自動運転車両用オートモーティブ・スーパーコンピューター
先進運転支援システムは、AIを使用して車両が意思決定を行い、ドライバーをアシストし、最終的には自律運転を可能にします。しかし、システムが複雑になるにつれ、従来のソフトウェア開発方式や機械学習方式では限界に達しています。ディープラーニングとシミュレーションはAIベースソリューションの開発において基本的な方法となっています。
ディープラーニング
ディープラーニングによって、人工ニューラルネットワークは、機械が経験によって学習し、新たな情報を既存の知識と結びつけ、本質的に人間の脳内の学習プロセスを模倣します。
子供はあらゆる車種の写真を数十枚見せられた後でも車を認識することができますが、ドライバーを支援したり自律的に車を操作するニューラルネットワークを訓練したりするには、数百万枚の画像を使用して数千時間の訓練を行う必要があるため、膨大なデータ量が必要となります。
スーパーコンピューターはこの複雑なプロセスに要する時間を短縮するだけでなく、新技術の市場投入までの時間も短縮します。すなわち、ニューラルネットワークの完全訓練への所要時間を、数週間単位から数日レベルまで短縮することが可能となります。
シミュレーションと仮想データ生成
現在のところ、主にコンチネンタルの試験車両からのデータをニューラルネットワーク訓練に使用しています。毎日約15,000 kmをテスト走行し、約100テラバイトのデータを収集しています。これは映画50,000時間分に相当します。
データ再生や、試験走行をシミュレーションすることにより、記録データを新システム訓練に使用します。スーパーコンピューターを使用すると、データを合成によって生成することができます。仮想環境を移動することで学習する、非常に大きな計算能力を消費するユースケースです。
開発プロセスにおける利点
まず第1に、必要な訓練をシステム自体で即座に作成できるため、長期的に見れば、車両が物理的に生成したデータの記録、保存、マイニングが不要になるかもしれません。
第2に、実際の車両では走行に数週間かかる距離を、仮想車両は数時間でテスト走行することができ、スピードが増します。
第3に、データの合成生成により、変化する予測不可能な状況を、システムが処理することが可能となり、最終的には、変化する異常気象の中を安全に運行し、歩行者の動きに対して安全予知をし、より高度な自動化への道を開いていきます。
NVIDIAを搭載したスーパーコンピューター
コンチネンタルのスーパーコンピューターは、NVIDIA Mellanox InfiniBandに接続された50以上のNVIDIA DGXシステムで構築されています。本システムは、公表されているスーパーコンピューターTOP500のリストに、自動車業界の首位システムとしてランク付けされています。必要に応じてクラウドソリューションを利用し、容量とストレージを拡張できる、ハイブリッドアプローチが選択されています。