／ 導(dǎo)讀 ／

自動(dòng)駕駛卡車技術(shù)供應(yīng)商Locomation近日宣布，計(jì)劃在2022年實(shí)現(xiàn)自動(dòng)駕駛卡車商業(yè)化，并搭載英偉達(dá)自動(dòng)駕駛計(jì)算平臺(tái)「NVIDIADRIVE AGX Orin」。

Locomation與ARC系統(tǒng)

Locomation公司公開了其第一個(gè)商用系統(tǒng)「Autonomous Relay Convoy」（ARC系統(tǒng)）。使用ARC系統(tǒng)，只需要一名駕駛員駕駛牽頭卡車，而隨后的數(shù)量卡車以全自動(dòng)駕駛的方式進(jìn)行跟隨行駛。

2020年8月，Locomation和美國(guó)卡車物流公司W(wǎng)ilson Logistics進(jìn)行了一次試點(diǎn)計(jì)劃，首次使用了ARC系統(tǒng)運(yùn)送商業(yè)貨物。在該項(xiàng)計(jì)劃中，兩輛Wilson Logistics卡車和Wilson Logistics的拖車和貨物沿著I－84高速公路行駛了420英里（約675公里），這條州際公路上有對(duì)于卡車行駛而言也頗具挑戰(zhàn)，包括彎道、上下坡和陣風(fēng)。

編隊(duì)行駛的實(shí)現(xiàn)可以讓后續(xù)卡車中的駕駛員可以在途中休息，并且還能減少油耗。實(shí)現(xiàn)商業(yè)化后，它估計(jì)可以實(shí)現(xiàn)將每英里的燃油成本降低8％，運(yùn)營(yíng)成本降低33％，并且每年可減少41噸的二氧化碳排放。

Wilson Logistics將于2022年推出配備Locomation公司ARC系統(tǒng)的編隊(duì)行駛卡車1120輛，并計(jì)劃將其商業(yè)化。

Locomation是一家自動(dòng)卡車技術(shù)的創(chuàng)企，由卡內(nèi)基梅隆大學(xué)國(guó)家機(jī)器人工程中心的專家和卡車行業(yè)的資深人士于2018年成立，團(tuán)隊(duì)包括世界上最先進(jìn)的機(jī)器人技術(shù)、安全和AI方面的專家以及經(jīng)驗(yàn)豐富的卡車行業(yè)高管。

部署英偉達(dá)DRIVE AGX Orin

Locomation的ARC系統(tǒng)將使用英偉達(dá)計(jì)算平臺(tái)NVIDIA DRIVE AGX Orin，這是一款發(fā)布于2019年12月的用于自動(dòng)駕駛和機(jī)器人的高性能計(jì)算平臺(tái)。

Locomation首席執(zhí)行官兼聯(lián)合創(chuàng)始人？etin Meri？li博士表示：“我們正在朝著自動(dòng)駕駛卡車商業(yè)化的方向迅速發(fā)展，NVIDIA DRIVE將為我們的團(tuán)隊(duì)提供一個(gè)強(qiáng)大、安全的平臺(tái)�！�

該系統(tǒng)基于新的Orin芯片，可以處理在自動(dòng)駕駛汽車和機(jī)器人中同時(shí)運(yùn)行的大量應(yīng)用和深度神經(jīng)網(wǎng)絡(luò)。該芯片由170億個(gè)晶體管組成，內(nèi)置了12個(gè)ARMCPU和1個(gè)Ampere 架構(gòu)小型GPU，每秒可提供200萬億次操作，設(shè)計(jì)功耗為 45W，僅比英偉達(dá)上一代Xavier多了 15W，而性能能達(dá)到Xavier的7倍。

NVIDA與自動(dòng)駕駛

除了Locomation公司，近期也有很多其他公司在計(jì)劃引入NVIDIA計(jì)算平臺(tái)。

今年9月，理想汽車也宣布將與英偉達(dá)達(dá)成合作，將在2022年采用Orin芯片應(yīng)用于下一代SUV中實(shí)現(xiàn)L3自動(dòng)駕駛。澳大利亞的3D地圖解決方案供應(yīng)商Blackshark．a(chǎn)i也與今年10月對(duì)外宣布，將與英偉達(dá)合作來增強(qiáng)自動(dòng)駕駛仿真環(huán)境，利用AI和云計(jì)算來創(chuàng)建精確3D環(huán)境并執(zhí)行自動(dòng)駕駛仿真，將在該仿真中使用英偉達(dá)的芯片。

而英偉達(dá)在自動(dòng)駕駛領(lǐng)域的擴(kuò)張還在繼續(xù)。

除了硬件平臺(tái)外，對(duì)于自動(dòng)駕駛技術(shù)的研究也在不斷進(jìn)行中。比如使用深度神經(jīng)網(wǎng)絡(luò)（DNN）理解交叉口的結(jié)構(gòu)，借助DNN在獲得像素級(jí)精準(zhǔn)的目標(biāo)形狀信息，使用主動(dòng)學(xué)習(xí)解決夜間檢測(cè)行人問題，利用RNN預(yù)測(cè)汽車和行人等動(dòng)態(tài)障礙物在駕駛場(chǎng)景中的未來位置和運(yùn)動(dòng)速度等等。

在以后的自動(dòng)駕駛案例中，也許將會(huì)有越來越多的機(jī)會(huì)看到英偉達(dá)這個(gè)名字。