只用CPU開發(fā)自動駕駛輪船，他們居然做到了
項目經理看到后都驚了
曉查 發(fā)自 凹非寺?量子位 報道 | 公眾號 QbitAI
有件事情一直令我感到好奇：
都2021年了，現(xiàn)在有自動駕駛船在海上行駛嗎？
帶著這個問題，我打開谷歌，輸入“Autonomous ship”，沒想到現(xiàn)在的自動駕駛輪船技術刷新了我的認知：
完全無人的自動駕駛輪船今年將橫渡大西洋；零排放的自動駕駛輪船正在研發(fā)中……
△?準備橫渡大西洋的“五月花號”自動駕駛船（圖片來自IBM）
除了實驗室里的成果，其商業(yè)化進度更是超出我的想象：
原來，早在2018年，RR（也就是勞斯萊斯）曾用自動駕駛輪船成功跨海運送了80名VIP客戶的汽車。
RR的技術來自一家挪威公司——Kongsberg Maritime（康斯博格海事）。他們運用雷達和攝像頭檢測并避開障礙物，在途中自動行駛，駛入港口后自動停泊。
之后，RR商業(yè)海事部門于2019年4月被Kongsberg收購。
而這家Kongsberg，正是前面提到的開發(fā)零排放自動駕駛船舶的航海巨頭。
在Kongsberg的技術藍圖里，未來挪威公司生產的化肥將在三個港口之間裝船、航行和卸貨。整個過程完全無需人工現(xiàn)場干預。
△?Kongsberg正在開發(fā)的世界第一艘自動駕駛集裝箱貨船（圖片來自官網）
按照國際海事組織（IMO）的定義，現(xiàn)在的自動駕駛輪船技術正在從L2向L3演進。
至此，我對自動駕駛輪船的商業(yè)化進程已經有大致的了解，那么剩下的問題來了。
輪船如何自動駕駛？
自動駕駛汽車使用的技術和芯片五花八門，有堅持只用圖像識別的，也有結合激光雷達的；有自研芯片的，也有購買第三方計算平臺的。
Kongsberg用的是什么方案？
和大多數(shù)無人車類似，Kongsberg的方案采用了多種傳感器：雷達探測遠距離物體，激光雷達對船體附近區(qū)域進行高精度分析，高清攝像頭拍攝船舶前方海域180度視野景象。
這就是他們首款上市的全自動駕駛船解決方案Intelligent?Awareness（智能意識）。
三種傳感器收集到的信息，經過算法處理后顯示在屏幕上，船員可以通過儀表盤看到高亮顯示的潛在危險區(qū)域。
按照，Kongsberg的說法，“智能意識”可幫助降低航海者的風險，尤其是在黑暗環(huán)境、惡劣天氣條件下，或是擁擠海域，以及進出船塢之時。
當然，其中用的圖像識別與分類比自動駕駛汽車要復雜得多。
因為海面上的搜索距離更大，因此圖像中物體的縮放比例是一個巨大挑戰(zhàn)。相同物體在不同距離上呈現(xiàn)的大小有天壤之別，可能最小10個像素塊、最大10萬個像素塊。
△海上目標檢測因距離問題導致模型準確率下降
這必然對硬件有很高的要求。
他們居然只用CPU
然而令人吃驚的是，Kongsberg在這套方案里沒有使用AI推理加速硬件，比如獨立的GPU或NPU，而是完全依賴于英特爾的CPU（和內部集成GPU）。
即使在運算量更小的自動駕駛車上，不使用專門的AI芯片都是不可想象的。
況且Kongsberg過去的AI方案也不是沒使用過GPU，為什么在輪船上反而不用了？令人費解。
后來，這家公司的一位項目經理Saarela在采訪中道出了緣由：
其中一個重要原因是海事認證問題。如果不用GPU，我們的服務器會更容易通過認證。而且，我們還想降低功耗。
我們理想的方案是使用差不多相同的通用服務器系統(tǒng)。我們并不是每臺服務器都需要GPU，所有服務器都不用GPU會更好，這樣我們就獲得了冗余，能在任何服務器上運行任何應用程序。
工業(yè)領域嚴苛的認證體系，商業(yè)用戶節(jié)約成本的需求，讓全CPU方案成為了“自動駕駛輪船”的首選方案。
實際上， CPU也是完全可以勝任AI推理的。
在這套方案中，Kongsberg使用兩個英特爾至強鉑金8153處理器，每個處理器有16個內核。每個內核可處理兩個線程，所以總共可并行處理64個模型。
硬件規(guī)格絕對夠豪華。問題是，CPU能滿足自動駕駛的計算需求嗎？
對于這一點，就連項目經理Saarela本人最初也沒有信心。
如果CPU處理圖像的速度不夠快，那么自動駕駛輪船就可能撞到其他高速移動的船只。對于商業(yè)海運來說，這種事故造成的經濟損失不容小覷。
