无人配送新风向 计算力陪你感受新的加速度

2019-11-18 11:33 稿源:用户投稿  0条评论

了不起!全民参与的千亿大单再刷新高,但问题来了, 2019 年双 11 的包裹量再次爆发式增长, 28 亿包裹物流要如何拼尽全力,加速送到你手里?事实上,阿里、京东、苏宁、美团、顺丰等电商、物流行业开始布局智慧化的无人物流,现在已经将包裹的无人分拣、无人运输延伸到了无人配送。

阿里、菜鸟旗下的ET物流实验室于 2016 年就推出了第一代末端送货机器人“小G”,可以实现避障、上下电梯等功能,完成包裹的配送。京东无人配送车队也在 2018 年开始上路,配备 360 度高清摄像头,能够自动避让行人车辆,还会绕开路障,甚至还能识别红绿灯。

无人配送的机器人会十八般武功,最主要的武功是自动驾驶,其重要性就像九阳神功之于张无忌。

自动驾驶的闭关苦“算”

自动驾驶并不是新鲜事, 2002 年上映的《 007 之择日而亡》就展示了类似的技术(当然做了艺术性的夸张),这项技术之所以今天才开始应用,就是因为现实世界的复杂度远超过人的想象,我们很难拿出一套算法来应对所有的情况,那么自动驾驶就没解决办法了吗?

并非如此,现在的自动驾驶充分运用了AI,让自动驾驶系统变成一个可自我学习,自我升级的系统。比如场景流的识别。为了安全地在驾驶现场导航,一辆自动驾驶的汽车应该能够估计周围环境的运动,比如车辆、行人,甚至是飘落的树叶、摇晃的树木等,这就是场景流识别估计。显然场景流的计算是十分复杂和困难的,以往场景流的识别估计主要依赖于人工设计的特征,现在则普遍采用能够自动学习场景流的深度学习技术,深度学习技术可以自动抽取场景流的规律和特征,调整系统的策略,就像人会积累经验一样,“走的路多,就成一个老司机了”。

只是,自动驾驶系统还是和人不一样,人类可以边走边学,自动驾驶系统只能“停下来学”,我们需要把各种场景标记下来,形成标记数据集,然后将这些标记数据输入到系统中,系统将计算结果与标记在数据上的正确结果比对,然后根据差异调整策略,就会积累新的经验,这个过程系统不能对外服务,所以称为“线下训练”,升级完成后就可以上线工作,这个过程叫“线上推理”。

“台上一分钟,台下十年功”,人是如此,自动驾驶系统也是如此,今天我们能够享受到无人快递,是因为自动驾驶系统已经经过了多年的训练。

训练对于计算力的需求是指数变化的,从 2012 年至今人类用于AI线下训练的计算力增长了 30 多万倍。只有AI服务器才能满足训练对于计算力的需求,浪潮目前最快服务器AGX- 5 单机可配置 16 颗NVIDIA Tesla V100 Tensor Core 32GB GPUs,拥有 10240 个张量计算核心,支持每秒 2000 万亿次的AI训练计算力。

浪潮服务器AGX-5

上路,释放计算的“洪荒之力”

有了训练好的自动驾驶模型,还需要无人配送终端具备能承载激光雷达、毫米波雷达、摄像机、GPS定位系统等应用处理、运算的计算设备,从而做出最低延迟的高可靠推理。因此,对于无人配送小车,车端计算设施的算力、延迟与能耗是必须要考虑的因素。

面向这种对能耗及延迟严苛要求的应用场景,浪潮也开发出了高性能、高可靠、高能效和低延时的车载计算终端,预计不久就会上路进行实测,在末端释放计算的“洪荒之力”。

边缘计算,无人配送的“护车使者”

是否有能够进行大规模训练的数据中心,有可靠的车载计算终端,就能够实现无人配送了呢?答案是远远不够。无人配送机器人上路之后,也是需要监管与保护的。想象一下,如果无人配送车被人“抱走”怎么办?如果遇到事故怎么办?如果遇到堵车怎么办?

要想让这些机器人安全上路,需要在周边部署大量的“护车使者”,就是负责感知机器人周边路况信息,红绿灯信号,进行车辆监管的边缘计算节点。边缘计算服务器因为部署在边缘端的优势,可以通过本地化的数据计算,协助小车更快判断前方道路是否堵车需要变更路线,是否有红灯需要减速,而一旦小车被人“抱走”也能通过车载端传递的 360 度高清视频找出“凶手”。

浪潮在今年年初发布了边缘计算服务器NE5260M5,高度为2U,宽 19 英寸,深度为43cm,仅有传统标准服务器深度的1/ 2 稍多,可以直接与电信设备混合部署在通信中心机架上,承担“护车使者”职责。

浪潮服务器NE5260M5

尽管无人配送目前还未大规模商用,但数据显示,物流配送机器人正在以超过40%的年增速迅速发展,每年快递的包裹数量也在高速增长,去年双十一全网 18 亿包裹,今年再次突破 28 亿,而今天双十一的包裹量,在不久的将来可能就是一个稀松平常的数字。因此随着5G、人工智能等技术的发展,各大电商已经开始在无人配送这条赛道上加速,浪潮也在用计算力点亮AI,赋能云、边、端的协同计算,陪你感受新的加速度。

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户朋友,发现稿件存在不实报道,欢迎读者反馈、纠正、举报问题(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及可能存在的风险,任何后果均由读者自行承担。

声明:本文转载自第三方媒体,如需转载,请联系版权方授权转载。协助申请

相关文章

相关热点

查看更多

关闭