您现在的位置是:主页 > Q惠生活 >比GPU更小更节能!交大发表晶片化AI自驾模型 >

比GPU更小更节能!交大发表晶片化AI自驾模型

  • Q惠生活
  • 2020-07-19
  • 243人已阅读
比GPU更小更节能!交大发表晶片化AI自驾模型

交通大学电子研究所郭峻因教授率领团队开发 8 年,今天公布研究成果,推出领先全球,可以支援各种 AI 自动驾驶车的「嵌入式 AI 物件辨识系统」,不只让自驾车侦测距离大幅增加至 200 公尺,甚至还适用于各种天候!

郭教授表示,外国各大厂的自驾车技术精良,但大多都是採用高阶 GPU 运算,相对来说太贵、太耗能,很难商业化。所以郭教授想做的就是「嵌入化」,把自动驾驶模型放在比较小且便宜的 AI 晶片上。

严格说起来,郭教授团队今天发表了三项技术:1.自动标记工具 ezLabel,2.高精度嵌入式 AI 物件辨识模型,3.深度学习行为预测模型。

我们知道 AI 其实需要仰赖工人智慧,透过大量人力去做标记的工作;但郭教授研发出「ezLabel」,可以极快速且自动的标记物件、行为、场景,其效率超过目前现有手动资料标记工具达 10-15 倍以上,而且具备资料管理、资料分析功能,甚至于去年获得第一届台湾 AUDI Innovation Award 两项奖项。

目前郭教授团队已利用 ezLabel,自己建置了超过 1,500 万笔适合台湾地区之自驾车影像资料库,除了汽车、行人、道路之外,还有拥有高达 188 万笔的机车资料。郭教授表示,机车就是国外自驾车演算法最缺少,也是台湾在开发自动驾驶里最独特、最有机会的一块。他们也在去年释出了一部分资料共 10 部影片、96000 张样本给外界公开使用,并规划将在未来把标记工具释出给企业与学术界使用。

有了基础资料,郭教授团队自己也研发了在虚拟环境下,使用 NVIDIA 自驾车平台 DRIVE-PX2 侦测能力可超过 200 公尺的车辆嵌入式深度学习演算法,超越现阶段文献标竿演算法有 4 倍之多。

比GPU更小更节能!交大发表晶片化AI自驾模型
郭教授团队用台厂芯鼎车规 AI SoC 运行自驾演算法

但如同前述,郭教授真正致力的是把自动驾驶演算法「缩小」,让它可以运行在更便宜、更节能的晶片上,因此也沿着上面基础,开发出更低功耗的识演算法 NCTU SSD lite,相同準确度下模型大小仅为 YOLO v2 的 7%,运算複杂度也只有 YOLO v2 模型的 27%,而且它可以用在德州仪器的 TI TDA2X,以及台厂芯鼎的车规 AI SoC iCatch V37 上,实现即时物件侦测。

第三项则是独创的深度学习行为预测技术,透过深度学习,让车子具备準确判断后车未来 3 秒钟是否要超车的能力,也可运用在预测行人是否穿越马路上。目前团队已跟 28 家企业展开各种合作,未来也将积极跟 AI 晶片公司、车电系统公司与图资公司共同努力发展自驾车技术。