从驾考科目二到自动驾驶,聊聊GPU为什么对自动驾驶很重要

“下一个项目,坡道起步。”

……

“考试不合格,请将车子开到起点,重新验证考试。你的扣分项是:起步时间超30秒:扣100分。行驶过程中车轮轧到边线:扣100分。”

想必经历过驾驶证考试的同学,对科目二的坡道起步都有说不清道不明的情感。我在坡道起步项目上连续“挂”了 3 次后,就忍不住想自动驾驶什么时候可以普及,来拯救多次驾考没过的我。为此,我去简单了解了自动驾驶,不经意间发现又拍云的 GPU 竟然在自动驾驶上也有应用,接下来就来详细说说。

关于自动驾驶

自动驾驶的发展历程

自动驾驶技术的发展可以追溯到 20 世纪 80 年代,当时的研究主要集中在车辆的辅助驾驶系统上,如自适应巡航控制、自动泊车等。随着计算机技术和传感器技术的不断进步,自动驾驶技术逐渐走向成熟。21 世纪初,谷歌开始研究自动驾驶技术,并在 2010 年左右开始进行路测。目前,自动驾驶技术已经成为了汽车行业的重要发展方向,各大车企和科技公司纷纷投入巨资进行研究和开发。

国内各大品牌的电车自动驾驶能力在不同程度上都有了发展和进步,可以在高速公路和城市道路上实现自动跟车、自动变道、自动泊车等功能,这些能力离不开先进的感应设备:激光雷达(Lidar),毫米波雷达(Millimeter-wave Radar),摄像头(Camera),超声波雷达(Ultrasonic Radar),GPS(Global Positioning System)以及INS(Inertial Navigation System)等设备。

而在即将举办亚运会的绍兴棒垒球场馆外,出现了可爱的纯电动巴士,它是 L4 自动驾驶小巴车,不仅可以自动完成转弯及靠站操作,遇障还会自动减速避让。

从驾考科目二到自动驾驶,聊聊GPU为什么对自动驾驶很重要_第1张图片
绍兴市已经向两家自动驾驶测试主体发放了全市首批自动驾驶路测牌照,其中一家是未来社区开发建设有限公司,另一家是绍兴市城投阿波罗科技有限公司。这些测试主体将使用不同类型的自动驾驶汽车,包括纯电动巴士和纯电动轿车,未来社区使用的是一款5.5米纯电动巴士,最高设计时速40公里,搭载了L4级自动驾驶系统,可实现车道保持、超级巡航、自动避障等功能。市民可通过新推出的小程序,在手机上免费预约乘坐。该专线也将在杭州亚运会期间提供接驳服务。

自动驾驶技术分级

上面提到了 L4 级别自动驾驶,这是非常领先的级别了,根据自动驾驶等级的不同,可以分为以下几级:

  • L0级别:人工驾驶,完全由驾驶员来操作驾驶汽车,包括转向、制动、油门等。
  • L1级别:辅助驾驶,能够帮助驾驶员完成某些驾驶任务,如转向、制动、油门等,但驾驶员仍需保持对道路的注意。
  • L2级别:部分自动驾驶,车辆能够完成部分驾驶任务,如对方向盘和加减速中的多项操作提供驾驶,驾驶员负责其余的驾驶动作。像全速自适应巡航就属于L2级别,可以跟着前面的车走,前面的车停,我也停,前面的车走了我也走,速度基本保持一致。
  • L3级别:条件自动驾驶,车辆在特定环境中可以实现自动加减速和转向,但仍需要人类驾驶员在某些情况下接管车辆控制。
  • L4级别:高度自动驾驶,除了一些非常特殊的情况外,一般不需要人工控制。
  • L5级别:完全自动驾驶,全程不需要人工干预,可以在所有路况下实现完全自动驾驶。

总的来说,每一级别的自动驾驶都建立在前一级别的技术基础之上,同时,每一级别的自动驾驶都不是绝对安全的,它需要驾驶员在使用过程中仍然保持警惕并做好随时接管的准备。

GPU在自动驾驶技术中的作用

目前国内汽车普遍搭载的是 L2 级别及以下的自动驾驶技术,但即便在这些较低级别的自动驾驶系统中,汽车中的各种传感器每小时也可以生成 25GB 数据,这些数据包含前车和本车的距离,左右两边的道路指示标志,周围汽车的距离,前方道路指示标志,红绿灯信号,马路边行人,非机动车等信息等,大量的图像和视频信息被转换成电脑能处理的二进制信息,这就需要 CPU 和 GPU 的共同加持才能完成安全稳定的自动驾驶工作。

