当前位置:首页 > 消费电子 > 消费电子
[导读]NVIDIA在CES发布了 NVIDIA DRIVE™ PX 2,加快自动驾驶汽车竞赛的节奏。NVIDIA DRIVE™ PX 2 是全球最强大的车载人工智能引擎。NVIDIA DRIVE PX 2 让汽车行业能够利用人工智能来解决自动驾驶所固有的复杂性

NVIDIA在CES发布了 NVIDIA DRIVE™ PX 2,加快自动驾驶汽车竞赛的节奏。NVIDIA DRIVE™ PX 2 是全球最强大的车载人工智能引擎。

NVIDIA DRIVE PX 2 让汽车行业能够利用人工智能来解决自动驾驶所固有的复杂性。该平台在 NVIDIA 最先进的 GPU 上利用深度学习来实现汽车周围 360 度态势感知,从而能够精确地确定汽车所在的位置并计算出安全舒适的行驶路线。

NVIDIA 联合创始人兼首席执行官黄仁勋 (Jen-Hsun Huang) 表示:“驾驶员应对的是无限复杂的世界。现代人工智能与 GPU 技术的突破让我们最终能够解决自动驾驶汽车令人望而生畏的难题。”

“NVIDIA GPU 是深度学习与超级计算取得进步的关键所在。我们正在利用这些 GPU 来打造未来自动驾驶汽车的大脑,这些自动驾驶汽车会始终保持警觉,最终将实现超人一般的态势感知水平。自动驾驶汽车将带来更高的安全性、全新的便捷出行服务乃至靓丽的城市设计,帮助人们营造更美好的未来。”

每秒24 万亿次深度学习运算

打造DRIVE PX 2 的目的是为了满足 NVIDIA 汽车合作伙伴的需求,为其提供一款开放的开发平台。DRIVE PX 2 能够为深度学习提供前所未有的处理性能,相当于 150 台 MacBook Pro。

它包含2 颗第二代 Tegra® 处理器和 2 颗基于 Pascal™ 架构的新一代独立 GPU,每秒最多可完成 24 万亿次深度学习运算。该平台采用专门的指令集,这些指令集可加速深度学习网络推理中所运用的数学运算,平台计算性能比上一代产品快 10 倍以上。

DRIVE PX 2 的深度学习功能使其能够快速学会如何解决日常驾驶中的难题,例如意外的路面垃圾、不遵守规则的驾驶员以及意外的建筑施工区域等等。深度学习还能够在传统计算机视觉技术无能为力的领域中解决各种难题,例如雨、雪和大雾等恶劣天气条件以及日出、日落和严重光线不足等弱光条件。

在通用浮点运算方面,DRIVE PX 2 的多精度 GPU 架构每秒最多能够完成 8 万亿次运算。这一速度比上一代产品快 4 倍以上。这种强劲的处理性能让合作伙伴能够应付各种各样的自动驾驶算法,其中包括传感器融合、定位以及路径规划。它还能够在需要时为深度学习网络的各个层提供高精度计算。

自动驾驶汽车中的深度学习

自动驾驶汽车利用各种各样的传感器来了解其周围环境。DRIVE PX 2 可以处理 12 路视频摄像头、激光定位器、雷达以及超声传感器的输入,将这些输入相融合来精确地检测和识别对象、确定汽车在其所处环境中的具体位置,然后为安全行驶计算最佳路径。

NVIDIA DriveWorks™ 是一套便于完成这项复杂工作的软件工具、库以及模块,可加速自动驾驶车辆的开发与测试。通过在 DRIVE PX 2 专用和通用处理器上运行的复杂算法流水线,DriveWorks 可实现传感器校准、环境数据的获取、同步以及传感器数据流的记录与处理。从对象识别、分类与图像分割到地图定位与路径规划,所包含的这些软件模块可用于自动驾驶流水线的方方面面。

针对深度学习的端到端解决方案

NVIDIA 提供的端到端解决方案由 NVIDIA DIGITS™ 和 DRIVE PX 2 组成,该解决方案既可以用于训练深度神经网络,也可以用于在汽车内部署该网络的输出。

DIGITS 是一款用于开发和训练深度神经网络并对其进行可视化的工具,可在任何基于 NVIDIA GPU 的系统上运行,不论是个人电脑、超级计算机还是 Amazon Web Services 以及最近发布的 Facebook Big Sur开放机架兼容型硬件。被训练的神经网络模型在汽车内的 NVIDIA DRIVE PX2 上运行。

