが可能であること、DNNの成熟を確認するため、同じシナリオを何度も反復可能なことが求められる。

現代の車は工場の製造ラインで組み立てられるが、自動運転車はデータ センターで生まれる。GTC Digital のセッションで、NVIDIA の AI インフラストラクチャ担当バイス プレジデントであるクレメント ファラベット氏 (Clement Farabet) は、自動運転車開発のための高性能なエンドツーエンド プラットフォームについて説明した。

NVIDIA の AI インフラストラクチャ担当バイス プレジデント、クレメント ファラベット氏

NVIDIA 内の AI インフラストラクチャには、何ペタバイトもの走行データを保存し処理する NVIDIA DGX サーバーが含まれる。包括的な訓練をする場合、開発者は DNN を開発し、その後で DNN のパフォーマンスを評価するために、50 億から 100 億のフレームを処理しなければならない。

高性能なデータ センターの GPU は、そのデータ処理にかかる時間を短縮してくれる。さらに、ファラベットチームは、能動学習などの高度な学習手法を使って開発時間を最適化している。

能動学習では、DNN を訓練するための走行データの整理とラベル付けを人間だけに頼るのではなく、学習の対象とすべきデータを DNN に選ばせることができる。まず専用のニューラルネットワークがフレームのプール内を探索し、不確かなものにフラグ付け。

フラグ付きのフレームは、次に手動でラベル付けされて DNN のトレーニングに使われ、これにより確実に新しいデータまたは不確かなデータから学習できるようになる。

一度トレーニングされると、これらの DNN は NVIDIA DRIVE Constellation シミュレーション プラットフォーム上でテストと検証ができるようになる。

このクラウドベースのソリューションにより、仮想環境の中で、幅広いシナリオに沿って何百万マイルも走行することが可能になる。日常的な走行から、めったにない危険とさえいえる状況まであり、現実世界でできるよりもはるかに効率がよく、低コストで、安全にテストと検証が行なえる。

DRIVE Constellation の忠実度の高いシミュレーションを使えば、これらの DNN を公道で運用する前に、起こり得るすべてのシナリオや条件を何度も繰り返しテストできる。

データ センターでのトレーニングとシミュレーションを組み合わせることにより、自動化され、トレース可能で、反復可能な開発プロセスの中でソフトウェアを常に改善できるようになるのだ。

エッジにおける DNN

一度トレーニングと検証が行われると、これらの DNN は車内で運用できるようになる。GTC Digital において、NVIDIA の自動運転車担当シニアマネージャーで、DRIVE ラボ ビデオ シリーズのホストであるネダ ツヴィエティク氏 (Neda Cvijetic) は、NVIDIA が開発したいくつかの DNN について内側から紹介した。

NVIDIA の自動運転車担当シニアマネージャー、ネダ ツヴィエティク氏

自動運転車は、安全な運用のために、認識、マッピング、自己位置推定を含む数々の DNN を実行。このようなタスクは、人間には単純明快に見えるかもしれないが、どれもうまく遂行するにはインテリジェントなアプローチが必要となる複雑なプロセスだ。

たとえば、路上の物体、歩行者、走行可能なスペースを分類するために、ある DNN はパノプティック セグメンテーションと呼ばれるプロセスを使用。これは、シーンをピクセルレベルの精度で識別できるもの。

さまざまな環境で駐車スペースを認識できるようにするため、開発者は ParkNet DNN に、駐車場所を長方形ではなく 4 辺から成るポリゴンとして識別するように教え、傾いたスペースやその入り口を見分けられるようにした。

また、NVIDIA の LidarNet DNN は、複数の視点を融合させることで正確で完全な知覚情報を提供し、自己位置推定のためのライダー データ処理における問題解決している。

このような DNN や他の DNN を組み合わせて、NVIDIA DRIVE AGX プラットフォームのような高性能の車載コンピューター上で実行することにより、自動運転車は包括的な認識と、無人車プランニングと制御ができるようになるという。

関連情報:https://www.nvidia.com/ja-jp/

構成/DIME編集部

新型コロナウイルス対策、在宅ライフを改善するヒントはこちら

@DIMEのSNSアカウントをフォローしよう!

DIME最新号

最新号
2020年10月16日(金) 発売

DIME最新号の特別付録は「電動ブレンダー&ホイッパー」!特集は「ポイ活 勝利の方程式」「アップル新製品」「キッチン家電」

人気のタグ

おすすめのサイト

ページトップへ

ABJマークは、この電子書店・電子書籍配信サービスが、著作権者からコンテンツ使用許諾を得た正規版配信サービスであることを示す登録商標(登録番号 10401024号)です。詳しくは[ABJマーク]または[電子出版制作・流通協議会]で検索してください。