大家都知道一台电脑的运行少不了CPU,可以简单地理解为 CPU 是一个教授级人物,CPU 可以处理非常复杂的问题,但 CPU 没有那么多核心,对于同时处理数以亿计的小学生算术题,比如 100000000 道算术题,需要在 1 秒内完成,这个教授就没有那么灵活了。而 GPU 核心多,像 Nvidia 的 A100 拥有 6912 个CUDA核心,这种庞大的计算量就非常适合 GPU 了。在某些情况下,传统在 CPU 上运行的代码优化为 GPU 上运行时,执行速度最高可提升 20 倍。借助人工智能加速器可以进一步提升,从而显著节约电力,而这也是电动汽车的一个关键问题。

GPU 作为驾驶系统的核心元件之一,让汽车可以在“环境感知与建模”、“路径规划与决策”、“感知与决策的实时性”、“数据处理与存储”等方面完成指定的任务。GPU 通过其强大的计算能力和并行处理能力来加速感知算法的运行,不仅仅加速了复杂的路径规划和决策算法,例如基于强化学习的算法。还提供了更快的计算速度和更高的并行处理能力,从而帮助自动驾驶汽车更快地做出决策和规划。

现在市面上已经有不少车规级芯片都搭载强大的 GPU,例如 NVIDIA 去年发布的车规级芯片DRIVE Thor SoC,它可提供 2000 TFLOPS,强大的算力可在单个计算平台上实现全车的智能驾驶和座舱功能。

从驾考科目二到自动驾驶,聊聊GPU为什么对自动驾驶很重要_第2张图片
国内各大品牌汽车中都能看到 GPU 的身影,例如小鹏汽车的智能驾驶系统搭载了 Xavier 超级计算平台,CPU 采用 NVIDIA 自研 8 核 ARM64 架构,GPU 采用 512 颗 CUDA 的 Volta,支持FP32/FP16/INT8,20W功耗下单精度浮点性能 1.3TFLOPS,Tensor 核心性能20TOPs,解锁到 30W 后可达 30TOPs。

未来的自动驾驶

随着人工智能技术和传感器技术的不断进步,未来自动驾驶技术的发展将呈现出以下几个趋势:

  1. 汽车智能化:随着车辆智能化程度的提高,自动驾驶技术的发展将得到进一步推动。未来,汽车将具备更智能的功能,如自动充电、自动保养等。汽车会通过更加先进的感应器感知周围环境,并进行自适应的驾驶,进一步降低交通事故风险。
  2. 实现智能交通系统:未来的道路交通将不再是各车辆独立行驶,而将更加智能化和自动化。智能交通系统将会将各车辆的行驶信息进行集中处理和控制,从而实现更为协调和高效的交通流动。这种智能交通系统将与智能驾驶系统完美结合,使交通运输更为便捷和高效。
  3. 多传感器融合:在高等级自动驾驶的实现过程中,多传感器融合成为必然趋势。这种趋势旨在将各类传感器获取的数据信息集中在一起综合分析,以求更加准确描述外部环境,为车辆进行决策打下基础。

自动驾驶技术是汽车行业的重要发展方向之一。GPU 作为自动驾驶技术中的重要组成部分,将在未来的发展中发挥更加重要的作用。随着人工智能技术和传感器技术的不断进步,未来自动驾驶技术的发展将更加智能、安全、便捷和可持续。我们期待着自动驾驶技术的不断发展和进步,为人们带来更加美好的出行体验和生活方式。

如果你对 GPU 相关技术感兴趣,你可以点击“阅读原文”查看我们的 GPU 云服务器,你可以用它尝试搭建 AI 绘画平台或者做一些推理的工作。AI 绘画搭建的教程我先放在这里啦:《从 0 到 1,带你玩转 AI 绘画

你可能感兴趣的:(gpu自动驾驶人工智能)