Автоматические электромобили под названием WEpods стали первыми беспилотными микроавтобусами, вышедшими на дорогу. Это первые автомобили без руля, получившие номерные знаки.
В отличие от других видов автоматизированного транспорта, этим бодрым машинкам, рассчитанным на шесть пассажиров, не нужны выделенные полосы, рельсы, магниты или провода. Они едут непосредственно в потоке транспорта, управляемые сложным набором систем, включая мозг на базе решений NVIDIA. Перемещаются они между городами Вагенинген и Ид в центральной провинции Голландии Гельдерлэнд.
Чтобы вызвать WEpod, пассажирам нужно воспользоваться приложением в смартфоне.
В основе этого чуда техники – алгоритмы глубокого обучения (Deep Learning). Именно эти алгоритмы позволяют системам, использующим компьютерное зрение, самообучаться и познавать мир.
Автомобили WEpod едут по голландской провинции Гельдерлэнд, управляемые мозгом на базе решений NVIDIA.
Технологии глубокого обучения уже наделили компьютеры возможностями, которые в ряде задач превосходят возможности человека. Для самоуправляемых автомобилей это крайне важно, так как невозможно заранее запрограммировать все возможные ситуации на дороге. Например, в случае перечисления всех возможных объектов, которые могут встретиться автомобилю на дороге, для их интерпретации компьютером.
Именно поэтому команда WEpod из Политехнического Университета в Дельфте, наряду с Audi, BMW, Ford и Mercedes, обратилась к алгоритмам глубокого обучения и технологиям NVIDIA.
Итогом работы команды стал автомобиль, который способен создавать полноценную картину происходящего вокруг себя непосредственно по мере продвижения в потоке транспорта.
Каждый WEpod взаимодействует со своим окружением с высокой скоростью, образуя динамическую систему, способную справляться с реальными ситуациями на дороге в окружении разнородного транспорта быстро, надёжно и безопасно.
Массивно параллельная архитектура GPU в сочетании с программными инструментами NVIDIA делает процессоры NVIDIA идеальным выбором для многих видов задач, связанных с применением алгоритмов глубокого обучения. Именно эта связка позволила ускорить обучение и вывод на дорогу автономных транспортных средств WEPod.
Хотя данные автомобили пока привязаны к определённому маршруту, команда WEpod надеется, что, как только закончится тестовый период, другие города также возьмут на вооружение решения WEpod. Публичный старт проекта намечен на май.