新闻 | 滚动 | 上海 | 政务 | 评论 | 国内 | 社会 | 政法 | 国际 | 军事 | 财经 | 体育 | 娱乐 | 历史 | 汽车 | 图片 | 视频 | 曝光 | 微博 | 专题 | 旅游 | 彩票 | 藏品 | 健康 | 百货 | 导购
奥迪A3三厢
19.40-25.80万
(参考成交价)
车市行情
车型 优惠
赛欧 2
POLO 1.7
DS 4s 4
晶锐 1.3
熊猫 0.4
骊威 1.1
MINI CLUBMAN 5.78
瑞纳 0.7
车型 优惠
福睿斯 1.8
传祺GA3S 1
名图 2.5
速锐 0.3
昕动 0.8
花冠 1.6
6.15
英朗 3.3
车型 优惠
传祺GA6 1
君越 3.4
标致508 4.5
凯迪拉克ATS-L 3
雅阁 3
君威 3.9
帕萨特 3.1
迈锐宝 4.01
车型 优惠
奥迪A8 39.3
捷豹XJ 38.3
宝马6系 3
凯迪拉克XTS 4
林肯MKS 3
Panamera 96
玛莎拉蒂Ghibli 16
捷豹XF 21.5
车型 优惠
奔驰GLE 6
极光 13
Tiguan 5.2
TRAX创酷 1.3
荣威W5 1.4
标致3008 1
揽胜运动版 3.8
兰德酷路泽 8.6
车型 优惠
上汽V80 0.5
埃尔法 0.8
普瑞维亚 1.7
马自达8 2.5
别克GL8 3.1
夏朗 4.7
奥德赛 3.5
艾力绅 2.51

黄仁勋回应Uber事故:撞人与英伟达无关 我们还有自动驾驶仿真测试

2018-04-03 15:28 来源: 盖世汽车

黄仁勋回应Uber事故:撞人与英伟达无关 我们还有自动驾驶仿真测试

图片来自网络

对于英伟达宣布暂停自动驾驶系统公开路测一事,该公司CEO黄仁勋终于站了出来,澄清相关细节:Uber事故车采用了NVIDIA GPU,但并未使用该公司的DRIVE平台。

此前,在Uber无人车致死案件发生后,英伟达方面立刻作出决定,暂停当前DRIVE自动驾驶系统在加州、新泽西、德国及日本的公共道路上进行的无人车测试工作,并不讳言地表示其直接原因就是此前Uber自动驾驶汽车发生的“死亡事故”。

毕竟在亚利桑那州撞车事故发生时,那辆来自Uber的沃尔沃XC90上搭载了英伟达的计算平台。虽然目前事故发生原因仍未查明,但这仍旧让这家供应商付出了代价:截止27日收盘时,英伟达股价下跌7.76%至225.52美元,总市值约1341.84亿美元。

基于此,在29日下午举行的GTC媒体问答环节中,黄仁勋就事件部分疑点进行了回应。这位“核弹教父”表示,正如报道所言,Uber无人车事发时确实使用了英伟达的硬件。但严格说来,早在双方自2018CES期间宣布达成更紧密的合作关系之前,Uber2016年起便已经开始使用NVIDIA GPU。

换句话说,Uber现有的无人车队是将NVIDIA GPU用于与其他处理器适配的商用成品软件,而这些处理器均在Uber自家的软件栈上运行。在这当中,能否明确GPU硬件和DRIVE平台之间的区别就成了事情的关键。

英伟达方面表示,与Uber自己软件栈最大的不同是,NVIDIA DRIVE平台完全利用NVIDIA处理器(SoC和GPU),并在其上运行NVIDIA的DRIVE软件包。

站在英伟达的角度,作为一家15岁的图形芯片供应商,在新技术发生致死事故的当下,黄仁勋为了最大程度避免公司负面而急着“甩锅”的行为无可厚非。他特别强调,这起无人车致死案件并未反映出英伟达本身在传感器融合、硬件容错,甚至包括所有基于神经网络运行的软件栈方面存在任何问题。简单来说,由于事故车辆并未采用该公司平台,英伟达不用对这起事故负责。

把自己的事故责任“择”清楚之后,英伟达仍旧坚称:“机器驾驶汽车要比人类驾驶更安全”。该公司表示,未来将继续在公共道路上手动驾驶测试汽车,以继续收集数据并对其神经网络进行训练。

看上去像是特意为无人车安全事件留了一手准备,此前英伟达一直在开发仿真系统以训练包括自动驾驶汽车在内的神经网络。在2018 GTC上,该公司发布了自动驾驶仿真系统Drive Constellation,更新Drive系列产品架构路线图,宣布其生态系统中目前已拥有370家合作伙伴。

一句话概括,这套软硬件一体的模拟自动驾驶解决方案,计划于2018年第三季度向首批合作伙伴供货。用户通过GPU生成传感器数据反哺到Drive PX平台上进行模拟测试,借助上百万英里的测试定制的场景和极端案例,加速自动驾驶技术的研发进程并减少研发成本。此外,英伟达透露公司将打造下一代名为DRIVE Orin的芯片。

虽然目前尚不清楚英伟达是否已有能力借助上述系统在内部展开实际训练工作。但在无人车测试不可能无限扩大车队规模的当下,为了在短时间内实现实地场景中无法触及的测试里程,并迅速模仿任何驾驶场景,仿真测试似乎早已成为了大多数从业者的共同选择。

早在2017年,黄仁勋便宣布将使用使用NVIDIA DGX和Tensor RT 3进行仿真。借此,工程师可以在5个小时内完成约48万公里的道路测试。照此速度,理论上两天之内就可以完成全美所有公开道路的测试工作。

效率惊人,就连陆奇也在2017年7月5日的百度AI开发者大会上也对仿真测试的实用性表示了认同。他指出:“使用Apollo仿真引擎,可以让开发者实现日行百万公里的虚拟测试里程。”此外,“无人车路测鼻祖”Waymo也在谷歌打造的虚拟城市“Carcraft”中放置了25000辆虚拟测试车,以实现每天虚拟行驶25亿英里的数据收集。

虽然这种仿真测试某种程度上简化了真实场景,目前也仅仅作为实际路测工作的一个重要补充。但对于誓要成为驱动自动驾驶未来处理器超级巨头的英伟达而言,不管何时能够全面恢复无人车路测工作,仿真训练无疑都在加速自动驾驶技术商业化落地的速度,为实现这位供应商“赋能”汽车产业的梦想助力。

作者:亿欧 潘梓春

1
热门推荐
查看更多精彩