Horizon, "yerleşik yapay zeka" vakalarından sadece biri olan ADAS'ta Intel ile işbirliği yapıyor
Giriş:
Otonom sürüş alanında, ufuk robotu gömülü yapay zekayı nasıl uyguluyor?
Daha önce Horizon ve Intel'in CES'te ADAS sistemini birlikte göstereceği haberini duyurmuştuk. Bu, Intel'in FPGA platformunda sektörün ilk derin öğrenme bilgi işlem performansı gösterimi ve aynı zamanda Horizon, işlemci mimarisi IP araştırma ve geliştirmesinin en son sonuçlarını ilk kez sergiliyor.
5 Ocak'ta ABD Pasifik Saati'nde Horizon, prototipi CES sitesine getirdi. Horizon kurucusu ve CEO'su Yu Kai, Horizonun otonom sürüş alanındaki "yerleşik yapay zekası" için bir dizi plan sundu ve ilk nesil gömülü modeli duyurdu Yapay zeka işlemci mimarisi IP-Gauss mimarisi.
Soldan sağa: Horizon'un kurucusu ve CEO'su Dr. Kai Yu, PSG'nin (eski adıyla Altera) genel müdürü Dan McNamara, Intelin küresel başkan yardımcısı Erhaan Shaikh, PSG'nin genel müdürü, Ticaret başkan yardımcısı. Soldan sağa: Horizon'un kurucusu ve CEO'su Dr. Kai Yu, Intel Global Başkan Yardımcısı PSG (eski adıyla Altera) Genel Müdürü Dan McNamara, PSG Başkan Yardımcısı Ticaret Genel Müdürü Erhaan Shaikh
Intel ile işbirliği içinde CES'te ilk çıkış
Basitçe söylemek gerekirse, Horizon ve Intel tarafından bu kez ortaklaşa sergilenen ADAS ürünü, Horizon'un Intelin FPGA platformunda kendi geliştirdiği düşük güçlü sinir ağı işlemci mimarisi IP'sini gerçekleştirdiği ve Horizonun kendi derin öğrenme algoritmasının üst katmanda çalıştırıldığıdır. , Gömülü yapay zekanın tüm program tasarımı da Horizon'dan.
Sistem sürücülere otoyol ve şehir içi yol sahnelerinde sürüş yardımı sağlayabilir ve aynı anda araçları, şerit çizgilerini, yayaları ve sürülebilir alanları gerçek zamanlı olarak algılayabilir ve tanıyabilir. Che Yunjun, tanıma ve takip etmenin etkisine dikkat etti. Her iki sahne de daha iyi gün ışığı koşullarında. Kentsel yol sahnesinde, sistem yayaları, bisikletlileri ve yabancı arabaları belirleyebilir ve temelde hata yoktur. Yağmurlu bir günde silecek açıldığında, çerçeve seçim hatası olmadı.
Kentsel çevre
Yüksek hızlı ortam
Bundan önce, Horizonun ADAS sistemini herkese açık olarak sergilemesi, geçen yıl Mart ayında düzenlenen "Tekillik Araba" konferansıydı. O sırada gerçek araba ortamında otoban sürüşünü gösteriyordu ve aynı zamanda şerit hatlarının / araçların / yayaların ADAS (akıllı) tespitini gerçekleştirdi. Sürüş yardım sistemi) ürün prototip sistemi.
İşlevsel bir bakış açısından, ufuk, kentsel yollar gibi daha karmaşık yol koşullarıyla başa çıkmak için algoritmada yükseltildi. Ancak Kai Yu, en büyük farkın "Singularity Car" konferansında işlevleri yerine getirmek için sabit bir sinir ağının kullanılması ve Intel ile işbirliği içinde prototipe derin bir sinir ağı mimarisinin monte edilmesi olduğunu söyledi. Tüm mimari, çeşitli senaryolara uyarlanacak şekilde esnek bir şekilde yapılandırılabilen ve seçilebilen gerçek zamanlı algılama ve tanıma için 6 model içerir. Yu Kai'ye göre sadece yaklaşık 500 miliwatt olan bu çekirdek işlemcinin en büyük özelliği düşük güç tüketimi.