誰說CPU不適合AI推理
為了解決這個難題，Kongsberg找來CPU供應商英特爾聯(lián)手優(yōu)化了“智能意識”解決方案。
Kongsberg負責提供預先訓練好的人工智能模型供英特爾使用。而英特爾則提供OpenVINO“加速包”，在不降低準確度的情況下幫助提升數(shù)據處理速度。
OpenVINO（開放式視覺推理和神經網絡優(yōu)化）是英特爾于2018年推出的深度學習優(yōu)化與部署開源工具包，幫助開發(fā)者更方便地在英特爾硬件平臺上部署AI模型。
OpenVINO支持Caffe、TensorFlow、MXNet、ONNX等主流深度學習框架，而PyTorch、PaddlePaddle等支持轉換為ONNX的框架也可以間接使用，覆蓋了絕大多數(shù)AI開發(fā)者。
當然，用TensorFlow開發(fā)自動駕駛輪船的Kongsberg也不例外。
OpenVINO將訓練好的模型通過模型優(yōu)化器轉換為中間表示 (IR)文件（*.bin和*.xml）。
由于去除了模型中任何僅與訓練相關的運算，并將部分推理運算融合在一起，所以大大加快了推理計算的速度。
下圖展示了OpenVINO（深藍色）在模型中的作用，它就像假設在深度學習框架（淺藍色）和用戶應用（橙色）之間的橋梁。
OpenVINO將訓練后的模型針對英特爾硬件進行深度優(yōu)化，再重新部署，而且這個過程中無需重新訓練AI模型。
經優(yōu)化后，在Kongsberg的一個目標識別基準項目上，CPU每秒處理的圖片數(shù)量提升了4.8倍。
看到這個結果后，Kongsberg的項目經理Saarela表示：
結果讓我十分震驚。我原以為我們永遠都擺脫不了GPU，但這些結果改變了我的想法，讓我看到了使用CPU的可能性。
打開OpenVINO的介紹頁面，你會發(fā)現(xiàn)，這套工具給英特爾CPU帶來了巨大的AI技術加成。
最新的2021.2版功能已十分強大，支持圖像分類、語義分割、目標檢測、人臉識別、單眼深度估計、圖像修補等幾乎所有CV應用模型。
而作為一款可以放心用于工業(yè)領域的工具包，英特爾也考慮到穩(wěn)定性提供LTS版，保證了性能、接口向后兼容性、7×24穩(wěn)定性以及壓力測試。
搭配上英特爾配套提供的Python分發(fā)版，只需微調代碼即可提高Python應用程序的性能，加速NumPy、SciPy和Scikit-learn等科學計算、機器學習庫。
在官方文檔中，Python分發(fā)版最高可以帶來數(shù)倍的性能提升。
現(xiàn)在，我終于明白，Kongsberg為什么只用CPU也能開發(fā)自動駕駛輪船了。
其實不僅是輪船，類似的場合還很多。就拿很多個人開發(fā)者來說，一臺開發(fā)電腦可能沒有獨立顯卡，但是絕對不能沒有CPU。
而有了OpenVINO工具包的加持，受限的硬件環(huán)境一樣能發(fā)揮出AI的性能。
說到這里，我突然想起來之前在英特爾開發(fā)者活動上抽中的獎品——第二代神經計算棒，這家伙放在我抽屜里很久了。
我特意去官網查詢了一下，這款英特爾硬件也支持OpenVINO，而且我最近還入手了樹莓派開發(fā)板，正愁如何使用。
沒想到解決自動駕駛輪船的疑問，還幫我解決了另一個難題——如何防止樹莓派吃灰，現(xiàn)在是時候用OpenVINO和神經計算棒去重新部署一下我的YOLO模型了。
版權所有，未經授權不得以任何形式轉載及使用，違者必究。
- 腦機接口走向現(xiàn)實，11張PPT看懂中國腦機接口產業(yè)現(xiàn)狀｜量子位智庫2021-08-10
- 張朝陽開課手推E=mc2，李永樂現(xiàn)場狂做筆記2022-03-11
- 阿里數(shù)學競賽可以報名了！獎金增加到400萬元，題目面向大眾公開征集2022-03-14
- 英偉達遭黑客最后通牒：今天必須開源GPU驅動，否則公布1TB機密數(shù)據2022-03-05
相關閱讀
嬴徹科技軒轅系統(tǒng)完成高溫環(huán)境測試，距離量產“一步之遙”
離2021年底交付自動駕駛卡車進行商業(yè)化運營更近了一步
意-1032461690788380688.jpg)
