Discussion :

[Sandra Coret]

Continental lance son propre supercalculateur pour le développement d’un système fondé sur l’IA, alimenté par NVIDIA DGX, pour accélérer la course aux véhicules autonomes via la simulation

• Continental et NVIDIA développent un cluster haute performance basé sur les systèmes d’intelligence artificielle NVIDIA DGX, destiné à accroître les performances de développement du véhicule autonome.
• Le nouveau cluster réduit le temps de développement de plusieurs semaines à quelques heures.
• Principaux cas d'utilisation : Apprentissage approfondi, simulation et génération de données virtuelles.
• Le système est l'ordinateur le plus puissant de l'industrie automobile selon le classement du "TOP500".

L’industrie automobile est en plein changement et les cycles de développement sont de plus en plus court. Afin de développer des technologies innovantes de façon plus efficace et plus rapide, Continental a investi dans la mise en place de son propre supercalculateur pour l'intelligence artificielle (IA), alimenté par les systèmes DGX connectés à NVIDIA InfiniBand. Il fonctionne depuis le début de l’année 2020 dans un centre de données situé à Francfort-sur-le-Main, en Allemagne, et offre une grande puissance de calcul et de stockage aux développeurs du monde entier. L'IA améliore les systèmes avancés d'aide à la conduite, rend la mobilité plus intelligente et plus sûre et accélère le développement de systèmes dédiés à la conduite autonome.

« Le supercalculateur est un investissement pour notre avenir », déclare Christian Schumacher, , Head of Program Management Systems au sein de l'unité commerciale Advanced Driver Assistance Systems chez Continental. « Ce système de pointe réduit le temps de formation des réseaux neuronaux, car il permet de réaliser au moins 14 fois plus d'expériences en même temps ».

La coopération avec NVIDIA, la garantie d’une qualité supérieure

« Lorsque nous cherchons un partenaire, nous recherchons deux choses : la qualité et la rapidité », explique M. Schumacher. « Le projet a été établi avec un calendrier ambitieux et mis en œuvre en moins d'un an. Après des tests et une recherche intensive, Continental a choisi NVIDIA, qui équipe de nombreux supercalculateurs parmi les plus rapides au monde ».

« Les systèmes NVIDIA DGX offrent aux acteurs innovants comme Continental une solution de supercalcul enrichie à l’intelligence artificielle économique, adaptées aux besoins de l’entreprise et facile à déployer », a déclaré Manuvir Das, Head of Enterprise Computing chez NVIDIA. « En utilisant le POD NVIDIA DGX connecté à InfiniBand pour le développement de véhicules autonomes, Continental conçoit les véhicules les plus intelligents pour demain, ainsi que l'infrastructure informatique qui sera utilisée pour les concevoir ». 

Un chef-d'œuvre informatique pour les solutions basées sur l'IA

Le supercalculateur de Continental est construit avec plus de 50 systèmes NVIDIA DGX, connectés au réseau NVIDIA Mellanox InfiniBand. Il est classé dans le classement mondial des supercalculateurs du TOP500 comme le meilleur système de l'industrie automobile. Une approche hybride a été choisie pour pouvoir étendre la capacité et le stockage grâce à des solutions de cloud-computing si nécessaire. « Le supercalculateur est un chef-d'œuvre de l'ingénierie des infrastructures informatiques », déclare M. Schumacher. « Chaque détail a été planifié avec précision par l'équipe - afin d'assurer une pleine performance du système dès aujourd'hui, avec une évolutivité pour les extensions futures ».

Les systèmes avancés d'aide à la conduite utilisent l'IA pour prendre des décisions, assister le conducteur et finalement fonctionner de manière autonome. Les capteurs environnementaux comme les radars et les caméras fournissent des données brutes. Ces données brutes sont traitées en temps réel par des systèmes intelligents afin de créer un modèle complet de l'environnement du véhicule et de concevoir une stratégie sur sa manière d'interagir avec l'environnement. Enfin, le véhicule doit être contrôlé agir en fonction des modèles définis. Mais avec des systèmes de plus en plus complexes, les méthodes traditionnelles de développement de logiciels et d'apprentissage automatique ont atteint leurs limites. L'apprentissage approfondi et les simulations sont devenus des méthodes fondamentales dans le développement de solutions basées sur l'IA.

Les principaux cas d'utilisation : Apprentissage approfondi, simulation et génération de données virtuelles

Avec le Deep Learning, un réseau neuronal artificiel permet à la machine d'apprendre par expérience et de relier les nouvelles informations aux connaissances existantes, en imitant essentiellement le processus d'apprentissage du cerveau humain. Mais alors qu'un enfant est capable de reconnaître une voiture après s'être vu montrer quelques dizaines d'images de différents types de voitures, plusieurs milliers d'heures d'entraînement avec des millions d'images et donc d'énormes quantités de données sont nécessaires pour former un réseau neuronal qui, plus tard, assistera un conducteur ou même fera fonctionner un véhicule de façon autonome. Le NVIDIA DGX POD ne réduit pas seulement le temps nécessaire à ce processus complexe, il réduit également le délai de mise sur le marché des nouvelles technologies.