在市场上广受认可

自从NVIDIA 去年夏季推出第一代 DRIVE PX 以来,已有 50 多家汽车制造商、一级供应商、开发商以及研究机构采用 NVIDIA 的人工智能平台来开展自动驾驶开发工作。他们盛赞了这一平台的性能、功能以及易于开发的特点。

“通过利用 NVIDIA 的 DIGITS 深度学习平台,我们使用德国波鸿鲁尔大学的交通标志数据库在不到 4 个小时的时间里便取得了 96% 以上的精确度。利用传统计算机视觉算法的其它企业投入数年的开发力量才实现了类似的感知水平,而我们能够用风驰电掣般的速度达到这一水平。”

— Matthias Rudolph, 奥迪公司驾驶员辅助系统架构总监

“从自动驾驶到制造过程中的质量检验,宝马公司正在探索如何将深度学习运用到各种各样的汽车使用场合中。能否在海量数据上快速训练深度神经网络至关重要。通过利用配有NVIDIA DIGITS 的 NVIDIA GPU 集群,我们正在收获绝佳的成果。”

— Uwe Higgen, 宝马公司美国技术部门负责人

“由于深度学习,我们使车辆的环境感知能力大幅提升,使其更加接近人类的水平,这是传统计算机视觉技术无法企及的。”

— Ralf G. Herrtwich, 戴姆勒公司车辆自动化总监

“在 NVIDIA DIGITS 上运行深度学习的做法使行人检测算法的训练速度提升了 30 倍,随着我们将这些算法搬到 NVIDIA DRIVE PX 上来,我们将对其进行进一步的测试和开发。”

— Dragos Maciuca, 福特研究与创新中心技术总监

DRIVE PX 2 开发引擎将于 2016 年第 4 季度大规模上市。抢先试用的开发合作伙伴将于第 2 季度获得这一开发平台。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

LED驱动电源的输入包括高压工频交流(即市电)、低压直流、高压直流、低压高频交流(如电子变压器的输出)等。

关键字: 驱动电源

在工业自动化蓬勃发展的当下,工业电机作为核心动力设备,其驱动电源的性能直接关系到整个系统的稳定性和可靠性。其中,反电动势抑制与过流保护是驱动电源设计中至关重要的两个环节,集成化方案的设计成为提升电机驱动性能的关键。

关键字: 工业电机 驱动电源

LED 驱动电源作为 LED 照明系统的 “心脏”,其稳定性直接决定了整个照明设备的使用寿命。然而,在实际应用中,LED 驱动电源易损坏的问题却十分常见,不仅增加了维护成本,还影响了用户体验。要解决这一问题,需从设计、生...

关键字: 驱动电源 照明系统 散热

根据LED驱动电源的公式,电感内电流波动大小和电感值成反比,输出纹波和输出电容值成反比。所以加大电感值和输出电容值可以减小纹波。

关键字: LED 设计 驱动电源

电动汽车(EV)作为新能源汽车的重要代表,正逐渐成为全球汽车产业的重要发展方向。电动汽车的核心技术之一是电机驱动控制系统,而绝缘栅双极型晶体管(IGBT)作为电机驱动系统中的关键元件,其性能直接影响到电动汽车的动力性能和...

关键字: 电动汽车 新能源 驱动电源

在现代城市建设中,街道及停车场照明作为基础设施的重要组成部分,其质量和效率直接关系到城市的公共安全、居民生活质量和能源利用效率。随着科技的进步,高亮度白光发光二极管(LED)因其独特的优势逐渐取代传统光源,成为大功率区域...

关键字: 发光二极管 驱动电源 LED

LED通用照明设计工程师会遇到许多挑战,如功率密度、功率因数校正(PFC)、空间受限和可靠性等。

关键字: LED 驱动电源 功率因数校正

在LED照明技术日益普及的今天,LED驱动电源的电磁干扰(EMI)问题成为了一个不可忽视的挑战。电磁干扰不仅会影响LED灯具的正常工作,还可能对周围电子设备造成不利影响,甚至引发系统故障。因此,采取有效的硬件措施来解决L...

关键字: LED照明技术 电磁干扰 驱动电源

开关电源具有效率高的特性,而且开关电源的变压器体积比串联稳压型电源的要小得多,电源电路比较整洁,整机重量也有所下降,所以,现在的LED驱动电源

关键字: LED 驱动电源 开关电源

LED驱动电源是把电源供应转换为特定的电压电流以驱动LED发光的电压转换器,通常情况下:LED驱动电源的输入包括高压工频交流(即市电)、低压直流、高压直流、低压高频交流(如电子变压器的输出)等。

关键字: LED 隧道灯 驱动电源
关闭