英伟达用于创建自动驾驶汽车的AI训练的环境模型

由人工智能（AI）计算机驱动的、能够学习、推理并与人和周围世界互动的智能机器已不再是科幻小说。由于使用强大的图形处理单元（GPU）的称为深度学习的新计算模型，人工智能正在改变从消费者云服务到医疗保健到工厂和城市的行业。

其中许多已经到位，为世界各地的数百万人提供新的服务。然而，没有哪个行业像10万亿美元的运输业那样准备进行如此重大的变革。汽车市场是下一个，开发先进的自动驾驶汽车的机会给世界带来了极大的安全驾驶和新的移动服务的承诺。

然而，自动驾驶是一个巨大的挑战。创建一个安全、可靠的自动驾驶汽车是一个特别艰巨的挑战。只是不可能对计算机进行编程，以安全地处理车辆在道路上遇到的几乎无限的各种情况。人工智能是解决这一问题的一个巨大的新机会，它允许车辆根据过去的经验进行训练，使它们能够比手工编码的软件学习得更快、更准确。

自动驾驶汽车中的人工智能需要什么？

确保汽车能够在几分之一秒内对不断变化的环境作出正确的反应，需要解释从大量传感器（如相机、雷达、激光雷达和超声波）涌来的数据。首先，这需要大量的计算能力。

利用这些数据的第一步是感知－－也就是说，理解传感器采集到的和摄像机看到的东西。这最好通过一种称为深度学习的人工智能技术来实现，这种技术被用来训练汽车识别不同类型的物体。就像孩子通过经验学习一样，人工智能系统可以通过向深度神经网络提供数以百万计的物体和场景的图像来训练识别汽车、卡车、行人、自行车、树木、意外的鹿等等。

另一个关键方面是推理－－使自动驾驶汽车不仅能够了解其环境，而且能够预测接下来的时刻如何发展，从而使其能够在安全、舒适的道路上前进。

自驾车需要的第三个方面是高度详细或高清的地图。为了精确地驾驶，汽车需要随时准确地知道它在哪里。根据我们的感应，汽车可以结合已知地图的知识，以厘米级的精度了解其位置。存储在云端的地图和现实世界之间的任何差异将被传回云端，以更新高清地图。同样，人工智能在创建和维护这些高度详细的地图数据集方面发挥了重要作用。

一旦我们知道我们的汽车在哪里，道路的拓扑结构是什么样的，并且跟踪场景中所有移动的物体（即汽车、卡车、行人、自行车），我们就可以计划一个安全的前进路径。自驾游管道的这一方面也包含了人工智能，因为我们可以训练神经网络来理解和预测人类行为。

原文标题:英伟达用于创建自动驾驶汽车的AI训练的环境模型