如果说时间就是金钱，自动驾驶汽车的道路测试进展便陷入了困境。
RAND 的研究人员估计，要让自动驾驶汽车的精度达到人类驾驶员的水平，需要驾驶 110 亿测试英里。客观来看，2016 年加利福尼亚州所有自动驾驶公司的测试英里数加在一起也只有 70 万英里。
Cognata 是一家位于以色列的初创公司，也是我们创始计划的成员，其目标是实现在虚拟环境中驾驶，从而缩短完全训练自动驾驶汽车所需的时间。
通过将 AI、深度学习和计算机视觉相结合，该公司创造了可能被视为时间机器的解决方案，帮助车辆在无需我们触摸方向盘的情况下将我们从 A 点带到 B 点。
在虚拟世界中驾驶
自动驾驶汽车必须能够做出明智、合理的决定来应对不断变化的驾驶环境。为了培养这种理解力，自动系统需要具备在真实天气状况下以真实驾驶员的行为在真实道路上驾驶的体验。
这就是许多公司和研究人员通过在我们的道路上驾驶测试汽车来获取训练数据的原因。借助 Cognata 的虚拟环境，各公司可以节省测试自动驾驶汽车所需的时间和资金，同时还能避免安全问题。
其技术基于三个主要层。第一层是“静态”层，即计算机视觉和深度学习算法使用地图和卫星图像的数据来自动生成真实城市的三维数字地图。Cognata 荣获专利的 TrueLife 3D Mesh 技术可以模拟各个城市，包括建筑物、道路、车道标识、交通标志，甚至树叶。
在这个逼真但模拟的静态层之上，Cognata 添加了交通模型的“动态”层，其中包括各种形状和大小的其他车辆以及行人。此外，还添加了当地的历史天气状况和光线变化，因此，自动系统可以尝试和测试大量的变量。
第三层为“感知”层，它将静态层和动态层结合在一起，模拟雷达和激光雷达等传感器与模拟环境以及其中的各种刺激进行的交互。这为每次驾驶提供了全面的自动驾驶模拟反馈环路。
与众不同的体验
因此，利用 Cognata 的技术，AI 驾驶系统可以经历以前在真实环境测试中可能从来没有机会面对的各种场景并从中汲取丰富的经验。是否想要专注于雪天结冰的道路？Cognata 可以提供无限长度的这种道路。
该公司的技术由 NVIDIA DGX 工作站提供支持，NVIDIA DGX 工作站是一种 AI 超计算工作站，融合了数据中心的深度学习功能，但可以整齐地安装在桌下。他们使用 DGX 工作站训练深度神经网络，训练速度要比以前快 10 倍。另外，他们现在可以在模拟环境中同时运行 10 台虚拟车辆。
这些虚拟车辆配备了各种摄像机、激光雷达和雷达传感器，每小时可以生成几千英里驾驶距离的数据。这意味着，Cognata 训练自动驾驶汽车的速度比传统方法快 1,000 倍，可以达到汽车行业仅在几年内便需要将自动驾驶汽车全面投入市场的验证目标。
GTC 上的 Cognata
Cognata 是创始计划中 2200 多家初创公司中的一员。虚拟加速器计划为初创公司提供技术、专业知识和营销支持。
Cognata 去年在 GTC 以色列上赢得了“以色列卓越初创公司”的称号。我们将于 3 月 26-29 日在圣何塞举办 GTC，欢迎报名参加我们的旗舰 GTC，聆听该公司首席执行官 Danny Atsmon 关于“深度学习自动驾驶模拟”的主题演讲。