Nvidiaが自動運転AIアルゴリズムをオープンソース化、チップ性能をXavierの7倍にアップグレード

この記事はAI新メディアQuantum Bit（公開アカウントID：QbitAI）より許可を得て転載しています。転載の際は出典元にご連絡ください。

毎年恒例の NVIDIA GTC China が予定通り開催されます。

今年、Nvidiaの創設者である黄仁訓氏は自動運転について非常に懸念している。

同社は、自動運転やロボット工学のためのソフトウェア定義プラットフォームをリリースしただけでなく、L2 から L5 までの完全自動運転車の開発をサポートすることも可能でした。

さらに、Nvidia は自動運転車開発者向けにディープニューラルネットワーク開発をオープンソース化しました。 Nvidiaの自動運転分野への参入ペースが明らかに加速していることがわかります。

本日、NVIDIA は Didi という新たな顧客も獲得しました。

Didi は、NVIDIA と自動運転に関する協力関係を結んだことを発表しました。同社はデータセンターで NVIDIA® GPU を使用して機械学習アルゴリズムをトレーニングし、NVIDIA DRIVE™ を採用して L4 自動運転車に推論機能を提供します。

自動運転とロボットのソフトウェア定義プラットフォーム

このプラットフォームは、NVIDIA DRIVE AGX Orin™ と呼ばれます。 170 億個のトランジスタで構成される新しい Orin システムレベル チップを内蔵。

Nvidia はこれに 4 年間取り組みました。

Orin システムオンチップは、NVIDIA の次世代 GPU アーキテクチャ、Arm Hercules CPU コア、新しいディープラーニングおよびコンピューター ビジョン アクセラレータを統合し、1 秒あたり 200 兆回の計算を実行できます。これは、NVIDIA の前世代 Xavier システムオンチップのほぼ 7 倍の性能です。

Orin は、自律走行車やロボットで同時に実行される多数のアプリケーションやディープ ニューラル ネットワークも処理でき、ISO 26262 ASIL-D などのシステム安全基準を満たしています。

DRIVE AGX Orin はソフトウェア定義プラットフォームとして、幅広い用途に使用できます。 Nvidiaは、L2からL5までの完全自動運転車の開発に互換性のあるアーキテクチャプラットフォームを強化でき、OEMが大規模で複雑なソフトウェア製品ラインを開発するのに役立つと述べた。

さらに、Orin と Xavier はどちらもオープン CUDA、TensorRT API、さまざまなライブラリを通じてプログラムできるため、開発者は一度投資するだけで複数世代にわたって製品を使用できます。

「安全な自動運転車の開発は、今日の社会が直面している最大のコンピューティング課題かもしれません」と黄氏は語ります。「自動運転車の実現に必要な努力は飛躍的に増大しており、複雑な開発タスクに直面すると、Orin のようなスケーラブルでプログラム可能なソフトウェア定義の AI プラットフォームが不可欠です。」

NVIDIA DRIVE AGX Orin ファミリには、単一のアーキテクチャに基づくさまざまな構成が含まれ、2022 年に生産が開始される予定です。

開発者にプラットフォームを利用してもらうにはどうすればよいでしょうか? Lao Huangはディープニューラルネットワークをオープンソース化することを選択しました〜

自動運転車開発のためのオープンソースのディープニューラルネットワーク

NVIDIA は、NVIDIA DRIVE が自動運転車開発の業界標準となり、自動車メーカー、トラックメーカー、自動運転タクシー会社、ソフトウェア会社、大学などで広く採用されていると述べた。

GTC Chinaでは、自動運転車開発者向けに、事前トレーニング済みのAIモデルとトレーニングコードもオープンソース化しました。

この NVIDIA AI ツール スイートを使用すると、NVIDIA エコシステム内の開発者はモデルを自由に拡張およびカスタマイズして、自律運転システムの堅牢性と機能を向上させることができます。

黄氏は次のように述べた。「AI自動運転車はソフトウェア定義の車で、世界中で運用するには膨大なデータセットに基づく必要があります。当社はディープニューラルネットワークを自動運転車の開発者にオープンソース化し、さまざまなデータセットに基づいてネットワークを最適化できるように高度な学習ツールを提供しています。」

NVIDIA のオープンソース ニューラル ネットワークは、生のセンサー データを世界に対する深い理解に変換し、信号や交通標識の検出、ターゲットの検出 (車両、歩行者、自転車)、経路の認識、車内での視線追跡やジェスチャ認識などのタスクを実行できます。

NVIDIA は、ディープ ニューラル ネットワークをオープンソース化するだけでなく、開発者が独自のデータセットとターゲット機能セットを使用して NVIDIA のディープ ニューラル ネットワークをカスタマイズおよび強化できるようにするツール セットもリリースしました。

このツール セットは、アクティブ ラーニング、フェデレーテッド ラーニング、転移学習を使用してディープ ニューラル ネットワークをトレーニングし、自動運転分野における NVIDIA のレイアウトをさらに強化します。