Зміст

  • Введення
  • Апаратна трасування променів
  • Нейромережі стають все швидше і розумніші
  • RAPIDS – прискорення машинного навчання
  • Високопродуктивні системи DGX
  • AGX – рішення для автономних машин
  • Jetson AGX і роботи
  • Новини автопилотируемой платформи Drive
  • Автомобілі з виставки
  • Серйозна віртуальна реальність
  • Висновки

Введення

Почався жовтень, а це вже традиційно означає, що настав час чергової європейської конференції GPU Technology Conference, присвяченій різним застосуванням рішень компанії Nvidia. Ось вже який рік ця технологічна конференція проводиться не тільки в рідній для них Каліфорнії, але і в інших точках нашої планети: в Китаї, Німеччині, Ізраїлі, Тайвані, Токіо і Вашингтоні.

І так як в цей раз справа відбувається в Мюнхені, то більша частина GTC знову присвячена автомобільної тематики — застосування рішень компанії в автомобілях: інформаційно-розважальних системах, системах автопилотирования і так далі. Nvidia бере безпосередню участь у розробці та просуванні автономних засобів пересування ось уже кілька років, у них є навіть повноцінна платформа для автопілотів та власний автономний автомобіль, призначений для обкатки відповідних рішень.

Тема автопілотів в останні роки одна з найбільш «гарячих» — можна згадати про успіхи Tesla і їх спільних розробках з Nvidia. Та й інші компанії, ніби Waymo і рідного для нас Яндекса, також залучають загальну увагу, тестуючи автопилотируемые таксі в різних куточках світу. Аналітики очікують швидкої революції в сфері автономних автомобілів, ця індустрія загрожує зрости в кілька разів буквально за одне лише наступне десятиліття. Тому зовсім не дивно, що тематичними проектами зараз займаються тисячі великих компаній і маленьких стартапів.

Але не думайте, що мюнхенська GTC була присвячена виключно автомобілям. Зовсім ні, особливо якщо говорити про великих анонсах — далеко не всі вони пов’язані з автомобільною тематикою. В цьому році Nvidia навіть в Мюнхені велике значення надавала і інших сфер застосування своїх продуктів — наукової, фінансової, медичної і так далі. Давайте детально розглянемо всі найважливіші анонси та цікаві експонати європейської GTC.

Для тих, кому зручніше сприймати інформацію у візуальному форматі, ми також підготували і повноцінний відеорепортаж з цієї конференції (заздалегідь просимо вибачення за якість звуку — при затребуваність такого формату звітів зобов’язуємося його в подальшому покращити):

Апаратна трасування променів

Ключові виступу глави компанії Nvidia — Дженсена Хуанга — завжди викликають великий інтерес. Потрапити на перші ряди в залі завжди не так просто, зал для виступу на GTC забивається повністю без виключень, тут присутній як профільна преса, численні аналітики та партнери компанії, так і співробітники самої Nvidia.

Вихід глави компанії на сцену завжди супроводжується оплесками — присутні чекають цікавих анонсів, часом несподіваних навіть для співробітників компанії. Харизматичність Дженсена і його прекрасні ораторські здібності складно заперечити — на наш погляд, він є одним з кращих голів відомих компаній у цьому плані, його завжди цікаво слухати. Тим більше, коли йому є про що розповісти.

Дженсен не міг не згадати саму важливу тему останніх місяців для Nvidia — трасування променів. Нагадаємо, що технологія апаратної трасування променів була анонсована на графічній виставці SIGGraph 2018, а трохи пізніше були випущені і графічні процесори архітектури Тьюринга з підтримкою прискорення трасування променів: ігрове сімейство GeForce RTX і професійні рішення Quadro RTX.

Основною відмінною особливістю нового сімейства RTX стала підтримка саме апаратного прискорення трасування променів за допомогою виділених спеціалізованих блоків, що дозволяє використовувати фізично коректні розрахунки взаємодії променів світла, на відміну від звичної растеризації, лише імітує їх поширення в тривимірному світі.

Анонс технології RTX і апаратно підтримують її рішень дозволив розробникам почати впровадження алгоритмів, що використовують трасування в їх проектах. І нехай поки що продуктивність не дозволяє замінити растеризацію повністю у всіх випадках, але поєднання растеризації і трасування променів, що застосовується для візуалізації частини ефектів, занадто складних або неможливих при растеризації, вже дозволяє домогтися помітного поліпшення підсумкового якості.

Так як конференція GTC не ігрова, а цілком серйозна, то можливості трасування Дженсен показував по демонстрації «The Speed of Light», присвяченій 70-річчю спортивних автомобілів марки Porsche, яку вперше показали на літній SIGGraph.

Ця демонстрація реального часу показує рендеринг концепту Porsche 911 Speedster з використанням можливостей архітектури Тьюрінга за допомогою движка Unreal Engine, в останніх версіях отримав підтримку технології RTX.

Підсумкове якість картинки реального часу, отрисовываемой на парі карт Quadro RTX у цій демонстрації, слабо відрізняється від зображень, годинами рендерящихся в 3D-пакетах. Технологія RTX дозволяє забезпечити пристойний стрибок в якості візуалізації реального часу, який ця демонстрація наочно показує.

Движок Unreal Engine використовує фізично коректний фотореалістичний рендеринг найвищої якості, а трасування променів в цій експериментальної демонстрації використовується для візуалізації відбиття та заломлення, тіней і глобального освітлення, які важко промалювати з такою якістю, застосовуючи загальноприйняту растеризацію.

Але чи не ще більше нам сподобалася експрес на GPU візуалізація із застосуванням трасування променів в додатку промислового дизайну Autodesk VRED. Чим же вона така хороша? Все дуже просто — рендерер VRED, крім самої трасування, використовує ще й експериментальну підтримку шумозаглушення за допомогою можливостей штучного інтелекту — нейромережі, що виконується на тензорних ядрах GPU сімейства Тьюринга.

