NVIDIA 在 GTC 大談自動駕駛並非第一次，不過今年在 CES 所發表的全新自動駕駛車載平台 DRIVE PX2 卻讓人感覺離全自動駕駛又更推進了一大步，不同於運算效能甫突破 1TFLOPS 的 DRIVE PX ，採用新一代 Tegra 並搭配 Pascal 架構獨立 GPU 的 DRIVE PX2 一口氣把效能推進到 8TFLOPS ，已經超越現行的準專業級 GPU TITAN X 的 7TFLOPS ，運算力提升的同時也等於能進行更複雜的深度學習。
今年在 GTC 大會的主題演講上， NVIDIA 執行長黃仁勳也展示了一段基於 DRIVE PX2 的自動駕駛成果，而這段影片有趣的地方在於它不僅是展示最終的成果，也展示了平台在一開始學習階段與最終通過 3,000 英里訓練後的結果，同時使用的環境也不只在賽車場與高速公路，也包括雨天、鄉間小路的測試。
據工作人員透露，這套平台並非預先載入已經完成的駕駛邏輯，而是從頭開始進行自動駕駛訓練，方式就是讓真正的駕駛開著這台技術展示車實地走過各式的道路，並在一段時間後進行自動駕駛驗證，此時車上的駕駛也會在車輛犯錯之際介入修正路線，靠這樣一來一往的方式完成駕駛邏輯。
在會場的展示空間，也放置了一輛與影片中同樣搭載 DRIVE PX 的林肯 MKZ 轎車，對比 GTC 2015 所擺設的 AUDI A7 自動駕駛車採用傳統的 PC 伺服器作為自動駕駛學習與資料蒐集平台，顯然 DRIVE PX2 相較小巧許多，除了傳統 x86 伺服器與嵌入式平台的差異外，也與今年這款展示車是完全用於自動駕駛技術展示，故不像 AUDI 的自動駕駛伺服器還要用與蒐集資料故選擇紀錄資料較容易的 PC 有關。
從 MKZ 的車廂，可以看到採用水冷的 DRIVE PX 平台放置在裡面，車子周圍有四具攝影機與大量的感測器作為這台自動駕駛車的對外資訊感官認知，根據解說，這台自動駕駛車配置四具攝影機構成環景影像資訊。
由於相較 DRIVE PX ， DRIVE PX2 的運算能力一口氣提升數倍，故用於自動駕駛的方式也更為複雜，除了既有的機器視覺影像辨識，也結合包括高解析地圖資訊使得自動駕駛的資訊不僅是基於及時辨識，也具備對於既有道路的資訊。
將即時的影像辨識結合既有道路地圖資訊，對於 DRIVE PX2 而言，它可將兩者資訊混合，構成更精確的自動駕駛參考，例如全自動導航，路線規劃，超車前亦可透過全景影像與車輛辨識分析周遭車輛的可能動線，使全自動駕駛更為可靠與安全。當然目前的自動駕駛展示還是在可明顯區分道路與非道路的環境，故機器視覺平台可參考地上的特徵讓車子安穩的行駛在道路範圍內，然未來的長程目標，更應該能在沒有明顯道路與非道路區隔的環境進行自動駕駛，才能讓自動駕駛變得可靠。
對了，也別忘了這套系統將是明年 Formula E 子賽事 Roborace 的核心，相較於實際道路駕駛，雖然賽車場是相對完美環境，然而在多輛賽車共同競速，加上最高速可達 300 公里，對於自動駕駛平台的即時判斷能力、高速行駛下的反應，也是更嚴苛的挑戰。
你或許會喜歡
