NVIDIA 為交通運輸產業提供用於自動駕駛車的深度神經網路

NVIDIA (輝達) 今天宣布透過 NVIDIA GPU Cloud (NGC) 容器登入服務，為交通運輸產業提供 NVIDIA DRIVE^™ 深度神經網路 (DNNs) 以開發自動駕駛車。

NVIDIA DRIVE™ 已成為開發自駕車的業界標準，並且被汽車製造商、卡車製造商、自駕計程車公司、軟體公司和大專院校所廣泛採用。如今，NVIDIA 向自駕車開發者開放其預先訓練好的人工智慧 (AI) 模型和訓練代碼。透過一套 NVIDIA AI 工具，生態系內的開發者們可以自由擴展和自訂模型，以提高自動駕駛系統的穩健性與效能。

NVIDIA 創辦人暨執行長黃仁勳表示：「AI 自駕車是軟體定義的汽車，它必須基於大量資料集才能在全球行駛。我們向自駕車開發者提供我們的深度神經網路以及先進學習工具，使開發者能夠根據不同的資料集進行最佳化。透過此方式，我們得以在保護資料所有權與隱私的同時，實現跨企業和跨國的共享學習，並加速全球自駕車的落地應用。」

AI 對於安全的自駕車開發來說至關重要，它能夠讓其感知周圍環境並做出即時反應，進而更聰明地行駛於道路上。其核心是由數十個深度神經網路組成，它們可以處理重複且不同的任務，以確保精確的感知、定位和路徑規劃。

HIS Markit AI 資深研究總監 Luca De Ambroggi表示：「NVIDIA 在為全球交通運輸產業開發最深入且廣泛的深度神經網路與 AI 工具方面，位居全球領導地位。為開發者們提供這些演算法，以及用於自訂演算法的工具和作業流程基礎架構，將有助於部署安全的自動駕駛交通解決方案。」

NVIDIA 投入多年的時間開發與訓練在 NVIDIA DRIVE AGX^™ 平台上運行深度神經網路，藉此將原始感測器資料轉換成有用的資訊。這些深度神經網路能夠處理交通號誌和交通標誌識別、物體識別 (如車輛、行人、自行車)、路徑感知以及車載眼球追蹤和手勢識別等任務。

用於 AI 開發的先進學習工具

除了提供深度神經網路之外，NVIDIA 還發佈了一套先進工具，使開發者可以使用自己的資料集和目標特徵集 (Target Feature Set) 自訂並增強 NVIDIA 的深度神經網路。這套工具可以透過主動學習 (Active Learning)、聯邦學習 (Federated Learning) 和遷移學習 (Transfer Learning) 來訓練深度神經網路。

• 主動學習借助 AI 而非人工管理完成自動篩選資料，進而提高模型精準度，並降低資料蒐集的成本。
• 聯邦學習使企業能夠與其他公司一起使用分佈在不同國家的多個資料集，同時保護資料隱私和企業的智慧財產權。
• 遷移學習使 NVIDIA DRIVE 使用者能夠借助 NVIDIA 在自駕車開發領域的大力投入，加速開發感知軟體，並基於各自的應用和目標進一步開發這些網路。

透過在 NGC 上開源 AI 模型以及推出先進訓練工具，NVIDIA 強化了用於自駕車開發和部署的端到端平台。