Такий шумодав дозволяє значно поліпшити якість рендеринга в реальному часі, так як картинка, отрисованная трасуванням променів з малою їх кількістю, завжди занадто гучна, а шумодав з штучним інтелектом вміє «підмальовувати» відсутні пікселі, дуже ефективно прибираючи практично весь шум.

В результаті зображення стає ще більш якісним. Якщо без фільтра шумозаглушення при повороті камери або переміщенні об’єктів картинка практично тоне у шумі, то з таким «розумним» шумодавом вона завжди виходить досить пристойної якості, як ви можете переконатися у цьому короткому відео.

Нейромережі стають все швидше і розумніші

Так як конференція GTC далеко не тільки, та і взагалі не стільки про графіку, то досить швидко ключове виступ Дженсена перейшло на дуже улюблену тему їм застосування GPU в задачах штучного інтелекту. Глава Nvidia вже досить давно розповідає про те, що закон Мура для універсальних процесорів мертвий, але так як графічні процесори до них не належать, то вони продовжують збільшувати свою продуктивність, так і взагалі: за ними — майбутнє!

Дуже сильно в зростанні продуктивності з рішеннями Nvidia допомагає впровадження тензорних ядер, призначених для вирішення завдань глибокого навчання, тренування і инференсу нейромереж, які вміють робити обчислення з різною точністю розрахунків, а не тільки загальноприйнятими 32 – або 64-біт. Всі нові графічні процесори архітектури Тьюринга, а також і рішення сімейства Volta, вміють знижувати точність обчислень до 16-, 8 – і навіть 4-біт, якщо таке погіршення точності розрахунків допускається в конкретній задачі.

Темпи зростання продуктивності GPU з урахуванням таких хитрощів становлять навіть не десятки, а іноді сотні й тисячі разів, якщо брати проміжок у декілька років. Сам Дженсен пожартував про гіпотетичний «закон Дженсена» (хоча він і не називав своє ім’я, звичайно), згідно з яким продуктивність графічних процесорів повинна збільшуватися в тисячу разів кожні десять років.

В принципі, якщо порівнювати 32-бітові обчислення з 4-бітними, то можна нарахувати і не такі прирости. Втім, ця умовність не скасовує того факту, що продуктивність GPU дійсно продовжує зростати більшими темпами, особливо враховуючи спеціалізацію на певних видах розрахунків. Розвиток цілої галузі високопродуктивних обчислень вже якийсь час не спирається виключно на темпи зростання продуктивності універсальних процесорів, а все більше залежить від можливостей графічних процесорів.

RAPIDS — прискорення машинного навчання

Анонси компанії на конференції GTC частенько пов’язані з пошуком нових ринків, потенційно цікавих для компанії. Ось і цього разу Дженсен зовсім не просто так показував слайд з очікуваним обсягом ринку машинного і глибокого навчання. Аналітики оцінюють обсяг серверного ринку наукових обчислень і машинного навчання в 20 мільярдів доларів в рік, а разом з глибоким навчанням ринок високопродуктивних обчислень оцінюється вже в 36 мільярдів доларів на рік.

Глибоким навчанням Nvidia займається вже досить давно, але крім нейромереж є і маса інших застосувань для високопродуктивних обчислень, які до певного часу використовували в основному універсальні процесори. У компанії вирішили змінити стан справ, анонсувавши набір бібліотек з відкритим кодом RAPIDS, який служить для комплексного аналізу даних і машинного навчання — повністю на графічних процесорах.

Новий набір бібліотек відкриває можливості оптимізованих обчислень CUDA через високорівневий інтерфейс Python, він працює на всіх рішеннях компанії з сімейств Pascal, Volta і Тьюрінга, а об’єднання потужностей декількох GPU за допомогою NVLink і NVSwitch дозволить значно підвищити продуктивність та обсяг загальної пам’яті, що явно припаде до смаку дослідникам, яким весь час не вистачає продуктивності.

Анонсоване в Мюнхені програмне забезпечення здатне забезпечити значне зростання продуктивності в таких складних завданнях аналітики, як прогнозування попиту на товари і передбачення поведінки покупців для магазинів, прогнозування випадків шахрайства в операціях з кредитними картами і багатьох інших. Таким чином, аналітики вперше отримали всі необхідні інструменти, щоб обробляти величезні масиви даних на GPU.

Зокрема, Дженсен показав досить наочний аналіз даних найбільшого американського іпотечного агентства Fannie Mae, яке фінансує більше 20% всіх іпотечних кредитів у США. Ця компанія займається підтримкою вторинного ринку іпотеки, скуповуючи іпотечні кредити у банків, консолідуючи їх і випускаючи під забезпечення спеціальні цінні папери, забезпечуючи фінансування для видачі нових кредитів.

Звичайно ж, такої великої компанії в такій серйозній завдання вкрай корисний аналіз великих даних. Причому — справді великих, адже дані про кредитні історії мільйонів чоловік за шістнадцять років займають до 400 гігабайт пам’яті і для їх аналізу потрібні величезні обчислювальні можливості. Всі ці дані можна проаналізувати і зробити прогнози щодо своєчасності виплат потенційними позичальниками в тому чи іншому випадку. І для цього відмінно підходить найбільша система на основі графічних процесорів Nvidia DGX-2, якщо до неї додати RAPIDS.

Дженсен показав візуалізацію аналізу даних про ризик несвоєчасних виплат іпотечних кредитів — на карті США кольором показані регіони, в яких з виплатами за кредитами все в порядку (це блакитний колір і високі колонки — наприклад, Сан-Франциско), і ті штати, де все дещо сумніше — наприклад, у Флориді та Техасі.

Такими можливостями вразили далеко не тільки Fanny Mae, але й інші великі компанії, ніби Walmart — найбільша в світі мережа оптової та роздрібної торгівлі. Вони також мають потребу в аналізі великих масивів даних і вже розпочали спільну роботу з Nvidia із застосуванням платформи RAPIDS.

