A Continental és az NVIDIA szuperszámítógépével gyorsítja az önvezetés tanulási folyamatát

In hír
önvezetés

A Continental az NVIDIA-val egy mesterséges intelligencia fejlesztéséhez szükséges – NVIDIA DGX számítógépekre épülő klasztert – egyfajta szuperszámítógépet hozott létre. Ennek lényege, hogy az önvezető megoldások fejlesztésében, ami eddig hetekig tartott, az akár órákra is lerövidülhet.

A szuperszámítógép legfőbb alkalmazási területei a neurális hálók tanítása, szimuláció és virtuális adatok generálása. A TOP 500 lista szerint ez az autóipar egyik legnagyobb teljesítményű klasztere, és Németországban, Frankfurt am Mainban található.

önvezetés

A Continental budapesti mesterséges intelligencia fejlesztő központjának csapata is részt vett a közös fejlesztésben, hiszen a jövőben a hazai szakemberek a szuperszámítógép alkalmazásával növelni tudják versenyképességüket.

„Összességében azt becsüljük, hogy a neurális háló tanításához szükséges időt hetekről órákra lehet csökkenteni” – mondja Lóránd Balázs, a Continental budapesti mesterséges intelligencia fejlesztő központjának vezetője, aki a mesterséges intelligencia-alapú innovációk infrastruktúrájának fejlesztésén is dolgozik magyarországi munkatársaival. „A fejlesztő csapatunk létszáma és tapasztalata egyaránt növekedett az elmúlt évek során. A szuperszámítógép segítségével pedig most még jobban tudjuk skálázni a számítási teljesítményt igényeinknek megfelelően, és kiaknázhatjuk a fejlesztőinkben rejlő teljes potenciált”- tette hozzá Lóránd Balázs.

A gépi tanulás lényege, hogy míg egy gyerek, ha látott néhány típusú autót, onnantól már felismeri az autókat. De egy neurális háló tanításához több ezer óra tanításra és milliónyi képre van ehhez szükség. Az NVIDIA DGX POD ezt a folyamatot is gyorsítja.

önvezetés

Jelenleg a neurális hálók tanításához felhasznált adatok főként a Continental tesztjármű-flottájából származnak. Ezek a járművek 15 ezer tesztkilométert tesznek meg naponta, miközben körülbelül 100 terabájtnyi adatot gyűjtenek, ami 50 ezer órányi filmnek felelne meg. A rögzített adatokat már fel lehet használni új rendszerek tanításához ismételt lejátszással, azaz a valódi tesztvezetések szimulációjával. A szuperszámítógép segítségével az adatokat már szintetikusan is lehet generálni. Ez egy nagy számítási teljesítményt igénylő felhasználási eset, amely lehetővé teszi a rendszerek számára, hogy egy szimulált környezetben tett virtuális utazásból „tanulhassanak”. Így már kevésbé lesz szükség a teszt flottára és a tanulás is rövidebb időt vesz igénybe.

You may also read!

Nyári gumi: 2021-es nyári gumi tesztek, a biztonságos közlekedés záloga az alapos felkészülés

A gumiabroncs kiválasztása jelentős hatással lehet a vezetési biztonságára, ezért a BHPgumi munkatársai nagyon fontosnak tartják a döntés előtti

Read More...

A Tesla beszorult a SUV alá, a sofőr az Autopilot rendszert hibáztatja

A fotót nemrégiben osztották meg a Facebook, Tesla Model Y csoportban. A képen egy totálkárosra tört fehér Y modell

Read More...

Hamarosan érkezik az elektromos Citroen e-Berlingo, hét üléssel és 280 kilométeres hatótávval

A Peugeot nemrég dobta piacra a Partner és a Rifter elektromos változatait, most a Citroen is ugyanezt tette és

Read More...