Die NVIDIA DRIVE-Architektur für das KI-Computing in Fahrzeugen kann von DRIVE Xavier, einem energieeffizienten Computer für das Autonomie-Level 3/4, der die Größe eines Handtellers hat, bis hin zu DRIVE Pegasus, einem leistungsfähigen KI-Supercomputer für Level-5-Robotaxi-Anwendungen skaliert werden. DRIVE Xavier basiert auf dem weltweit leistungsstärksten System-on-a-Chip, während DRIVE Pegasus eine bisher unerreichte Leistung von 320 Billionen Operationen pro Sekunde (TOPS) bietet.
Sichere Lösungen für selbstfahrende Fahrzeuge
Mehr Leistung für selbstfahrende Fahrzeuge dank Computing mit geringer Latenz
Sicherheit ist für selbstfahrende Fahrzeuge entscheidend. Und um diese zu gewährleisten, ist eine hochleistungsfähige KI-Computing-Lösung erforderlich, die Sensordaten mit höchster Präzision verarbeitet. Die Plattformen NVIDIA DRIVE™ Xavier und Pegasus bieten Inferenz für Deep Neural Networks in Echtzeit. Durch die auf Deep Learning basierende Wahrnehmung, Lokalisierung und Wegplanung kann sich das Fahrzeug ein Bild von seiner Umgebung machen und einen sicheren Betrieb gewährleisten.
Aber das ist nur der Anfang der technologischen Möglichkeiten. Mit der voranschreitenden Weiterentwicklung der selbstfahrenden Fahrzeuge werden die Ingenieure weiterhin eine Vielzahl verschiedener Deep-Learning-Frameworks nutzen, um neue DNN-Modelle (Deep Neural Network) im Rechenzentrum zu trainieren. NVIDIA DRIVE unterstützt alle wichtigen Frameworks und wird durch OTA-Updates immer intelligenter. Selbst nachdem selbstfahrende Fahrzeuge die Produktionsreife erlangt haben, wird die Plattform neue Frameworks und Modelle unterstützen, sodass der Funktionsumfang und die Autonomie verbessert werden können.
BAHNBRECHENDE ARCHITEKTUR
OPTIMIERUNG MIT NVIDIA TensorRT
Mit der einheitlichen Architektur von NVIDIA können DNNs auf NVIDIA® DGX™-Systemen im Rechenzentrum trainiert und dann zur Echtzeit-Inferenz mit DRIVE Xavier oder DRIVE Pegasus in selbstfahrenden Fahrzeugen bereitgestellt werden. Mit dem NVIDIA TensorRT™, dem programmierbaren Inferenzbeschleuniger, lassen sich Deep-Learning-Modelle weiter optimieren. Trainierte DNNs werden schnell validiert und auf der Automobil-Plattform bereitgestellt. Außerdem wird die Inferenz für die Produktionsbereitstellung von Deep-Learning-Anwendungen beschleunigt.
MEHR DATEN, SCHNELLERE REAKTION
Mehr als 370 Unternehmen setzen NVIDIA DRIVE bei der Entwicklung autonomer Fahrzeuge ein. Ein Partner, TuSimple, konnte seine Inferenzleistung mithilfe der TensorRT-Optimierung um 30 % steigern. „NVIDIA ist unübertroffen, wenn es darum geht, die für selbstfahrende Fahrzeuge benötigte Rechenleistung bereitzustellen“, erklärt Xiaodi Hou, Chief Technology Officer von TuSimple.. Das 2015 gegründete Unternehmen entwickelt Technologien für autonome Langstrecken-Frachtlösungen. Durch die mit TensorRT erzielten Leistungssteigerungen kann TuSimple zusätzliche Kameradaten auswerten und neue KI-Algorithmen in seinen selbstfahrenden Lkw einsetzen – innerhalb einer sinnvollen Reaktionszeit.
KONTAKT
NVIDIA-Automobillösungen unterstützen Automobil- und Lkw-Hersteller, Direktzulieferer, HD-Kartografieunternehmen, Start-ups und Forschungsinstitute bei der Entwicklung der Transportlösungen von morgen. Gemeinsam fördern wir die nächste Generation von Innovationen.