Наприклад, для рітейлерів був би дуже корисний максимально точний прогноз затребуваності товарів в магазинах, щоб уникнути їх затаренности на складах або навпаки — нестачі товару в магазинах. Також про інтерес до набору бібліотек RAPIDS заявили й інші великі компанії: Hewlett Packard Enterprise, Cisco, Dell, EMC, Lenovo, NetApp, SAP і т. д.

Високопродуктивні системи DGX

Перші тести набору бібліотек RAPIDS на системі Nvidia DGX-2 показали 50-кратний приріст продуктивності в порівнянні з системами на базі універсальних процесорів, що дозволяє скоротити час обчислень з декількох днів до декількох годин або з годин до хвилин, залежно від складності завдань. Не дивно, що новий набір бібліотек Nvidia отримав широку підтримку як в технологічних лідерів індустрії, так і нових компаній в області розробки відкритого ПЗ.

Подібні обчислення вимагають великого обсягу високопродуктивної оперативної пам’яті, і тут Nvidia є що запропонувати. Навіть поодинокі GPU мають за 32 ГБ пам’яті, а системи DGX-1 і DGX-2 збільшують обсяг пам’яті до 256 і 512 ГБ, відповідно. Nvidia називає DGX-2 найбільшою системою на основі графічного процесора, вона заснована на шістнадцяти прискорювачах Tesla V100, об’єднаних за допомогою NVSwitch, і має продуктивність до двох петафлопс, 512 ГБ швидкої пам’яті типу HBM2 з пропускною здатністю 16 терабайт в секунду.

Біля систем сімейства DGX на виставці Nvidia частенько можна було помітити групи солідних людей, які обговорюють можливості застосування цих систем в їх бізнесі. Ймовірно, навіть порівняно висока ціна варіантів DGX не здатна збентежити потенційних покупців на тлі високої продуктивності графічних процесорів в багатьох задачах, що виправдовує їх придбання. Тим більше, що Nvidia планомірно розширює і поліпшує можливості програмного забезпечення, пропонуючи не просто якісь залізяки, а повноцінні рішення з готовим і проробленим софтом.

Однією з улюблених тем Дженсена є традиційні порівняння продуктивності систем на основі універсальних процесорів і GPU. Природно, в максимально вдалих для останніх варіантах. Зокрема, на слайдах компанії було показано порівняння продуктивності суперкомп’ютерних систем на кількох десятках CPU з єдиною системою DGX-2. Природно, що остання вийшла явним переможцем, в десятки разів скоротивши час, потрібний на обчислення.

Графіки продуктивності давно стали для нас звичними, але Дженсен показав і діаграми розподілу робочого часу вчених, що займаються науковими обчисленнями в різних сферах, які можна прискорити за допомогою графічних процесорів. Фахівці, які використовують універсальні CPU, займаються конкретно роботою не так вже часто, куди довше чекаючи проміжних результатів, в перервах попиваючи каву.

У той час як прискорення завдань на GPU дозволяє збільшити ефективний робочий час, скоротивши простої в роботі. Не впевнені, що це сподобається всім ученим, але частина з них точно буде задоволена — хоча б ті, хто не дуже любить каву. Правда, у всіх користувачів систем на GPU вже не залишиться таких виправдань, як занадто довгі обчислення.

AGX — рішення для автономних машин

Більшу частину свого виступу Дженсен присвятив різним сферам застосування системи-на-чіпі Xavier, яка лежить в основі таких рішень нової лінійки AGX, як Drive, Jetson і Clara. Всі їх об’єднує потужна система-на-чіпі Xavier, що складається з 9 мільярдів транзисторів і різних типів обчислювальних ядер, а все інше конфігурується — додаються інші чіпи, аж до пари GPU сімейства Тьюринга.

І якщо Jetson AGX Xavier раніше був відомий просто як Xavier, то тепер він отримав нове ім’я. Суфікс AGX ввели аналогічно GTX, RTX і DGX — щоб лінійка продуктів Nvidia вся була трехбуквенной: RTX — це графічні рішення для розваг і професійної графіки, DGX — професійні високопродуктивні рішення, AGX — автономні машини різного формату: Drive, Jetson і Clara.

Рішення лінійки AGX можуть бути як досить компактні, з низьким енергоспоживанням в 15 ват, так і потужними обчислювальними системами з 320 трильйонами тензорних операцій в секунду і розрахунком до 16 гигалучей в секунду при трасуванні. Зокрема, спеціалізований для медичних цілей варіант Clara AGX Xavier має в складі один GPU сімейства Тьюринга і забезпечує швидкість в 200 трильйонів тензорних операцій в секунду при енергоспоживанні в 200 Вт.

Обчислювальна платформа Nvidia Clara дозволяє прискорити завдання штучного інтелекту при обробці медичних зображень. Платформа ця універсальна і масштабована, вона поставляється з усіма необхідними утилітами і інфраструктурою, щоб вчені швидше переходили до звичного для них справі, а не займалися адаптацією та оптимізацією. По суті, Nvidia надає їм можливості високопродуктивних обчислень, а вже вони повинні розробляти власні алгоритми вже для GPU.

У своєму мюнхенському виступі, Дженсен наочно показав, що конкретно дає застосування рішень компанії в медицині. Зліва ви можете побачити звичайний знімок, отриманий при використанні сучасного медичного обладнання, а посередині – покращений за допомогою штучного інтелекту варіант, у якому всі внутрішні органи розпізнані штучним інтелектом і підсвічені.

При необхідності, можна ще більше покращити якість відтворення зображення — аж до застосування трасування променів, яка також підтримується в Clara AGX (зображення праворуч). З її допомогою медики можуть отримати фактично фотореалістичні зображення цікавлять їх внутрішніх органів з максимальною точністю і деталізацією.

