采用 AI 的自动驾驶让货车司机的行车旅途更轻松

作者 英伟达中国

“我是 AI”纪录片系列第 2 集介绍了可提高货车司机安全性的情况。

横贯美国流通的大部分货物都是由货车司机运送的。由于工作时间长,在线订单的需要越来越多,他们不仅要面临在暴风雪中驾驶车辆的风险,还要在交通高峰期艰难前行,这真是一项压力很大的工作。

“我是 AI”纪录片系列第 2 集介绍了 Peterbilt、Kenworth 和 DAF 品牌货车制造商 PACCAR 如何探索 AI 来减轻他们的负担。

该公司年产值为 170 亿美元,拥有 25,000 名员工, 技术中心位于华盛顿州西北部。该技术中心在对半挂卡车自动化方面取得了进展,并可能帮助过度劳累的司机放松身心。

PACCAR 最近在硅谷开设了一个创新中心,用于协调新一代产品开发,并识别有利于提高未来车辆性能的新兴技术。

“货车确实是美国经济的命脉,”PACCAR 高级技术总监 Carl Hergart 说。“我们想做的就是尽可能让货车司机安全、舒适并高效地驾驶。”

帮助货车“眼观六路”

在研究高度自动化系统的过程中,PACCAR 工程师将摄像头和传感器全都放在卡车外部(例如,护栅、保险杆、后视镜等),然后使用 NVIDIA DRIVE PX 2 AI 超级计算机来处理所收集的大量数据。然后,DRIVE PX 处理的融合图像数据在神经网络中运行,从而帮助卡车了解它“看到”的事物。

司机只需在驾驶室中轻轻按下开关便可进入自动驾驶模式。在引擎盖下,一整套技术装置开始为货车提供其周围不断变化的地图。

“货车通过传感器了解周围环境,”PACCAR 高级动力系统控制工程师 Christopher Balton 说。“货车根据其在环境中所处的位置来决定具体的行驶方向。”

https://blogs.nvidia.com/wp-content/uploads/2017/12/episode-2-screenshot-4.png
PACCAR 工程师致力于让货车运输更轻松。

迁移学习的优势

真正帮助 PACCAR 取得成就的是一个名为迁移学习的概念。借助这一概念,该公司可以无缝地利用 NVIDIA 使用汽车聚集的训练数据。由于无法尝试使用货车绘制国家道路的地图,这便是一个重要的考虑因素。

“我们可以在截然不同的环境中访问 NVIDIA 训练的神经网络,并将其直接应用到我们的车辆中,”Balton 说。“极为强大的一点是可以将该学习迁移到我们的环境中。”

由于不必创建数据本身,PACCAR 便可以将精力投入到更高级的开发上。例如,该公司目前正在致力于强化 4 级系统,以便应对标记不清的道路和恶劣的天气。

司机无需再亲临现场

与大多数 AI 开发的情况一样,自动驾驶货车的前景引起了人们的恐慌,他们认为该技术某一天会完全取代司机。

“我们的初衷绝对不是取代司机,而是让棘手的工作做起来更轻松,”Hergart 说。“就拿航空工业来说,自动驾驶仪已经出现很长一段时间了,但驾驶舱中仍有两个驾驶员。我认为对于货车运输而言亦是如此。”

如需观看“我是 AI”纪录片系列的其他节目,请访问我们的“AI 创新者”页面