只用 CPU 开发自动驾驶轮船,他们居然做到了

文章来源:量子位 关注前沿科技

简介:

  • 如果不用 GPU,我们的服务器会更容易通过海事认证。而且,我们还想降低功耗,我们理想的方案是使用差不多相同的通用服务器系统。

  • 我原以为我们永远都摆脱不了 GPU,但这些结果改变了我的想法,让我看到了使用 CPU 的可能性。

BUILT IN - ARTICLE INTRO SECOND COMPONENT

有件事情一直令我感到好奇:
>都 2021 年了,现在有自动驾驶船在海上行驶吗?

带着这个问题,我打开谷歌,输入 “Autonomous ship”,没想到现在的自动驾驶轮船技术刷新了我的认知:
>完全无人的自动驾驶轮船今年将横渡大西洋;零排放的自动驾驶轮船正在研发中……

除了实验室里的成果,其商业化进度更是超出我的想象:

原来,早在 2018 年,RR(也就是劳斯莱斯)曾用自动驾驶轮船成功跨海运送了 80 名 VIP 客户的汽车。

RR 的技术来自一家挪威公司——Kongsberg Maritime(康斯博格海事)。他们运用雷达和摄像头检测并避开障碍物,在途中自动行驶,驶入港口后自动停泊。

之后,RR 商业海事部门于 2019 年 4 月被 Kongsberg 收购。

而这家 Kongsberg,正是前面提到的开发零排放自动驾驶船舶的航海巨头。

在 Kongsberg 的技术蓝图里,未来挪威公司生产的化肥将在三个港口之间装船、航行和卸货。整个过程完全无需人工现场干预。

按照国际海事组织(IMO)的定义,现在的自动驾驶轮船技术正在从 L2 向 L3 演进。

至此,我对自动驾驶轮船的商业化进程已经有大致的了解,那么剩下的问题来了。


轮船如何自动驾驶?
自动驾驶汽车使用的技术和芯片五花八门,有坚持只用图像识别的,也有结合激光雷达的;有自研芯片的,也有购买第三方计算平台的。

Kongsberg 用的是什么方案?

和大多数无人车类似,Kongsberg 的方案采用了多种传感器:雷达探测远距离物体,激光雷达对船体附近区域进行高精度分析,高清摄像头拍摄船舶前方海域 180 度视野景象。

这就是他们首款上市的全自动驾驶船解决方案 Intelligent Awareness(智能意识)。

三种传感器收集到的信息,经过算法处理后显示在屏幕上,船员可以通过仪表盘看到高亮显示的潜在危险区域。

按照,Kongsberg 的说法,“智能意识” 可帮助降低航海者的风险,尤其是在黑暗环境、恶劣天气条件下,或是拥挤海域,以及进出船坞之时。

当然,其中的用的图像识别与分类比自动驾驶汽车要复杂得多。

因为海面上的搜索距离更大,因此图像中物体的缩放比例是一个巨大挑战。相同物体在不同距离上呈现的大小有天壤之别,可能最小 10 个像素块、最大 10 万个像素块。

这必然对硬件有很高的要求。


他们居然只用 CPU
然而令人吃惊的是,Kongsberg 在这套方案里没有使用 AI 推理加速硬件,比如独立的 GPU 或 NPU,而是完全依赖于英特尔® 的 CPU(和内部集成 GPU)。

即使在运算量更小的自动驾驶车上,不使用专门的 AI 芯片都是不可想象的。

况且Kongsberg过去的 AI 方案也不是没使用过 GPU,为什么在轮船上反而不用了?令人费解。

后来,这家公司的一位项目经理 Saarela 在采访中道出了缘由:
>其中一个重要原因是海事认证问题。如果不用 GPU,我们的服务器会更容易通过认证。而且,我们还想降低功耗。
>我们理想的方案是使用差不多相同的通用服务器系统。我们并不是每台服务器都需要 GPU,所有服务器都不用 GPU 会更好,这样我们就获得了冗余,能在任何服务器上运行任何应用程序。

工业领域严苛的认证体系,商业用户节约成本的需求,让全 CPU 方案成为了 “自动驾驶轮船” 的首选方案。

实际上,CPU 也是完全可以胜任 AI 推理的。

在这套方案中,Kongsberg 使用两个英特尔® 至强® 铂金 8153 处理器,每个处理器有 16 个内核。每个内核可处理两个线程,所以总共可并行处理 64 个模型。

硬件规格绝对够豪华。问题是,CPU 能满足自动驾驶的计算需求吗?