Не обійшлося і без конкретних анонсів, пов’язаних із застосуванням Clara на практиці. Один з лідерів в області медичних досліджень — Королівський Коледж Лондона став першим у Європі партнером Nvidia по медицині. Ця установа вже почало використовувати суперкомп’ютери Nvidia DGX-2 і платформу Clara AGX в радіологічних та патологічних дослідженнях, щоб поліпшити лікування мільйонів пацієнтів відразу в декількох лікарнях Великобританії.

Можливості DGX-2 використовуються коледжем при аналізі даних та обробки медичних зображень, на кшталт рентгенівських знімків та інших подібних дослідженнях. Велика кількість пам’яті і величезні обчислювальні можливості DGX-2 дозволяють обробляти трьохвимірні масиви даних буквально за хвилини, а не дні, як це робиться кластерами на основі універсальних процесорів. Застосування суперкомп’ютера Nvidia в медичних завданнях з використанням штучного інтелекту, що дозволяє прискорити процес отримання якісних знімків, що повинно привести до проривів у діагностиці і лікування деяких видів раку, наприклад.

Також рішення Nvidia застосовуються при нанопоровом секвенировании — швидкому визначенні послідовності молекул ДНК і РНК — в пристроях компанії Oxford Nanopore. Застосування нанопорового секвенування особливо корисно для спостереження за поширенням вірусів в польових умовах, при відстеженні поширення епідемій Ебола і Зіку. Пристрої Oxford Nanopore дозволяють виявити віруси в біологічних зразках і польових умовах як можна швидше.

Але при чому тут Nvidia? В кишеньковому комп’ютері MinIT, що підключається до USB-порту комп’ютера, використовується Jetson AGX, в основі цього приладу — осередок, що дозволяє провести одночасне секвенування до 512 молекул ДНК або РНК. А у високопродуктивному секвенаторе PromethION, що служить для аналізу великих масивів даних і включає 48 осередків з 3000 нанопорами кожна, встановлено вже відразу чотири графічних процесора Volta V100 для дуже швидкої обробки даних. Застосування перших пристроїв переважно тоді, коли важлива портативність в польових умовах, а другі забезпечують максимально швидке отримання великої кількості результатів.

Jetson AGX і роботи

Після анонсу рішень AGX, остання версія обчислювальної платформи Jetson, призначеної для роботів і інших вбудованих систем, отримала назву Jetson AGX Xavier, і вона точно так само базується на потужній і складній системі-на-чіпі Nvidia, що має на борту безліч обчислювальних ядер різного призначення при збереженні досить компактного розміру — це така невелика чорненька коробочка.

На основі різних варіантів платформи Jetson ось вже кілька років розробляється велика кількість різних роботів. Приміром, у виставковому центрі Мюнхена був представлений однорукий маніпулятор Roboception з просунутим комп’ютерним зором, запрограмований дуже обережно переносити яблука з однієї коробки в іншу, ретельно прицілюючись і прісасиваясь до ніжним плодом.

Ще одним цікавим експонатом на виставці роботів був розумний сміттєвий бак Bin-E, автоматично сортирующий викинутий в нього сміття з використанням комп’ютерного зору та розпізнавання образів, і використовує для цього штучний інтелект, прискорений на платформі Jetson. При демонстрації не обійшлося без кумедного казусу — сортування спрацювала лише після легкого постукування демонстратором по баку.

І цього року не обійшлося без сільськогосподарського застосування Jetson. Компанія Bilberry представила своє рішення для обприскування добривами полів, також використовує комп’ютерне зір і штучний інтелект для визначення потрібних рослин, які потрібно обприскувати. Система сканує поле і обприскує тільки необхідні ділянки, забезпечуючи економію добрив до 80%.

Ну а наступний виставковий експонат був зовсім вже незвичайним. Ми вже звикли до автопилотам у наземних транспортних засобах, але ж подібна система підходить і для інших транспортних засобів — морських, повітряних і навіть залізничних. Працівники з цих індустрій уважно стежать за подіями в сфері автопилотирования, на виставці був помічений представник «Російських залізниць». А один з варіантів автопілота для морських суден, з використанням платформи Jetson і штучного інтелекту, був представлений на виставці роботів.

Повертаючись до виступу Дженсена, звернемо увагу на анонсовані раніше можливості симулятора середовища навчання для роботів — Isaac. У цьому симуляторі застосовуються технології компанії для ефективного навчання розумних машин у віртуальному середовищі, що імітує умови реального світу ще до того, як робота з навченим штучним інтелектом відпустять у вільне плавання» з реальності. Це — комплексна система симуляції, призначена для навчання та тестування роботів з штучним інтелектом у складних тривимірних середовищах і реалістичних сценаріїв.

В Nvidia є навіть свій власний експериментальний робот Carter, випущений для демонстрації можливостей платформи Jetson, який займається дрібними завданнями в офісі компанії — розвозить замовлену їжу по відділах і так далі. Для початкової тренування нейромережі, на якій він заснований, застосовувалася віртуальне середовище Isaac, і лише потім вже навчений робот був випущений в просторі офісні приміщення будівлі Endeavour.

Новини автопилотируемой платформи Drive

Європейська частина GTC проходить в Мюнхені не просто так — саме тут зосереджені автовиробники і пов’язані з ними стартапи. Де ще, як не в серці європейського автопрому, варто розповідати про досягнення, пов’язаних з автопилотированием? І такі досягнення є.

Платформа Drive AGX Xavier має продуктивність, що перевищує необхідну для створення автономних автомобілів з умовою багатократного резервування, але є і більш просунуті варіанти. Якщо Drive AGX Xavier забезпечує 30 трлн. операцій в секунду, то Drive AGX Pegasus дає швидкість ще більше ніж в 10 разів більше, і цього вже вистачить для повноцінних автопілотів п’ятого рівня.

В плюсах у Drive AGX не тільки висока продуктивність, але і відкритість платформи, яку можна допрацьовувати так, як це потрібно автовиробникам, так само як і не забороняється використовувати свій власний набір камер і датчиків. Ще одним плюсом є підтримка оновлення функції можуть додаватися й поліпшуватися з часом, без необхідності зміни апаратної платформи, і нові можливості стануть доступні покупцям без зміни автомобіля на новий.

