NVIDIA объявила об открытии доступа для транспортной индустрии к своим глубоким нейросетям NVIDIA DRIVE (DNN), предназначенным для создания автономного транспорта, в репозитарии контейнеров NVIDIA GPU Cloud (NGC).
NVIDIA DRIVE стал стандартом де-факто в разработке автономного транспорта и широко применяется производителями автомобилей, грузового транспорта и роботакси, разработчиками ПО и университетами. Сейчас NVIDIA открывает доступ разработчикам к своим обученным ИИ-моделям и обучающему коду. С помощью ИИ-инструментов NVIDIA разработчики могут кастомизировать и усложнять данные модели, чтобы увеличить надежность и возможности своих самоуправляемых систем.
«Автономный транспорт с ИИ — это программно определяемый транспорт, который может работать в любой точке мира на базе широкого набора данных, — говорит Дженсен Хуанг (Jensen Huang), учредитель и генеральный директор NVIDIA. — Предоставляя разработчикам доступ к нашим DNN и передовым обучающим инструментам для оптимизации их под разные наборы данных, мы обеспечиваем совместное обучение для разных стран и компаний без потери прав собственности и конфиденциальности данных. В конечном итоге, мы превращаем мир автономного транспорта в реальность».
ИИ является ключевым компонентом при разработке безопасных самоуправляемых автомобилей, позволяя им воспринимать и реагировать на окружение в реальном времени. В его основе лежат десятки DNN, работающих с избыточными разноплановыми задачами, обеспечивая точное восприятие окружения, определение местонахождения и планирование маршрута.
«NVIDIA является мировым лидером в разработке глубоких DNN и ИИ-инструментов для транспортной индустрии, — считает Лука де Амброджи (Luca De Ambroggi), директор по исследованиям ИИ в IHS Markit. — Открытие доступа к данным алгоритмам, инструментам и рабочей инфраструктуре для целей кастомизации поможет вывести на рынок безопасный автономный транспорт».
NVIDIA уже много лет разрабатывает и обучает DNN, работающие на платформе NVIDIA DRIVE AGX , превращая сырые данные с датчиков в глубокое понимание мира. Данные DNN работают с такими задачами, как распознавание светофоров и знаков, объектов (для транспорта, пешеходов, велосипедов) и дорожной разметки, а также отслеживание взгляда и распознавание жестов внутри автомобиля.
Помимо открытия доступа к DNN NVIDIA объявила о доступности передовых инструментов, позволяющих разработчикам изменять DNN NVIDIA с помощью своих наборов данных и целевого набора характеристик. Эти инструменты позволяют обучать DNN с помощью активного обучения, объединенного обучения и переноса обучения: активное обучение повышает точность модели и сокращает расходы на сбор данных за счет автоматизации подбора данных с помощью ИИ; объединенное обучение позволяет компаниям использовать наборы данных в разных странах и компаниях при сохранении прав собственности и конфиденциальности данных; перенос обучения позволяет пользователям DRIVE ускорять разработку своего ПО сбора данных благодаря большим инвестициям NVIDIA в автономный транспорт и дальше совершенствовать данные сети для своих приложений и целей.
Открывая доступ к своим ИИ-моделям в NGC и передовым обучающим инструментам, NVIDIA усиливает свою комплексную платформу разработки и вывода на рынок автономного транспорта.