"Yerleşik yapay zeka" nedir?
Yukarıda bahsedilen "gömülü yapay zeka", Horizon'un kendi işini bitirdikten sonra bulduğu bir konumlandırmadır. Bu kavram, mevcut ağ durumundaki yapay zekanın tam tersidir. Şu anda çoğu insan, internette ve veri merkezlerinde büyük ölçekli bilgi işlem yoluyla yapay zeka fark ediyor. "Gömülü yapay zeka" nın yapması gereken, gerçek zamanlı çevre algısı, insan-bilgisayar etkileşimi ve karar verme kontrolünü yerel olarak gerçekleştirmektir.
Bir röportajda Yu Kai, otomotiv alanında yerleşik yapay zekanın önemine dair örnekler verdi. Örneğin, bir çocuk bir yoldan geçerken, otopilot sisteminin, sinyali algıladıktan sonra karar verebilmesi için buluta iletmesi gerekiyorsa, yerel hesaplamadan daha uzun bir gecikme yaşayacaktır.Eğer ağ kararsızsa, sonuç düşünülemez olacaktır.
Hepimizin bildiği gibi, yapay zeka, bilgi işlem kaynakları ile büyük ölçüde ilgilidir. Derin öğrenme algoritmalarının donanım bilgi işlem performansı, güç tüketimi ve maliyet kontrolü için daha yüksek gereksinimleri vardır. Düşük güçlü bir platform geliştirmenin yanı sıra, algoritmanın optimizasyonu da kritiktir ve yazılım ve donanım kombinasyonu performansı en iyi şekilde artırabilir. Tipik bir örnek, önceki Apple cep telefonlarıdır, konfigürasyon her zaman Android'den daha düşüktür, ancak performans hala mükemmeldir, ana neden, yazılım ve donanımın derinlemesine bağlanmasıdır.
Donanımı yazılım olarak takip eden Horizon'un gömülü yapay zeka planı, genel bir algoritma, yazılım ve yonga paketi de dahil olmak üzere "işlemci + algoritma" için yerleşik bir yapay zeka çözümü sağlamaktır. Horizon aynı zamanda bir derin öğrenme işlemcisi (BPU, Beyin İşlemci Birimi) IP'si oluşturuyor.
Yu Kai, CES'te ilk nesil yerleşik yapay zeka işlemci mimarisi IP-Gauss mimarisini duyurdu. IP, çip firmaları tarafından kullanılabilen ve tasarlanan otonom sürüş çipinin içine yerleştirilebilen bir işlemci mimarisi tasarımıdır. Otonom sürüş sınıflandırmasına göre Horizon, üst düzey otonom sürüşü ve hatta sürücüsüz fonksiyonları desteklemek için ikinci nesil Bernoulli mimarisini ve BPU'nun üçüncü nesil Bayes mimarisini arka arkaya piyasaya sürecek. Bu CES fuarında Horizon ve Intel tarafından ortaklaşa başlatılan ADAS sistemi, Gauss mimarisine dayalı olarak geliştirildi.
BPU işlemci
Horizon aynı zamanda yerleşik yapay zeka işlemci mimarisi IP'sine dayalı kendi kendine oluşturulmuş bir platform da inşa etti ve şu anda Gauss mimarisine dayalı "Hugo 1.0" ı oluşturdu. Yu Kai, Che Yunjun'a, tüm Hugo platformunun rotasının aynı zamanda otonom sürüş derecelendirmesinin yinelemeli bir versiyonu olacağını söyledi. Başlangıçta, algı ve bilişe odaklanacak ve ardından üç boyutlu modelleme işlevleri olacak.Gelecekte karar verme daha güçlü hale getirilecek. Aynı zamanda, işlemci mimarisi de ilerleyecektir.Örneğin, daha derin sinirsel işleme var.Gelecekte, karar verme ağırlaştıkça, Bayes ağları için destek oranı artacaktır.