У своєму виступі Дженсен показав, на що здатний автопілот компанії вже зараз. Зовсім недавно пройшов тестовий заїзд власного безпілотного автомобіля Nvidia BB8 по 80-кілометровому маршруту, розташованому в завантаженому трафіком районі Кремнієвої долини. Головним досягненням цієї подорожі став абсолютно не вимагає втручання людини заїзд — сидить в автомобілі водій жодного разу не втручався в управління транспортом.

Щоб такий результат став реальністю, нейромережа тренували в тому числі і у віртуальному просторі за допомогою Drive Constellation і Drive Sim. І після цього він показав себе непогано і на реальній дорозі.

Автопілот Nvidia, заснований на платформі Drive AGX Pegasus, керував машиною повністю самостійно, виїжджав на автостраду і з’їжджав з неї, за необхідності міняв смуги і навіть випереджав інші автомобілі. Дженсен уточнив, що це був не просто демонстраційний заїзд в якихось стерильних умовах і з досвідченим апаратним і програмним забезпеченням, а те, що вже зараз доступно всім зацікавленим особам. «Перша в світі платформа для автономних транспортних засобів» Drive AGX Pegasus вже доступна для замовлень автовиробників.

І якщо попередні платформи автопилотирования такого рівня автономності займали весь багажник, то фінальний варіант Drive AGX Pegasus має розмір великого ноутбука, тільки товстіший, споживає значно менше енергії, ніж попередні рішення, і здатний забезпечувати роботу відразу декількох нейромереж одночасно.

Ця потужна платформа на основі відразу чотирьох чипів (по два SoC і GPU) має продуктивність до 320 трильйонів тензорних операцій в секунду, і забезпечує ЗА автопілота багаторазовим резервуванням, щоб та не покладалася при роботі лише на якийсь єдиний алгоритм або датчик.

Ключовим компонентом платформи є програмне забезпечення. ПЗ в комплекті Nvidia Drive відкрите, воно постійно поліпшується по функціональності автопилотирования, комп’ютерного зору й обробки даних. А операційна система Drive OS забезпечує безпечну і безпомилкову роботу всіх складових програмної частини.

З одного боку, 80 кілометрів повністю автономно — це вже добре само по собі. З іншого — у деяких конкурентів подібні поїздки вже мало не обчислюються мільйонами кілометрів. Втім, віртуальне середовище, в якій BB8 також посилено тестується, може швидко нівелювати цю перевагу, і в цьому — сила Nvidia.

Анонси угод з великими автовиробниками не змусили себе чекати. У своєму ключовому виступі Дженсен оголосив, що шведська компанія Volvo вибрала рішення Drive AGX Xavier для своїх майбутніх автомобілів з рівнем автономності 2+. Електронні мізки з штучним інтелектом Nvidia з’являться на початку наступного десятиліття в серійних моделях компанії — спадкоємців 90-ї і 60-ї серій.

За словами представників Volvo, високоінтегрована платформа Drive AGX Xavier дозволить забезпечити швидку розробку автопилотируемой системи при одночасному скороченні витрат. Вже перші автомобілі на її основі запропонують можливості, значно перевищують можливості існуючих асистентів для водія. Інженери двох компаній спільно працюють над поліпшенням можливостей автопілота, включаючи огляд на 360 градусів і систему моніторингу стану водія.

Взагалі, Volvo відома як активний прихильник безпеки на дорогах, і вони розуміють, що якісний автопілот повинен знизити аварійність, так як безпомилковий робот здатний звільнити людину як мінімум від основної частини роботи з управління машиною. Але для цього дійсно потрібні потужні обчислювальні можливості і підтримка прискорення задач штучного інтелекту, чим якраз і відрізняються рішення Nvidia. Саме тому в Volvo вирішили вибрати Nvidia Drive AGX Xavier — першу в світі подібну систему, що поєднує шість різних типів обчислювальних ядер, створену спеціально для завдань автопилотирования.

Відразу за цим анонсом послідували і інші схожі оголошення — компанія Continental також вирішила випустити лінійку автопілотованих автомобілів і роботизованих шатлів із застосуванням платформ Drive AGX Xavier і Pegasus. Ця система буде масштабуватися по можливостям від рівня 2+ до четвертого, а виробництво автомобілів вони повинні почати в 2021 році.

Шведська компанія Veoneer — постачальник систем автономного пілотування — також вибрала платформу Nvidia Drive AGX Xavier для розробки власної системи четвертого рівня під назвою Zeus. Цей комп’ютер зі штучним інтелектом використовує програмне забезпечення Nvidia Drive і власний код під авторством стартапу Zenuity, а виробництво автомобілів на його основі має розпочатися в 2021 році.

Загалом, нові системи безпілотного управління Nvidia Drive AGX з підтримкою можливостей штучного інтелекту лягли в основу відразу декількох автомобілів з рівнем автономності від 2+, вихід яких на ринок запланований вже в 2020 році. Усі вони створені на базі системи Xavier з додатковим чіпом сімейства Тьюринга, і вже дуже скоро Nvidia повинна почати отримувати від автомобільного ринку чималий дохід.

Автомобілі з виставки

Якщо продовжувати розмову про автомобілі, то всього різних примірників на виставці було представлено більше двадцяти. Це і прості концептуальні моделі та автопилотируемые концепти, та плануються до випуску машини і вже продаються екземпляри, в тому або іншому вигляді використовують рішення Nvidia, начебто Мерседеса А-класу з його інтуїтивним інтерфейсом MBUX.

Зовні особливо виділявся Audi Elaine — погляд на майбутнє автопілотованих легкових електромобілів преміум-класу. Концепт Elaine використовує штучний інтелект, велика кількість вбудованих сенсорів різного типу і потужний обчислювальний комп’ютер на основі рішень Nvidia Drive, що забезпечує йому заявлений четвертий рівень автономності. Автомобіль може рухатися без участі людини у пробках зі швидкістю не більше 60 км/год і на трасі зі швидкістю не більше 130 км/год, виконуючи обгін і змінюючи смуги при необхідності.

