EFS Deep Learning für das Fahren der Zukunft - Anton Junker - Microsoft

EFS
Deep Learning für das
Fahren der Zukunft
Anton Junker

Wer ist die EFS? Wer sind wir?

Unternehmen
Gründung      2009                             Automatisiertes Fahren

Standort      Ingolstadt/Wolfsburg
                                               Messdatenmanagement / -Analyse
Beteiligung   GIGATRONIK Gruppe (51%)
              Audi Electronics Venture (49%)
                                               Technologiecenter

                                               Virtuelle Entwicklung
Mitarbeiter          422 (März 2018)

                                               Fahrwerkregelsysteme
Geschäftsführung
                                               Hochintegrationsplattformen
Wilhelm Schmitt, Audi AG
Régis Sandrin, AKKA Deutschland GmbH

Wo kommen wir her? Wo wollen wir hin?

Entwicklungs Prozess     Test Szenarios
                                                     Speicherung   Berechnung

                                     Traces
Implementation   SIL   MIL   HIL

                                                                   Wiederver-
                                   Test Ergebnisse     Analyse
                                                                   wendung

Daten, Daten und noch mehr Daten!
                                                                                                                                   Datenvolumen
                  RADAR                                                                                                            in Petabyte
                                       LIDAR
    GPS           ~10 - 100 KB
                  pro Sekunde
                                       ~10 - 70 MB                   „Heute generieren wir mehr                                                700
    ~50 KB                             pro Sekunde
                                                                     Daten an einem einzelnen Tag
    pro Sekunde
                                                                     als im kompletten Jahr 2000“
                                                     SONAR
                                                     ~10 - 100 KB    (Andreas Weigert, Daimler, September
KAMERAS                                              pro Sekunde     2017)

~20 - 40 MB
pro Sekunde                                                                                                                                    350

              Autonomes Fahrzeug
                    4000 GB
                       pro Tag
                                                                                                                                                0
                                                                    2016           2017             2018         2019      2020      2021
                                Datenvolumen Audi 1945 – 2017:
                                                                                                            >200.000 Messungen pro Tag
                                18 Petabyte

Speicherung   1 Petabyte        > 1 Petabyte
Berechnung    125 Mio. Nutzer   > 125 Mio. Nutzer
              Nutzeranalyse     Datenanalyse und
Analyse       und Film-         Funktions-
              empfehlungen      entwicklung

2008             2010                 2014               2015           2017

Definition des    Entwicklung         Gründung der        Verbesserung    MDM@Big-
Standards in     der Software-   Industry Working Group   der Software-     Data
ASAM e.V.            lösung                                  lösung
                   openMDM                                 openMDM

Peter ist Entwickler bei AUDI und arbeitet
                                     an smarter Lüftungssteuerung
                                     Peter möchte wissen wie sich die smarte
                                     Lüftung nach einem Gewitter bei hohen
                                     Temperaturen auf der Autobahn verhält

Bisher:                                                    mit Big Data Plattform:

          ?      ?   Peter muss in verschiedenen
                     Fachabteilungen nachfragen, ob                         Peter nutzt eine einheitliche
                     sie zufällig wissen, ob solche                         Oberfläche um alle Daten zu
                     Messungen gemacht wurden                               finden, die im AUDI Konzern
                                                                            gesammelt wurden
                                                             MDM@
                     Peter muss viele GB an Daten            Big Data       Er wertet sie mit modernen Tools
                     herunterladen                                          direkt online aus
                                                                            Aufwändige Analyseverfahren wie
                     Peter muss die Daten mit
                                                                            Machine Learning können
                     eigenen Methoden
                                                                            nahtlos integriert werden
                     durchsuchen

              Viel Aufwand, wenig Ergebnis                            Wenig Aufwand, optimales Ergebnis

Komplette
               Migration in
               Public Cloud

Cerebro

  Hue     ….

Deep Learning für das autonome Fahren

1961            1984              1997   2007   2012     2017
                                                $ 153 Mrd.      $ 44 Mio.          $ 30 k $ 57 $ 0.8 $ 0.03
                               100 Mrd.
                               10 Mrd.
Preis pro TeraFLOP in Dollar

                               1 Mrd.       Artificial Intelligence (deutsch: Künstliche Intelligenz)
                               100 Mio.
                               10 Mio.
                               1 Mio.                              Machine Learning (deutsch: Maschinelles Lernen)
                               100 k
                               10 k                                                                 • Deep Learning (deutsch:
                               1k
                               100                                                                       Tiefes Lernen)
                               10
                               1$
                               0.1
                               0.01

                                         1950    1960    1970    1980       1990    2000     2010        2020

Erkennung komplexer                 Rechenleistung
Muster
                                     Trainingsdaten
Verarbeitung
verschiedener Inputs                Black Box

                       Bild und
                       Videodaten

•    Erkennung komplexer Zusammenhänge ähnlich der menschlichen Wahrnehmung
•    Einschätzungen jenseits der Möglichkeiten anderer (teurerer) Sensoren möglich
      • Long Range Radar < 200 m
      • Lidar < 120 m

    Live Bild von                        Convolutional Neural               Erkenntnis über
    Fahrzeugkamera                       Network                            Straßensituation

                                                                              Zahlenwert

                                                                           z.B. Entfernung eines
                                                                           weitentfernten Fahrzeugs

Virtuelle Trainingsdaten:                        Reale Trainingsdaten:
- Generierung realistischer Umgebungen in        - Aufzeichnen von Testfahrten mit 4K Kamera + GPS
  Unity                                            Empfänger
- Vollautomatisches Labeling  große Mengen      - Labeling von Hand mit Hilfe von Satellitenkarten
  an Trainingsdaten                                   - Durch Tools relativ effizient
- Optimale Genauigkeit der Labels                     - Ungenauigkeit der GPS Daten und des Labelings 
- Verschiedenste Einflussfaktoren kontrolliert          Schätzungsweise +/- 10 Meter gesamt
  darstellbar

                                                                             Bild von Fzg fehlt

            SO VIEL WIE MÖGLICH                  SO WENIG WIE NÖTIG

Virtuelle
Trainings-
daten                          Azure

                                       …
Reale
Trainings-
daten
 Bilder
 ~200 GB
 pro Stunde

              manuelles Labeling

„Man kann einem neuronalem
                             Netz fast alles beibringen, wenn
                             man nur genügend Daten hat“

Daten, Daten, Daten          (Andrej Karpathy, Tesla, 2016)

   Trainingsdaten
   Neuronales Netz

                 Messdatenmanagement

© 2018 Microsoft Corporation. All rights reserved.