Dėl naujausių technologijų, mes galime naudoti dirbtinio intelekto sukurtus tikroviškus virtualius pasaulius, kad patobulintume savo saugos programinės įrangos kūrimo procesą, kartu siekdami naujų proveržių, padedančių užtikrinti jūsų saugumą.
Dirbtiniu intelektu pagrįsta 3D aplinka saugesniam vairavimui.
Kažkada išbandydami ir kurdami naujas saugos funkcijas galėjome kliautis tik bandymais realiame pasaulyje. Atsiradus pažangioms kompiuterių sistemoms, saugos galimybes galėjome tobulinti virtualiose erdvėse.
Dabar žengiame dar vieną didelį žingsnį į priekį, naudodami dirbtinio intelekto sukurtus, itin tikroviškus virtualius pasaulius, siekdami naujų proveržių, padedančių užtikrinti jūsų saugumą. Naudodami pažangius dirbtinio intelekto modelius ir skaičiavimo technologijas, galime tobulinti savo saugos programinę įrangą, pvz., pažangias pagalbos vairuotojui sistemas (ADAS), siekdami sukurti dar saugesnius automobilius.
Taigi, kaip tai veikia? Dėl itin pažangios skaičiavimo technikos, vadinamos Gauso metodu (angl. Gaussian splatting – pažadame, tai nėra „Volvo Cars“ sugalvotas terminas), realaus pasaulio vaizdus galime paversti tikroviškais, natūraliai atrodančiais trimačiais vaizdais ir objektais.
Mes jau esame surinkę milijonus duomenų taškų, susijusių su akimirkomis, kurios niekada neįvyko – šiuos duomenis naudojame kurdami savo programinę įrangą.
Realių duomenų naudojimas
Pasitelkiant Gauso metodą, mūsų naujuose automobiliuose naudojamų pažangių jutiklių surinktus įvykių duomenis – tokius kaip avarinis stabdymas, staigus vairo pasukimas ar rankinis įsiterpimas į valdymą – dabar galima apibendrinti, rekonstruoti ir išanalizuoti, kad galėtume geriau suprasti, kaip ateityje būtų galima išvengti nelaimingų atsitikimų.
Pavyzdžiui, šias virtualias aplinkas galima modeliuoti pridedant arba pašalinant eismo dalyvius ir keičiant eismo elgesį ar kliūtis kelyje. Tai leidžia mums kaip niekada efektyviai ir plačiai išbandyti mūsų saugos programinę įrangą įvairiose eismo situacijose. Dėl šios priežasties dabar galime kurti programinę įrangą, patikimai veikiančią sudėtingose ir retai pasitaikančiose situacijose, kurios gali kelti didelį pavojų, kartu sutrumpinant laiką, kurio reikia, kad programinę įrangą išbandytume tokiais kraštutiniais atvejais, nuo kelių mėnesių iki kelių dienų.
Virtualios aplinkos modelius sukūrė „Zenseact“, mūsų dirbtinio intelekto ir programinės įrangos įmonė, kurią įkūrėme maždaug prieš penkerius metus. Šis projektas, kurį remia „Wallenberg AI, Autonomous Systems and Software Program“ programa, yra pirmaujančių Švedijos universitetų doktorantūros programos dalis, siekianti ištirti, ar neuroninio atvaizdavimo metodai bus integruoti į būsimas saugos iniciatyvas.
„Mes jau esame surinkę milijonus duomenų taškų, susijusių su akimirkomis, kurios niekada neįvyko – šiuos duomenis naudojame kurdami savo programinę įrangą“, – sako Alwinas Bakkenesas, „Volvo Cars“ programinės įrangos inžinerijos vadovas. „Pasitelkdami Gauso metodą, galime pasirinkti vieną iš retų kraštutinių atvejų ir išskaidyti jį į tūkstančius naujų scenarijų, kad galėtume tobulinti ir įvertinti mūsų kuriamus programinės įrangos modelius. Ši technologija gali padėti mums išplėtoti niekada anksčiau nepasiektą programinės įrangos tobulinimo mastą ir netgi užfiksuoti ypač retas ir sudėtingas situacijas, joms dar neįvykus realiame pasaulyje.“
Automobilių saugumo tobulinimas, pasitelkiant DI modelius.
Viena dėlionės dalis
Šiandien programinės įrangos kūrimui, tobulinimui ir patvirtinimui, kartu su bandymais realiomis sąlygomis, naudojame virtualius aplinkos modelius – saugų, lengvai pritaikomą ir ekonomišką sprendimą. Siekiant užtikrinti, kad mūsų saugos programinė įranga užtikrintų visapusišką saugumą, ji turi būti apmokyta tinkamai reaguoti įvairiose eismo situacijose. Naudodami retus ar neįprastus eismo scenarijus, galime užtikrinti, kad programinė įranga gerai veiktų ne tik įprastomis sąlygomis, bet ir sudėtingose, retai nutinkančiose, tačiau potencialiai pavojingose situacijose.
Nereikia nė sakyti, kad galimų scenarijų sąrašas yra beveik begalinis. Į kelią iššokantys gyvūnai, iš sunkvežimio priekabos iškrentantys kroviniai, vienu metu visus spalvų signalus rodantis šviesoforas, prieš eismą greitkelyje važiuojanti transporto priemonė, visiškai užtvindyta gatvė ar kelią kertantys dulkių sūkuriai – tai tik keletas iš pavyzdžių, galinčių šauti į galvą.Visiems galimiems scenarijams užfiksuoti realiame gyvenime galėtų prireikti ir šimtų tūkstančių metų.
NVIDIA technologijos integravimas
Tokias technologijas kaip Gauso atvaizdavimas „Volvo Cars“ gali tyrinėti dėl neseniai išplėtoto bendradarbiavimo su „NVIDIA“. Naujos kartos visiškai elektriniai automobiliai, sukurti naudojant itin didele skaičiavimo galia pasižyminčias NVIDIA pagrindinio kompiuterio technologijas, renka įvairių jutiklių gaunamus duomenis, kad dar geriau nei bet kada anksčiau suprastų, kas vyksta automobilyje ir aplink jį. DI superkompiuterių platforma, naudojanti „NVIDIA DGX“ sistemas, analizuoja šių duomenų kontekstą, atskleidžia naujas įžvalgas ir rengia būsimus saugos modelius. Tai padeda pagerinti ir pagreitinti dirbtinio intelekto sistemų plėtrą.Ši superkompiuterių platforma yra neseniai „Volvo Cars“ ir „Zenseact“ skirtų investicijų į vieną didžiausių duomenų centrų Šiaurės šalyse dalis.
Norite sužinoti daugiau?
Gauso metodo ir dirbtinio intelekto tyrinėjimas yra mūsų pranešimo „NVIDIA GTC“ konferencijoje dalis. Jį galite žiūrėti tiesiogiai arba jums patogiu metu naudodami šią nuorodą.