Як і багато інших, концепт-кари, це дуже гарний автомобіль з футуристичною світлотехнікою, просто величезними колесами діаметром 23 дюйми і матричними світлодіодними блоками, а замість звичайних дзеркал тут застосовуються модні зараз відеокамери. Персональний помічник Audi використовує машинне навчання, щоб прогнозувати потреби водія і пасажирів: налаштовує клімат-контроль, запам’ятовує типові маршрути, шукає місця для паркування і т. п.

Наступним згадаємо власний тестовий автономний автомобіль компанії Nvidia — BB8. Вже по його зовнішньому вигляду зрозуміла вся серйозність — кількість різних сенсорів вражає. Тут і радари і лидары і величезну кількість камер різного призначення і типу, але воно і зрозуміло, адже це — тестовий автомобіль для розробки власного програмного забезпечення компанії, що використовує платформу Nvidia Drive. На виставковому примірнику особливу увагу було приділено стеження за станом водія. В якому, власне, ця машина вже і не дуже потребує…

До речі про подібні можливості — компанія VisionLabs, один з лідерів в системах комп’ютерного зору, анонсувала на європейській GTC функції розпізнавання осіб платформою Nvidia Drive. Ця технологія потенційно здатна замінити все ключі, забезпечивши безпечний доступ до автомобіля, персоналізацію його налаштувань і багато іншого.

Платформа VisionLabs Luna є підключається частиною платформи Nvidia Drive IX, що працює на суперкомп’ютері Nvidia Drive AGX. Це рішення дозволить створити автомобілі наступного покоління з принципово новим підходом до управління, але для цього штучний інтелект у процесі ідентифікації повинен працювати максимально надійно.

Ще одним цікавим екземпляром, виставленим на вході у виставковий центр Мюнхена, став автопилотируемый электробус на основі турецької моделі Temsa MD9, що показує майбутнє громадського транспорту у великих містах. Запровадити повноцінний автопілот найпростіше саме в такі транспортні засоби, які мають чітко виділений маршрут і відносно низьку швидкість пересування. Власне, автопилотируемые поїзди і електрички вже існують, чому б і автобусам не стати такими?

На відміну від свого прабатька, це електричний автобус. Хоча зовні і внутрішньо — це типовий міський автобус, він мало чим відрізняється від керованих людиною транспортних засобів. Більше того, так як він заснований на звичайному автобусі, то і водійське місце тут є — мабуть, його залишили на всякий випадок. Але всередині в коробці під склом пафосно і розташувався блок Nvidia Drive PX 2, керуючий электробусом.

Зате пасажирський салон зовсім звичайний для автобуса. Більше того — ззаду він навіть не низькопідлоговий, як інші електробуси, адже спочатку він мав двигун внутрішнього згоряння. А ось те, що він має деякі можливості автопилотирования, видно навіть зовні — за встановленими датчикам, радарів і камер.

Переходимо до Paravan Cloui — це один з перших концептів нового типу транспортного засобу, що використовує в тому числі і автономне водіння. Платформу Cloui можна змінювати по довжині і ширині, при необхідності, вона повністю настроюється, адаптуючись до потреб користувачів. Це транспортний засіб для центрів міст, що має місткість до восьми пасажирів, воно може бути повністю автономним і корисним для людей з обмеженими можливостями, які зможуть управляти їм прямо з інвалідного візка.

Cloui може працювати як таксі для інвалідів, транспорт у великих клініках і реабілітаційних центрах, на торговельних ярмарках, у парках відпочинку, як туристичного автобуса для огляду визначних пам’яток, невеликого транспортного засобу в аеропортах, промисловому виробництві, на складах і в портах, ну і так далі.

Всередині будівлі розмістилася розроблювана модель автопилотируемого автомобіля Continental, яка оголосила про вибір Nvidia Drive для своїх автопілотованих рішень на цій конференції. Їх міський багатомісний «кубик» Cube створений на основі певної моделі Ligier, вона використовує автопилотируемую платформу Nvidia і показує майбутнє транспорту як сервісу. Цей прототип безпілотного транспорту призначений для повністю автономних пасажирських перевезень в містах і виконаний у вигляді маршрутки на невелику кількість пасажирів.

На виставці показували деякі з його можливостей щодо визначення та відстеження об’єктів у вигляді пішоходів, причому точність відстеження була досить висока, руху людей визначалися правильно. Це практично ідеальний міський транспорт з дизайном кузова, що забезпечує максимальний простір для пасажирів. Такий маленький автономний электробус — відмінна заміна звичного громадського транспорту у великих містах, які страждають із-за щільного трафіку.

Одним з найбільш красивих зовні був ще один концепт-кар Porsche — Mission E, демонструє погляд німецької компанії на спортивні автомобілі найближчого майбутнього. Він був вперше представлений на Франкфуртському автосалоні ще в 2015 році. Вже з назви концепту зрозуміло, що він електричний і зроблений для того, щоб показати, як приблизно буде виглядати спорткар з електромотором Порше, очікуваний у наступному році.

Фінальний варіант автомобіля називається вже не Mission E, а Taycan. Чотиримісний спортивний електромобіль Порше отримав силову установку з пари електродвигунів загальною потужністю в 600 кінських сил. Не дивно, що заявлений бадьорий розгін до 100 км/год за 3,5 секунди, а до 200 км/год — менше, ніж за 12 секунд. При цьому запас ходу повинен скласти 500 км, а час зарядки батареї, достатньої для 100 км пробігу, очікується всього чотири хвилини! Але чи буде цей электроспорткар Porsche взагалі продаватися в нашій країні — поки що невідомо. У будь-якому випадку, конкурент для Tesla готується дуже сильний.

