• Ediciones Impresas
  • Expos
  • Suscríbete

Advertising

Redes neuronales para la conducción autónoma con Nvidia

Elenne Castro.
Mayo 11, 2021

Advertising

Font size:
Imprimir

Los conductores que utilizan los navegadores en sus desplazamientos saben que el GPS no es lo suficientemente preciso, ya que solo está capacitado para determinar la posición en un rango de dos a diez metros. 

Por ello, Porsche Engineering está trabajando en un sistema que utiliza inteligencia artificial (IA) para calcular una posición más precisa a partir de los datos del GPS. 

Joachim Schaper, responsable de Inteligencia Artificial y Big Data en Porsche Engineering, declaró que con esto se hace posible identificar la trazada ideal de un circuito. Con los cálculos necesarios que pueden ser realizados en el propio auto, podrá ser a través de un ordenador compacto equipado con unidades de procesamiento de gráficos (GPU), permitiendo sacarle provecho a la funcionalidad de la IA del vehículo.

La plataforma de hardware que utiliza pertenece a Nvidia, compañía que a principios del 2010 se dio cuenta de que había aparecido en escena un grupo nuevo de clientes que no estaban interesados ​​en los juegos de computador, se trataba de investigadores de inteligencia artificial. 

Había corrido la voz en la comunidad científica de que las GPU eran perfectamente adecuadas para cálculos complejos en el campo del aprendizaje automático. A la hora de crear algoritmos de IA, las GPU que realizan operaciones de manera paralela son claramente superiores a los procesadores secuenciales convencionales y pueden reducir significativamente los tiempos de cálculo.

Con ello, Nvidia reconoció la oportunidad antes que la competencia y lanzó al mercado el primer hardware optimizado para IA en 2015. Fue en ese momento cuando se centró de inmediato en el sector del automóvil con el lanzamiento de la plataforma Nvidia Drive

El sistema PX 1 era capaz de procesar imágenes de 12 cámaras conectadas y ejecutar simultáneamente programas para evitar colisiones o monitorizar al conductor. Tenía una potencia equiparable a más de 100 computadores portátiles. Varios fabricantes utilizaron la plataforma para llevar los primeros prototipos de vehículos autónomos a la carretera.

Inicialmente, Nvidia llevó a cabo una estrategia basada en el hardware, suministrando procesadores a las OEM’s. En ese momento, el negocio del sector de automotriz está asentado sobre dos pilares: los sistemas gráficos de las pantallas del interior del auto y el hardware para las funciones de conducción asistida o automatizada

Para lograr una presencia aún más sólida en el mundo del automóvil, esta empresa estadounidense ha cambiado su estrategia: ya no se centra únicamente en los chips, sino que ofrece un paquete completo de hardware y software

Ralf Herrtwich, Director de Software de Automóvil de Nvidia, declaró que con esta apertura, los clientes pueden crear su propia solución y ahorrar en el desarrollo de base.

“Un fabricante que quiera ofrecer un vehículo semiautónomo, puede obtener tanto el hardware para evaluar las imágenes de la cámara como las redes neuronales de Nvidia. Este sistema modular es abierto y todas las interfaces quedan a la vista, de este modo, el fabricante puede adaptar el sistema a sus propios requerimientos”, explicó.

Con esta estrategia de apertura que permite la adaptación por parte del cliente, la empresa tiene como objetivo expandir su negocio, lo que en última instancia también impulsa el desarrollo de los productos, esto significa que un procesador se combina con otros componentes electrónicos en un semiconductor. 

Además de hardware y software, Nvidia también ofrece a los OEM el acceso a su propia infraestructura. Por ejemplo, los fabricantes pueden colaborar en la formación de redes neuronales en los centros de datos de esta compañía, donde miles de GPU funcionan en paralelo. 

Hay que tener en cuenta que un algoritmo de conducción autónoma primero debe aprender a reconocer a un peatón, un árbol u otro vehículo. Para ello, son utilizadas millones de imágenes de tráfico real sobre las que han sido marcados manualmente los objetos correspondientes. Mediante ensayo y error, el algoritmo aprende a identificarlos. 


TEMAS RELACIONADOS:

Automotriz Soluciones de Movilidad

Descubre las últimas novedades de la industria en nuestra edición impresa, disponible en formato digital.

Ver todas las ediciones