Hugo Yol Haritası
"Yerleşik yapay zeka" teknik rotası
Tüm otonom sürüş mimarisi üç aşamadan oluşur: algılama, planlama ve karar verme ve kontrol. Tüm bağlantıda, Horizon'un işi esas olarak ilk iki bölümü içerir. Spesifik olarak, sensör sinyal girişinden aktüatör sinyaline kadar tüm süreç ufuk tarafından yapılır. Daha sonra üç adıma ayrılırsa: algılama, modelleme ve yol planlama.
1. Algı
Horizon tarafından geliştirilen algoritma, tek bir ağın ve birden çok çıkışın özelliklerine sahiptir: girişte yalnızca tek bir veri kaynağına ihtiyaç vardır ve aynı ağ, farklı çıktılar elde etmek için kullanılabilir.
Örneğin, birden fazla öğe içeren bir fotoğraf girerseniz, önceki geleneksel algoritmalarda ve erken sinir ağlarında mümkün olmayan, sinir ağı mimarisi kullanıldığı sürece şerit çizgilerini, araçları ve yayaları çıktı alabilirsiniz. Çünkü geleneksel bilgisayar görüşünde, araçları tanıma algoritması, yayaları tanırken evrensel olarak kullanılamayan araç özelliklerine dayanır. Bu nedenle, birden fazla çıktıya sahip tek bir ağın en büyük avantajı, kaynak kullanımını azaltabilmesi ve hesaplama hızının da büyük ölçüde iyileştirilmesidir.
2. Modelleme
Kendi kendine giden arabalar, arabanın çevresindeki ortamı görmek için birbirleriyle işbirliği yapmak için kameralar, lidarlar ve milimetre dalga radarları kullanır. Farklı sensörler aynı bilgileri toplar (örneğin, lidar ve milimetre dalga radarı, öndeki aracın mesafe bilgilerini doğrudan toplayabilir) ve ayrıca benzersiz bilgiler (örneğin, kameranın toplamada daha iyi olduğu trafik ışığı bilgileri) toplar.
Birden fazla sensörün bilgi füzyonu yoluyla, fiziksel sensörlerden bağımsız anlamsal ortam modellemesi gerçekleştirilir. Ufuk, hız, mesafe, sinyal ışığı durumu vb. Gibi farklı veri türleri için arayüzler tanımlar. Milimetre dalga radarı 3 tip veri alabilir, lidar 4 tip veri alabilir ve kameralar 4 tip alabilir ve tüm sensörler buna karşılık gelen bilgileri girebilir.
Sonraki algoritma, farklı sensörler tarafından verilen aynı tür bilgiler için fazlalık yapabilir veya belirli işlevleri elde etmek için farklı bilgi boyutlarını seçebilir. Örneğin hız ve mesafe bilgisi alındıktan sonra AEB daha fazla tanımlanabilir. Bu tür sensör verilerini sıralamanın en büyük avantajı, sensör veri türünden etkilenmemesi ve tanımlama işlevinin daha esnek olmasıdır.
3. Karar verme ve yol planlama
Karar verme ve yol planlaması açısından Horizon'un vurguladığı nokta, "büyük kara kutuyu" olabildiğince şeffaf hale getirmektir.
Hepimizin bildiği gibi, derin öğrenme uçtan uca bir süreçtir ve avantajı, bir görüntünün girilmesinin nihai tanıma ve tespit sonuçlarını verebilmesidir. Geleneksel bilgisayarla görme algoritmalarıyla karşılaştırıldığında, çok fazla insan müdahalesi gerektirmez. Bunun dezavantajı, derin öğrenmenin ara sonuçlarını görme şansımızın olmamasıdır, bu nedenle buna "kara kutu" denir. Kendi kendine giden bir araba derin öğrenme algoritmaları kullanırsa ve bir kaza meydana gelirse, belirli sorunları bulmak zor olacak ve güvenlik riskleri ortaya çıkacaktır.