З вже знайомих нам з минулих виставок GTC примірників зазначимо Roborace Robocar, виділяється фірмовими квітами і логотипами Nvidia. Цей вражаючий футуристичний болідом має за власним електромотору на кожне колесо і здатний розганятися до 300 км/год. Електронна начинка автопилотируемого гоночного боліда базується на платформі Nvidia Drive і для системи самостійного управління на ньому розташовано півтора десятка різних датчиків і камер.

В майбутньому планується створення гоночної серії, команди якої будуть використовувати самостійно розроблені алгоритми штучного інтелекту. Для цього поряд з Робокаром варто так званий Девбот — болід для розробки автопілотів, в який поміщається і живий водій. Призначення Девбота — використання його при розробці і налагодженню гоночного програмного забезпечення, призначеного надалі для Робокара. До речі, перші версії такого все ще програють людині на гоночній трасі за кілька секунд з кола, але з досвіду інших дисциплін ми знаємо, що це лише тимчасово. Вже через рік-два перевагу і тут буде вже за машиною.

Таким примірником виставки, який ми розглянемо, став маленький двомісний електромобіль Sven німецького стартапу Share2Drive. Це чергова концепція щодо спільного використання електромобілів, в тому числі у вигляді настільки популярного в сучасних містах каршеринга. А в повністю автономному варіанті це — те саме роботакси, про який Nvidia багато говорила в минулому році.

Автомобіль вийшов дуже компактним, він поміститься на будь паркувальне місце, маючи ширину менше двох метрів і довжину в два з половиною метри. Двері-слайдер дуже зручна для посадки і виходу навіть в умовах щільної міської паркування. Автомобільчик Sven розрахований на трьох пасажирів, що майже ідеально для його призначення — адже дуже рідко коли по місту їздить автомобіль з великою кількістю пасажирів. Компанія Share2Drive планує представити автомобіль вже на Женевському автосалоні в 2019 році і потім запустити його у виробництво.

Неможливо обійти своєю увагою і дитячий варіант електричного міні-автобуса Фольксваген Седрік, представлений ще на Женевському автосалоні в 2017 році. Sedric пересувається виключно в безпілотному режимі, органів управління у нього немає, так як він призначений для парку безпілотних таксі. Це повністю електричний автомобіль, для безпілотного управління має камери, радари і лидары, якими багата на дах автомобіля.

Спочатку це просто ще одне безпілотне роботакси для міських умов, розраховане на декількох чоловік, що сидять на двох диванах обличчям один до одного. Тобто, просто ідеальний варіант для шкільного міні-автобуса. Саме в такому яскравому виконанні він і був показаний на GTC в Мюнхені. Його відрізняють як привабливий в цілому дизайн, так і кумедні написи і навіть цілі екрани, розташовані всередині для розваги маленьких пасажирів.

Sedric — первісток подібних безпілотних транспортних засобів для німецької компанії, а інші подібні безпілотники їх виробництва будуть відрізнятися від нього по дизайну і можливостям. Появи подібних автобусів різного призначення на дорогах загального користування можна очікувати вже через кілька років.

На вулиці увагу багатьох відвідувачів привертав вантажівка Einride T-log — безпілотний електричний лісовоз. Зараз це всього лише макет на вантажній платформі, дуже далекий від виробництва, зате максимально футуристичний і з кабіною, явно не призначеної для людини. Відсутність повноцінної кабіни дозволяє зробити автомобіль компактніше і перевезти більше вантажу, але і до автопилоту пред’являє досить чималі вимоги — в разі чого, сісти за кермо прямо на місці буде неможливо.

Втім, для лісу зробити автопілот навіть простіше. Система управління T-log заснована на автомобільному суперкомп’ютері Nvidia Drive, і цим автомобілем можна керувати в тому числі і дистанційно — якщо автопілот не впорається в якійсь складній ситуації. Лісовоз планують вивести на дороги вже в 2020 році, але нам було б дуже цікаво подивитися, як він проїде по лісових дорогах з таким то дорожнім просвітом?

Поруч з макетом вантажівки-лісовоза з майбутнього стояв Lexus. Але незвичайний — всередині у нього начинка автопілота Autonomous Stuff. Це автопилотируемая платформа, яка використовує можливості лидаров і автомобільного комп’ютера Nvidia Drive. Машина має масу камер та інших датчиків, а багажник автомобіля напханий різним обладнанням, пов’язаних з функціональністю автопилотирования.

Основою всього цього заліза є система Nvidia, але у серійні зразки такий великий комплект не піде, він потрібен лише для розробки ПЗ. Яке вміє, зокрема, відстежувати об’єкти та їх пересування на кілька десятків метрів, а також стежити за станом водія.

Всередині виставкового центру було представлено відразу кілька автопілотованих автомобілів, в тому числі й те саме рішення Continental, вже використовує Nvidia Drive в зв’язці з лидарами, камерами і іншими сенсорами для сканування оточення. Цей автомобіль тільки на даху має два лідара і добрий десяток камер. А поруч був представлений вже відомий нам Ford з можливостями автопилотирования Virtual Vehicle. У минулому році на ньому возили всіх бажаючих, а в цьому він скромно стояв у куточку.

Замість нього на імпровізованій трасі були представлені інші автомобілі: мікроавтобус та легковий автомобіль з можливостями автопилотирования. Як і в минулому році, в обмежених рамках дуже вузькою «стежки», обгородженій металевим парканом, від встановлених на демонстраційний автомобіль радарів та інших датчиків було мало користі, так як вони розраховані на вулиці і траси.

І щоб нічого не сталося, автомобілі були у режимі простого проходження раніше прокладеному маршруту, так що від реальних умов ця демонстрація була досить далека. Але творці запевняють, що на звичайних дорогах все працює як треба, в тому числі і на швидкості вище 100 км/ч.

Зате автономний вуличний прибиральник компанії Enway працював (саме працював) повністю самостійно, як слід вичищаючи бруківку поруч з виставковим центром, нехай і на обгородженому майданчику. Він явно не їздив по заздалегідь наміченим маршрутом, піднімаючи щітки при наявності перешкод і об’їжджаючи їх.