对于这一点,就连项目经理 Saarela 本人最初也没有信心。

如果 CPU 处理图像的速度不够快,那么自动驾驶轮船就可能撞到其他高速移动的船只。对于商业海运来说,这种事故造成的经济损失不容小觑。


谁说 CPU 不适合 AI 推理
为了解决这个难题,Kongsberg 找来 CPU 供应商英特尔® 联手优化了 “智能意识” 解决方案。

Kongsberg 负责提供预先训练好的人工智能模型供英特尔® 使用。而英特尔® 则提供 OpenVINO “加速包”,在不降低准确度的情况下帮助提升数据处理速度。

OpenVINO(开放式视觉推理和神经网络优化)是英特尔® 于 2018 年推出的深度学习优化与部署开源工具包,帮助开发者更方便地在英特尔® 硬件平台上部署 AI 模型。

OpenVINO 支持 Caffe、TensorFlow、MXNet、ONNX 等主流深度学习框架,而 PyTorch、PaddlePaddle 等支持转换为 ONNX 的框架也可以间接使用,覆盖了绝大多数 AI 开发者。

当然,用 TensorFlow 开发自动驾驶轮船的 Kongsberg 也不例外。

OpenVINO 将训练好的模型通过模型优化器转换为中间表示 (IR) 文件(*.bin 和 *.xml)。

由于去除了模型中任何仅与训练相关的运算,并将部分推理运算融合在一起,所以大大加快了推理计算的速度。

下图展示了 OpenVINO(深蓝色)在模型中的作用,它就像假设在深度学习框架(浅蓝色)和用户应用(橙色)指尖的桥梁。

OpenVINO 将训练后的模型针对英特尔® 硬件进行深度优化,再重新部署,而且这个过程中无需重新训练 AI 模型。

经优化后,在 Kongsberg 的一个目标识别基准项目上,CPU 每秒处理的图片数量提升了 4.8 倍

看到这个结果后,Kongsberg 的项目经理 Saarela 表示:
>结果让我十分震惊。我原以为我们永远都摆脱不了 GPU,但这些结果改变了我的想法,让我看到了使用 CPU 的可能性。

打开 OpenVINO 的介绍页面,你会发现,这套工具给英特尔® CPU 带来了巨大的 AI 技术加成。

最新的 2021.2 版功能已十分强大,支持图像分类、语义分割、目标检测、人脸识别、单眼深度估计、图像修补等几乎所有 CV 应用模型。

而作为一款可以放心用于工业领域的工具包,英特尔® 也考虑到稳定性提供 LTS 版,保证了性能、接口向后兼容性、7x24 稳定性以及压力测试。

搭配上英特尔® 配套提供的 Python 分发版,只需微调代码即可提高 Python 应用程序的性能,加速 NumPy、SciPy 和 Scikit-learn 等科学计算、机器学习库。

在官方文档中,Python 分发版最高可以带来数倍的性能提升。

现在,我终于明白,Kongsberg 为什么只用 CPU 也能开发自动驾驶轮船了。

其实不仅是轮船,类似的场合还很多。就拿很多个人开发者来说,一台开发电脑可能没有独立显卡,但是绝对不能没有 CPU。

而有了 OpenVINO 工具包的加持,受限的硬件环境一样能发挥出 AI 的性能。

说到这里,我突然想起来之前在英特尔® 开发者活动上抽中的奖品——第二代神经计算棒,这家伙放在我抽屉里很久了。

我特意去官网查询了一下,这款英特尔® 硬件也支持 OpenVINO,而且我最近还入手了树莓派开发板,正愁如何使用。

没想到解决自动驾驶轮船的疑问,还帮我解决了另一个难题——如何防止树莓派吃灰,现在是时候用 OpenVINO 和神经计算棒去重新部署一下我的 YOLO 模型了。

至强® 的X,成就 X 种非凡

加速云数智变革,英特尔® 至强® 构建灵活高效平台。

了解更多

百度 “压榨” 傲腾™ 持久内存 相同成本换 6 倍性能

数据不会说谎,在百度 BigSQL 中用傲腾™ 持久内存取代 DRAM 更具成本效益。它让百度即席查询服务图灵每服务器实例 Spark/OAP 性能提高了 50%,成本仅增加 20%。

了解更多

升级到至强® + 傲腾™ Oracle 数据库性能立涨 11 倍

200 个用户的 Oracle 裸机系统和虚拟化系统的测试表明,添加 NetApp MAX Data 和傲腾™ 持久内存后,裸机系统性能提升多达 1.9 倍,虚拟化系统性能提升了多达 3.16 倍。

了解更多

腾讯云小微 + 至强® 让智能语音核心技术普惠各行业

腾讯与英特尔® 合作构建定制化方案对云小微进行深度优化,不仅为它提供了突出的语音合成性能,而且还有效降低其 TCO,让更多企业能体验到先进的智能语音服务。

了解更多

英特尔® 商用频道

了解英特尔® 在人工智能、大数据、云计算、5G 等领域的前沿技术及成功案例。