« Globalement, nous estimons que le temps nécessaire à la formation complète d'un réseau neuronal passera de quelques semaines à quelques heures », a déclaré Balázs Lóránd, Head of AI Competence Center à Budapest, en Hongrie, qui travaille également sur le développement d'une infrastructure pour les innovations basées sur l'IA avec ses groupes chez Continental. "Notre équipe de développement s'est agrandie en nombre et en expérience au cours des dernières années. Avec le supercalculateur, nous sommes maintenant en mesure d'adapter encore mieux la puissance de calcul à nos besoins et d'exploiter tout le potentiel de nos développeurs".

À ce jour, les données utilisées pour la formation de ces réseaux neuronaux proviennent principalement du parc de véhicules d'essai de Continental. Actuellement, ils parcourent environ 15 000 kilomètres d'essai chaque jour, recueillant environ 100 téraoctets de données - ce qui équivaut à 50 000 heures d’enregistrement. Déjà, les données enregistrées peuvent être utilisées pour former de nouveaux systèmes en étant rejouées et en simulant ainsi des essais physiques. Avec le superordinateur, les données peuvent maintenant être générées de manière synthétique, un cas d'utilisation très gourmand en puissance de calcul qui permet aux systèmes d'apprendre en se déplaçant virtuellement dans un environnement simulé.

Cela peut présenter plusieurs avantages pour le processus de développement : tout d'abord, à long terme, il pourrait rendre inutile l'enregistrement, le stockage et l'exploitation des données générées par la flotte physique, car les scénarios de formation nécessaires peuvent être créés instantanément sur le système lui-même. Deuxièmement, cela augmente la vitesse de simulation, car les véhicules virtuels peuvent parcourir en quelques heures le même nombre de kilomètres d'essai qu'il faudrait plusieurs semaines à une voiture réelle. Troisièmement, la génération synthétique de données permet aux systèmes de traiter et de réagir à des situations changeantes et imprévisibles.

À terme, cela permettra aux véhicules de naviguer en toute sécurité dans des conditions météorologiques changeantes et extrêmes ou de faire des prévisions fiables sur les mouvements des piétons - ouvrant ainsi la voie à des niveaux d'automatisation plus élevés.

La capacité d'extensibilité a été l'un des principaux facteurs à l'origine de la conception du NVIDIA DGX POD. Grâce à la technologie, les machines peuvent apprendre plus rapidement, mieux et de manière plus complète qu'avec n'importe quelle méthode contrôlée par l'homme, les performances potentielles augmentant de manière exponentielle à chaque étape de l'évolution.

Le supercalculateur est situé dans un centre de données à Francfort, qui a été choisi pour sa proximité avec les fournisseurs de cloud computing et, plus important encore, pour son environnement adapté à l’intelligence artificielle, répondant à des exigences spécifiques en matière de systèmes de refroidissement, de connectivité et d'alimentation électrique. Une énergie verte certifiée est utilisée pour alimenter l'ordinateur, les grappes de GPU étant, de par leur conception, beaucoup plus efficaces sur le plan énergétique que les grappes de CPU.

A propos de Continental

Continental développe des technologies et des services pionniers pour une mobilité durable et connectée des personnes et de leurs biens. Fondée en 1871, la société technologique propose des solutions sûres, efficaces, intelligentes et abordables pour les véhicules, les machines, la circulation et le transport. En 2019, Continental a réalisé un chiffre d'affaires de 44,5 milliards d'euros et emploie actuellement environ 240 000 personnes dans 59 pays et marchés.

Le secteur d'activité Mobilité et sécurité autonomes développe, produit et intègre des technologies de sécurité active et passive et contrôle la dynamique des véhicules. Le portefeuille de produits va des systèmes de contrôle électronique et hydraulique des freins et du châssis aux capteurs, aux systèmes avancés d'aide à la conduite, à l'électronique et aux capteurs des coussins gonflables ainsi qu'aux systèmes électroniques de suspension pneumatique, en passant par les systèmes de lave-glace et les buses de nettoyage des phares. L'accent est mis sur un haut niveau d'expertise en matière de systèmes et sur la mise en réseau des différents composants. De cette manière, les produits et les fonctions du système sont créés le long de la chaîne d'effets SensePlanAct. Ceux-ci rendent la conduite plus sûre et plus facile et ouvrent la voie à une mobilité autonome.

Source : Continental