Нехай він поки що заснований на вантажівці, що має водійське місце, але саме такі транспортні засоби в автономному вигляді і можуть з’явитися одними з перших на вулицях наших міст. Таким автомобілям не потрібно їздити на високій швидкості і проїжджати складні перехрестя, у них буде заздалегідь призначений маршрут, на якому вони будуть працювати кожен день. А в таких умовах автопилоту працювати набагато легше.

Правда, нас цікавлять два питання — наскільки ефективно такий чистильник буде працювати в умовах безлічі припаркованих не за правилами дорожнього руху автомобілів, і як довго він протягне без варварства та крадіжок, з урахуванням високої вартості встановлених на вантажівці лидаров, яких там дві штуки?

Ну а нам залишається розповісти тільки про дистанційно керованому автомобілі Fraunhofer Fokus. На цій живої демонстрації показували Mercedes з встановленими приводами для дистанційного керування платформою Nvidia Drive і датчиками, скануючи простір. Машина їздила по ніяк не маркірованих і не відпрацьованому заздалегідь простору, сподіваючись виключно на можливості телекерування.

Віддалений оператор керував цим автомобілем здалеку, ґрунтуючись не тільки на візуальної картинки, отриманої з камер, встановлених на тестовому транспортному засобі, але і на інформації від радарів і лидаров, здатних показати більш повну картину навколишньої дійсності. Нічого особливо вражаючого в цій демонстрації немає, але це цікава можливість, доступна вже зараз.

Серйозна віртуальна реальність

Наостанок розповімо трохи і про новини віртуальної реальності. Хоча серед гравців VR з різних причин «не зайшов», що називається, в професійній сфері нішеве застосування йому цілком знаходиться. Приміром, виявилася дуже зручною спільна робота над дизайном інтер’єрів або автомобілів — коли відразу кілька учасників виробничого процесу можуть не просто спілкуватися один з одним, але існувати всередині віртуальної реальності, працюючи над поліпшенням зовнішнього вигляду своєї продукції — розставляючи предмети інтер’єру або вибираючи матеріали обробки в автомобілі. При цьому фізично вони можуть бути в різних куточках планети.

Компанія Nvidia продовжує покращувати свою технологію Holodeck, про яку ми багато розповідали минулого року. Ця технологія дозволяє збирати по кілька людей у віртуальному світі, спілкуватися і переміщатися в ньому, додавати якісь об’єкти в 3D-сцену і модифікувати їх як завгодно, обговорюючи з партнерами вносяться зміни.

На конференції в Мюнхені було представлено кілька таких демонстраційних програм, в тому числі і з використанням бездротових шоломів віртуальної реальності — щоб не плутатися у численних дротах, які негативно впливають на зручність застосування VR-шоломів.

За допомогою технології Holodeck можна розглянути в реальному часі те, як буде виглядати та чи інша частина заміського будинку або автомобіля, при цьому якість зображення забезпечується фотореалістичне або близьке до цього — можна використовувати в тому числі і трасування променів, хоча такий варіант поки що не було показаний на GTC.

Але й існуючі демо-програми цілком дозволяють оцінити зручність віртуального середовища. Наприклад, можна підготувати кілька варіантів однієї деталі у віртуальних варіантах і далі вибрати лише один з них, спостерігаючи VR те, як вони будуть виглядати потім в реальності. Середа Holodeck також відрізняється якісним інтерактивною взаємодією об’єктів у відповідності з законами фізики, а стабільність роботи і функціональність цього постійно поліпшуються.

Висновки

Ця європейська конференція Nvidia в черговий раз показала, що компанія продовжує шукати для себе нові ринки — про це говорять анонси бібліотек для машинного навчання RAPIDS та медичної платформи Clara AGX. Саме ці оголошення говорять про те, що компанія не стоїть на місці і продовжує відкривати для себе все нові ніші на ринку графічних процесорів. Адже це давно вже далеко не просто компанія, що виробляє ігрові GPU, а широкопрофільна команда, що випускає високопродуктивні обчислювальні процесори для самих різних застосувань.

Не забуває Nvidia і перевірені і успішні для них ринки, на кшталт ігрової та професійної графіки, високопродуктивних обчислень і глибокого навчання. Осібно стоїть ринок автопілотованих рішень. Нехай поки що Nvidia витрачає на цей ринок більше, ніж отримує від нього доходу, так як автопилотируемые системи з використанням платформи Nvidia Drive все ще тільки розробляються і випробовуються, але вже через пару років ця ситуація повинна почати змінюватися, і автомобільний ринок буде вносити більший внесок у загальний дохід компанії. Автомобілі з автопілотами, створеними на основі платформи Nvidia Drive, підуть у серійне виробництво десь в 2019-2020 роках, ось тоді і прибуток від них поллється в загальну скарбничку.

Не можна не похвалити компанію Nvidia за цей постійний пошук і спроби виділитися і на вже звичних, і на зовсім нових для них ринках. Ймовірно, ентузіазм і працьовитість Дженсена передається і всім співробітникам компанії, які виходять з новими ідеями на давно усталені ринки, частенько пропонуючи для них абсолютно нові, раніше небачені можливості. Ви тільки уявіть, які прориви можуть трапитися в медицині, коли обчислювальні можливості вчених збільшаться в десятки, а то і сотні разів, а в діагностичних завданнях, які зараз виконуються виключно людиною, вийде використовувати потужний штучний інтелект.

Це ми не говоримо вже про численних роботах і автопилотах, які цілком здатні полегшити роботу багатьох людей, звільнивши їх від рутини. Чому всім цим звільненим людям доведеться займатися в такому випадку — цікаве питання. Можливо, вони будуть ставити все більш складні завдання перед штучним інтелектом глобальної компанії Nvidia, що поглинула весь світ? Не думаємо, що справа дійде до цього, але на конференції GTC часом і не таке приходить в голову…