Autonomes Fahren: Continental setzt auf Nvidia DGX Pod für die Simulation

Nicolas La Rocco 7 Kommentare
Autonomes Fahren: Continental setzt auf Nvidia DGX Pod für die Simulation
Bild: Continental

Der Automobilzulieferer Continental setzt bei der Forschung am autonomen Fahren künftig verstärkt auf einen Supercomputer von Nvidia. In einem Rechenzentrum bei Frankfurt steht für das Training von autonomen Fahrzeugen ein DGX Pod von Nvidia. Das Training neuronaler Netze soll damit von Wochen auf Stunden reduziert werden.

Continental nimmt den seit Anfang des Jahres von einem Rechenzentrum in Frankfurt am Main aus betriebenen Supercomputer nun vollständig in Betrieb und stellt dessen Rechenleistung und Speicherplatz Entwicklern an Standorten weltweit zur Verfügung. Der Standort Frankfurt sei aufgrund der Nähe zu Cloud-Anbietern und der für das KI‑Training geeigneten Umgebung gewählt worden. Bei Bedarf sollen mehr Rechenleistung und Speicherplatz über Cloud-Lösungen hinzugefügt werden.

Continental-Supercomputer mit DGX Pod
Continental-Supercomputer mit DGX Pod (Bild: Continental)

Continental betreibt mehr als 50 DGX-Systeme

Der Supercomputer wird als DGX Pod in einer Konfiguration von derzeit über 50 DGX-Systemen von Continental betrieben. Da das System seit Januar und somit vor der Ankündigung der neuen Ampere-Architektur im Mai aufgebaut wurde, ist von Nodes auf Basis des DGX-2 auszugehen, die mit jeweils 16 Tesla V100 mit insgesamt 512 GB HBM2 bestückt sind. Ein DGX-2 bietet zudem zwei Intel Xeon Platinum 8168, 1,5 TB DDR4, zwei 960-GB-SSDs für das Betriebssystem sowie acht 3,84-TB-Storage-SSDs. Die Verbindung untereinander erfolgt über InfiniBand-Switches von Mellanox, das seit Ende 2019 zu Nvidia gehört.

Laut Continental rangiert der Supercomputer in der TOP500-Liste als schnellster Rechner der Automobilindustrie. Das System ist primär für das Deep Learning, die Simulation und die virtuelle Datenerzeugung errichtet worden. Zum Beispiel werden neuronale Netze mit Millionen von Bildern trainiert, um in verschiedensten Szenarien ein Auto erkennen zu können. Aus mehreren Wochen Training soll der DGX Pod von Nvidia nur noch Stunden machen, so Balázs Lóránd, Leiter des KI-Kompetenzzentrum von Continental in Budapest, Ungarn.

Virtuelle statt reale Testfahrten

Eine wichtige Rolle wird der Supercomputer auch bei der Simulation von autonomen Fahrten spielen. Wie Continental erklärt, stammen die Daten für das Training neuronaler Netze heutzutage hauptsächlich aus einer Flotte von Versuchsfahrzeugen, die täglich rund 15.000 Testkilometer abspulen und dabei rund 100 TB an Daten sammeln, die wiederum auf einem Supercomputer für die Simulation echter Testfahrten genutzt werden können. Mit dem neuen DGX Pod sollen diese Daten künftig synthetisch erzeugt werden. Es erfolgt damit eine virtuelle Durchfahrt einer simulierten Umgebung.

Mit Drive Constellation schließt sich der Kreislauf

Langfristig gesehen könne die Simulation laut Continental die Aufzeichnung, Speicherung und Auswertung der von der physischen Flotte generierten Daten überflüssig machen. Auf einem Supercomputer lassen sich zahlreiche Trainingsszenarien in kürzester Zeit erstellen. Zum Beispiel können wechselnde und extreme Wetterbedingungen oder Bewegungen von Fußgängern simuliert werden, die in der echten Welt nur selten anzutreffen sind. Für die Testkilometer, für die ein reales Auto mehrere Wochen benötigt, sind mit dem Supercomputer nur wenige Stunden notwendig. Bei Nvidia nennt sich das Produkt für den geschlossenen Kreislauf des Simulators für autonome Fahrzeuge und das Training neuronaler Netze Drive Constellation.

Nvidia Drive Constellation neben Drive AGX Pegasus
Nvidia Drive Constellation neben Drive AGX Pegasus

ComputerBase hat Informationen zu diesem Artikel von Continental und Nvidia unter NDA erhalten. Die einzige Vorgabe war der frühest mögliche Veröffentlichungszeitpunkt.