Nvidia的Drive PX是一款使用深度学习的“赢咖4注册计算机”。
随着汽车越来越聪明，爬行越来越接近驾驶自己，使信息娱乐系统和自适应巡航控制工作的软件变得像硬件像发动机一样重要。这对汽车制造商来说是一个挑战，也是像Nvidia这样的技术公司的机遇。
Nvidia为视频游戏机制造半导体和组件，已经与汽车制造商合作了近十年，为数字仪表板和信息娱乐系统等行业提供动力。诸如Tegra处理器之类的产品可以在Tesla Model S（认为是17英寸触摸屏）以及大约800万台BMW，VW和Honda汽车中找到。
随着其处理器的功能越来越强大，Nvidia已经进入了一个空间，可以使用该空间进行更多的计算，包括一种称为深度学习的新型赢咖4。深度学习服务通常通过互联网提供语音识别和自然语言翻译，来自大规模的计算机数据中心。但Nvidia想把这种力量挤进汽车。结果是Drive PX，一个强大的赢咖4注册汽车计算机，任何人有一点面团 - 开发商，研究人员，汽车制造商 - 可以使用在不需要人在车轮后面的汽车。
在上周在圣荷塞的公司开发者大会上，黄俊勋CEO使用了一个流行的YouTube视频中有才华的婴儿明星，以显示一台机器可以帮助赢咖4注册汽车“学习”。
你怎么教孩子打乒乓球，他问。那么，如果我们使用相同的方法应用于高级驾驶员辅助系统，如自适应巡航控制和自动制动，它可能看起来像这样：首先，你会教孩子如何识别一个乒乓球。然后你会帮助它理解速度和轨迹，以及如何对他们做出反应。
“我们会教婴儿牛顿物理学，”他说。
更容易说的比做了，当然。这种教学方式 - 黄教授称之为“如果 - 那么 - 否则”的方法 - 对孩子来说不是非常有效。或电脑。特别是在赢咖4注册汽车中，这将需要解决几乎无限数量的情况。你根本不能为每一个可能性编程（破折号视频使这一点很清楚）。
教导孩子玩乒乓球的更好的方法是简单地让她摆脱和学习经验，与指导。同样的方法适用于自主车辆。 “训练婴儿玩乒乓球和教一辆车开车可能是类似的，”他说。
这是一个名为Dave的Darpa项目的背后的想法，Dave是一个赢咖4，教导以深层神经网络为基础的学习，它的工作原理很像人类的大脑。作为一个人类围绕障碍物，戴夫收集了周围的视频，学习预测最好的路径。因为它看到更多的情况，它更好地确定什么可以推翻，应该避免什么。
Drive PX是其Darpa前身的3000倍，Nvidia说。使用两个Tegra X1处理器，它具有2.3 teraflops的处理能力，超过了15年前提供的世界上最好的超级计算机。它可以同时处理来自12个摄像机的输入（或摄像机，雷达和LiDAR的组合）。 “这是一个超级计算机在这个小主板，”黄说。 “这是地球上最先进的[汽车]计算平台。
从5月开始，开发商，大学和汽车制造商可以拿到Drive PX。它配有软件，包括为Tegra处理器优化的计算机视觉算法。这个想法是帮助用户开发自己的赢咖4注册平台。深度学习在这个独立的计算机上可能不是那么有效，因为它是当你结合来自一群车的数据在路上（所以，无论一辆车学习，每辆车学习），但它仍然向前迈进了一步。
对于汽车制造商来说，Drive PX可以成为一个开发平台，用于更快更容易地构建赢咖4注册汽车，而汽车营销高级总监Danny Shapiro说。这是奥迪在其zentraleFahrerassistenzsteuergerät（zFAS）系统中使用的Nvidia技术的下一代，“中央脑”将管理自主驾驶所需的所有功能。汽车制造商认为DRIVE PX是进一步研究和开发自动化技术的关键工具，奥迪公司电子部门主管Ricky Hudi说。
对于那些对自己驾驶汽车的想法感到兴奋的人，不要担心那10,000美元的价格。如果任何汽车制造商决定在为消费者制造的车辆中驱动PX或其技术的衍生品，Shapiro说，“每辆车的价格将非常实惠。
