Nvidia 挾人工智慧演算學習技術進軍自動駕駛領域

消費者相當熟悉的顯示卡大廠 Nvidia，在近年來積極發投入 GPU 深度學習、AI人工智慧與 VR/AR 市場，而如同許多 IT 產業一般，Nvidia 也挾著資訊產業厚實的實力進攻自動駕駛領域；在近期也公布了他們耗費九個月的時間在自動駕駛領域中的成果。

有別於傳統傳感器及攝影機搭配上電腦運算的組合，Nvidia 主要透過深度學習神經網路 CNN 與機器學習框架 Torch7 進行訓練，相對於現行被動的資訊接收再透由電腦彙整並下達指令。

Nvidia 是以人工智慧概念來建立一套可用於無人汽車訓練的深度學習神經網絡。這使得 Nvidia 開發的無人汽車在短時間內就具備有跟其他自駕車一樣的自駕能力，相關成果也在美國康乃爾大學的電腦科學類研究網站上進行發表。

有關 Nvidia 投入自動駕駛技術的開發可追溯到他們在 2015 年開啟的 Dave-2 自駕車專題研究，將 3組相機鏡頭，以及一個可儲存資料用的SSD硬碟搭配安裝 Nvidia Drive PX 的電腦作為運算核心。

裝置在 Lincoln MKZ 與 Ford Focus 載體上， 透過卷積神經網路(Convolutional Neural Network，CNN)技術來建立適用於無人車訓練的深度學習神經網絡模型，並透過權值共享（Shared Weights）的方式來減少神經元的連接數量，因而比起傳統全連接的神經網路，可以用較少的參數，更快速的完成學習訓練過程。

Nvidia 耗費 72 小時蒐集環境數據資料提供系統學習訓練後，已經成功實現汽車自動安全行駛於一般道路和高速公路。

Nvidia 自動駕駛團隊此次架構了多達9層的CNN神經網絡架構，連結了將近2,700萬條神經元，以及25萬個參數，打造出可用於自動駕駛車訓練的深度學習預測模型。

如同當前的無人車駕駛技術，當 Nvidia 的無人汽車進行深度學習訓練時，會先透過將相機捕捉到的道路環境影像直接輸入至CNN神經網路模型內，並經過模擬計算後，再將產生出的運算結果，與實際人類的駕駛行為進行比對，在進行演算修正來提高精準度。

在邏輯判斷方面 Nvidia 同時借助了 Torch7 機器學習模組來提升行駛時的路況判斷能力，其分析自相機蒐集的環境資訊，包括號誌、標線、障礙物等，透過電腦運算來決定接下來的行進規劃，採取加速、減速、閃避或是繞道等決定。

目前自動駕駛實驗平台經過測試後初期已經能在美國紐澤西高速公路上達到 9 成的自動駕駛目標，在部分路段更達到全程自動化行駛，並且該自動駕駛技術也不會受到氣候環境所干擾，在惡劣天候環境下依舊能保持正常行駛。