CES 2016 ： NVIDIA CES 展前活動，以基於 GPU 的機器學習驅動自動駕駛發展
NVIDIA 在 CES 2016 的展前活動將所有的焦點集中在近期火熱的自動駕駛技術，主要以基於 GPU 架構的機器學習作為技術核心；在自動駕駛的領域，就是由建構在具深度學習能力的硬體與軟體平台，結合各式感測器，作為自動駕駛技術的基礎。
自動駕駛技術的目的，並不僅止於單純的自動駕駛，更能延伸用於如 Uber 、 Lyft 等創新共乘服務上，以及透過自動駕駛系統用於全自動停車( Go Park Your Self !)、並自動由停車場把車子開到駕駛面前等應用。
雖然以現在的科技，人工智慧的建造越來越便宜、效能也越來越強大，但要實現自動駕駛並不容易，因為真實的環境有太多變數，真實的世界相當複雜、具不可預料性以及充滿危險，傳統死板的 AI 並無法應付如此複雜的環境，需與更接近人類感知學習的類神經網路的深度學習架構才能應付。
基礎的自動駕駛由四個步驟組成：基於感測器的認知，透過既有資訊、定位與分析而來的感知，擬訂計畫，而後進行駕駛的介入；故在自動駕駛平台，需要具備多種感測器的資料蒐集，既有地圖圖資的資料以及基於機器視覺的影像辨識，而後需要一套高效能並且具深度學習能力的軟硬體平台進行演算。
目前的自動駕駛又可分為兩個階段，較為初步的駕駛輔助系統，或稱為虛擬副駕駛，此種系統並不完全介入駕駛行為，而是做為駕駛人的行車輔助，以蒐集大量資訊之後提供駕駛者行車參考，並在駕駛人產生危險駕駛行為時加以介入；至於另一種類型則是自動駕駛的最終目標，也就是無人化駕駛，將駕駛行為全交由系統，但這也是相當困難的。
NVIDIA 在此次的記者會的核心，當然就是全新一代的智慧駕駛硬體平台 Drive PX 2 ，以及 NVIDIA 為自動駕駛學習所規劃的自動駕駛學習軟體工具 NVIDIA DriveWorks ，透過路上所蒐集的行車資訊做為學習基礎，讓硬體平台能夠學會自動駕駛時的應對技巧，同時還能夠藉由不斷的學習舉一反三，達到類似人類的延伸思考的能力。
原本在深度學習領域，影像辨識早已是一門顯學，也是各個搜尋引擎、網路服務展現其深度學習技術領域的重點；而這些經驗都能夠用於自動駕駛的機器視覺上，因為影像判斷能力正是自動駕駛平台感知的一環。
多家車廠也早已利用 NVIDIA 的 GPU 運算平台作為自動駕駛的機器視覺開發平台，諸如 AUDI 、 BMW 、 賓士 、福特等，他們利用視覺辨識平台，不僅做為道路標線與各類汽車的及時分辨，也用於判斷路標、行人以及突發狀況，畢竟要能夠具備媲美甚至超越人類的即時影像辨識能力，這樣的自動駕駛系統用起來才安心。 AUDI 更表示導入基於 GPU 的深度學習平台，相較過去需要兩年才能完成培訓，現在僅需 4 小時就能完成。
但最重要的是，由於這些機器學習平台皆建立於 NVIDIA 的 GPU 視覺運算平台，也等於在運算力足夠的前提下，很有機會將這些成果移植到車載平台上進行量產，而具備 8 TFLOPS 的 Drive PX 2 就足以處理能於 Titan X 平台上演算的內容。
而 NVIDIA 也在 CES 展示一套結合多個車外攝影機以及感測器的駕駛輔助平台，可看到透過大量的感測器與運算之後，這套平台甚至能夠呈現所謂"上帝視角"的環境輔助顯示，以俯瞰圖標示高速公路上其它車輛的位置，並藉由影像範圍所見的車輛進行車種的分析，可將車輛的動線結合其它車輛的動線推算，在道路提示是否會由於其它車輛影響到接下來的行駛路線等。
NVIDIA 將這套平台結合車載通訊系統以及數位儀錶板作為輔助駕駛系統的展示，利用數位儀表板顯示目前的車況以及藉由環景影像演算出的周遭車輛情況，能夠如圖片這樣顯示在行車動線上包括前車、側車的相對距離，以行車輔助的目的而言，藉由一套這樣的系統，可免去需要盯著後照鏡而分心的情況，同時利用系統所計算出來的參考資訊，也能避免由於後方超車時進入視覺死角造成意外的情況。
然而，在自動駕駛的發展還有相當多需要克服的地方，畢竟目前看到自動駕駛的展示都是針對高速公路此種環境相較市區道路單純的環境，但像是沒有柏油與標線的山路、被雪覆蓋的道路、路邊衝出的腳踏車騎士、有交通指揮的情境、沒有號誌的行人穿越道、救護車與消防車的讓道等，都是在真實環境中自動駕駛所需面臨的情境，如果克服不了這些情況，就不用說要實現全自動駕駛了。
→更多 CES 2016 最新報導請看：http://smarturl.it/cool3c-ces-2016
你或許會喜歡
![由 Square Enix 打造的 DX12 示範影像 WITCH CHAPTER 0 [cry] 於 Windows Build 亮相](https://www.iarticlesnet.com/pub/img/article/69034/1430468434397_s.png)