Horizon fikri, büyük kara kutuyu olabildiğince şeffaf hale getirmektir.Son çıktıyla ilgili bir sorun olduğunda, sorunun hangi düğümde meydana geldiği bulunabilir. Horizon, bir Bayes ağı ve her düğümde bir sinir ağı kullanır. Tüm Bayesian ağı eğitilebilir ve performans, kolaylık ve uçtan uca öğrenmede çok fazla fark yoktur, ancak hesaplamanın ara sonuçları açıkça görülebilir ve sorun izlemeyi daha şeffaf hale getirmek için hedeflenen bir şekilde ayarlanabilir.
"Gömülü Yapay Zeka" iş modeli
Otomotiv yönünde gömülü yapay zeka girişiminde, Horizon'un hedefi gömülü yapay zekanın yukarı akış tedarikçisi olmaktır. Otomobil üreticileri ve Tier1 tedarikçilerinin tümü ortaktır. Açıklanan ortaklar arasında Bosch ve Singularity Motorlar var.Ufuk bu kez Intel ile tanıştı.İki şirket arasındaki işbirliği, uzun süredir devam eden iyi ilişkilere ek olarak, otonom sürüşün geliştirilmesinde giderek daha alt bölümlere ayrılan teknolojinin bir sonucudur.
Birincisi, sinir ağı çipleri açısından algoritmalar çok önemli bir yer tutmaktadır.Gerekli yazılım algoritması çözümleri çip şirketlerinin sınırlarının ötesindedir ve Intel gibi çip üreticilerinin daha iyi çözümlere sahip olması gerekmez. Bu nedenle, Horizon gibi şirketlerin katılması gerekiyor.
İkincisi, otonom sürüş bağlamında, tüm yazılım yeniden düzenleniyor.Yazılım bir standart haline gelmeden önce, çip yapmak çok tehlikeli bir şey. Yu Kai, medya ile yaptığı bir röportajda çip yapmanın düşündüğünden çok daha karmaşık olduğunu belirtti: algoritmaların ortaya çıkması için hangi hesaplama kaynakları ve mimarileri gerekli, donanım tasarımı doğrulama, arka uç bant çıkışı ... tüm yazılım ve donanım geliştirme ihtiyaçları 3 yıldan fazla Ar-Ge döngüsü. Bu nedenle çip üreticilerinden düşük güçlü işlemcileri seçmek ve farklı platformlarda otonom sürüş çözümleri yapmak pazara daha hızlı girecektir.
Üçüncüsü, son tahlilde, otonom sürüş alanında nihai karar hala otomobil şirketlerinin elinde. Horizon herhangi bir yonga oluşturmaya ihtiyaç duymaz. Kendi geliştirdiği Hugo platformu, tasarımı doğrulamak için kullanılacak.Sonunda, kendi işlemci IP'sini satmayı ve tasarımın bu kısmını diğer yongalara koymayı umuyor.Her yonga Sağlayıcılar kendi ortakları olma fırsatına sahiptir.
Ufkun kendisine niş bir giriş bulduğu ve kaynaklar için bolca yer bıraktığı görülüyor. Ancak şu anda çip şirketleri kendi yazılım yeteneklerini de geliştiriyorlar.Otonom sürüş, araçlarla yakından ilgilidir ve OEM'ler ayrıca algoritmalara ve diğer yönlere daha fazla enerji yatırdı ve bu da Horizon'un işleriyle örtüşecek.
Ancak Yu Kai, endüstri zincirinin kademeli olarak alt bölümlere ayrılacağına inanıyor. Otonom sürüş için gerekli teknoloji dikey ve profesyoneldir.Her rol kesinlikle iyi olduğu işi yapacak bir nokta bulacaktır Ufuk noktasında yeterince iyi yapay zeka yapmaktır.
Sonunda, bize bir bildirimde bulundu: Horizon, 2017'de özellikle bir bant çıkışlı işlemci mimarisi başlatacak ve verimlilik, mevcut işlemci mimarisinden 1 ila 2 kat daha yüksek olacak. Eksiksiz bir ürün setine sahip olduktan sonra, Horizon sürücü testini teşvik edecek ve IP yetkilendirmesi dahil olmak üzere işler aynı anda başlatılacaktır.
Che Yunjun
Aşağıya tıklayın
Orijinali okuyun
, Daha heyecan verici içerik için Cheyun.com'a girin!
