≪インテル x ブロケード 特別対談≫...
Post on 06-Jul-2015
565 Views
Preview:
DESCRIPTION
TRANSCRIPT
2020年。どうなる?車とデータセンターの関係
1 © 2014 Brocade Communications Systems, Inc. Company Proprietary Information
インテル X ブロケード 特別対談
~SDxの、その先へ~
パネリストのご紹介
© 2014 Brocade Communications Systems, Inc. CONFIDENTIAL—For Internal Use Only 2
インテル 戦略企画室オートモーティブ・ユニット チーフ・アドバンストサービス・アーキテクト(兼)ダイレクター 名古屋大学・客員准教授
野辺 継男 氏
ブロケード コミュニケーションズ システムズ Cloud Technology Officer
小宮 崇博
プラットフォーム統合 アプリケーションの75~85% がクラウド・ビッグデータ関連
2年間で クラウドインフラは
2倍 に拡大
3
The 3rd PLATFORM
Source: IDC
第3のプラットフォームの登場
SOCIAL BUSINESS
CLOUD MOBILE BIG DATA
5年間で インテリジェント端末は
2倍 に増加
数百万ユーザ
X10,000
X1,000,000
X1000
数億ユーザ
数十億ユーザ
© 2014 BROCADE COMMUNICATIONS SYSTEMS, INC.
The New IP: 第3のプラットフォームのための ネットワーク オープン・アーキテクチャ
容易なスケールアウトと高速デリバリ
ソフトウェア定義による物理の縛りからの解放
ネットワークをユーザ自身の手に
4
5
全てのものが「つながる」世の中 来る Internet-of-Things 時代に向けて
リコメンデーション
系統制御
保険料率計算
アフターサービス 経年劣化把握
犯罪抑止
食糧増産
再開発推進
最短配送
自動制御
車との関係
6 © 2014 Brocade Communications Systems, Inc. CONFIDENTIAL—For Internal Use Only
どうなる?車とデータセンターの関係
インテル 戦略企画室オートモーティブ・ユニット チーフ・アドバンストサービス・アーキテクト(兼)ダイレクター 名古屋大学・客員准教授
野辺 継男 氏
Intel Confidential — Do Not Forward
2020年。どうなる?車とデータセンターの関係
~SDxの、その先へ~
Oct 16, 2014
インテル株式会社戦略企画室ダイレクター兼)名古屋大学客員准教授
野辺継男
攻める情シスのためのデータセンター1-Day講座11:00~11:40
クルマの自動運転には
大規データセンターが必要
という話、とその課題
そして「攻めの情シス」とは?
専用レーンを走るのでも、軌道上を走るのでもない 一般のクルマに混ざって走る
その中、ドライバはハンドルやアクセル・ブレーキから手足を離し、周りも見ない
コンピュータがヒトと全く同じ様に周囲を認識・判断・決定し、クルマを運転する
ECU/
Controller
System
Actuator/
DC Motor
人間の視覚
光学レーダ,ライダーミリ波、超音波
HMI/
Switch
車載コンピュータ
人工知能パターン認識
学習
判断アルゴリズム
GPS
正確な位置情報
自動運転とは何か
[普通の運転][ 自動運転 ]
Short Range Radar Systems
- Blind Spot Warning
- Pedestrian Detection
Ultra Sonic
- Low speed collision avoidance
- Parking assist
LiDAR
- 3D Cloud Points
StereoCamera- Lane Departure Warning- Lane Keeping Assist- Auto High Beam - Traffic Sign Recognition- Speed advisory
Lear Camera
- Lane Change Assist
Long Range Radar Systems
- Adaptive Cruise Control
- Forward Collision Warning
- Autonomous Emergency Braking
- Distance Alert
Side Camera
- Surround View
- Parking Assist
Driver
Monitor
- Drowsiness
- Distraction detect
周囲を360度、全天候、昼夜認識するセンサー群
90 degrees
130 m
18 degrees
200 m
基本自律的に周囲の状況を逐次把握しながら走る
各種センサーの特性を生かし、その組み合わせからあらゆる環境下で周りの状況を認識する
カメラ、ミリ波レーダ、レーザレーダ (LiDAR)、超音波等
センサー・フュージョン
Pre-processing
Feature Extraction
Object Detection
Tracking
Classification
Pre-processing
Feature Extraction
Object Detection
Tracking
Pre-processing
Feature Extraction
Object Detection
Tracking
Classification
Sensor Fusion
Situational Analysis
Lane Departure Warning
Forward Collision Warning
Blind Spot Detection Warning
Active Cruise
Control
ADAS Application
N
Sensor Input 1 Sensor Input 2 Sensor Input N
LIDAR RadarCamera
5段階で自動化のレベルを規定 (Level of Vehicle Automation)
Level 0: 自動化なし
常時ドライバーが運転制御(操舵、制動、加速)を行う
Level 1: 特定機能の自動化
操舵、制動、加速等の機能が独立に自動化されている (複合的に支援することはない)
Level 2: 複合機能の自動化
自動化された操舵・制動・加速等の機能が二つ以上協調的に機能する ドライバーは同時に「アクセル・ブレーキから足を外す」と「ハンドルから手を放
す」を行う事が可能
Level 3: 半自動運転
機能限界になった場合のみ運転者が自ら運転操作を行う。 その際、自動運転車は余裕をもって運転をドライバーに戻す
Level 4: 完全自動運転
運転制御、周辺監視を全てシステムにゆだねる。
5段階で自動化のレベルを規定 (Level of Vehicle Automation)
Level 0: 自動化なし
常時ドライバーが運転制御(操舵、制動、加速)を行う
Level 1: 特定機能の自動化
操舵、制動、加速等の機能が独立に自動化されている (複合的に支援することはない)
Level 2: 複合機能の自動化
自動化された操舵・制動・加速等の機能が二つ以上協調的に機能する ドライバーは同時に「アクセル・ブレーキから足を外す」と「ハンドルから手を放
す」を行う事が可能
Level 3: 半自動運転
機能限界になった場合のみ運転者が自ら運転操作を行う。 その際、自動運転車は余裕をもって運転をドライバーに戻す
Level 4: 完全自動運転
運転制御、周辺監視を全てシステムにゆだねる。
NHTSA (米国運輸省道路交通安全局) の定義 (2013年5月)
2017年に技術詳細が決まる
現在、欧米日各社が目指しているレベル
自動運転の状態とドライバが運転している状態が共存
ある環境状況や交通状況に於いて、ドライバーは「全ての安全の為に重要なコントロール機能」をシステムに委ねる事ができ、「そうした状況の変化を監視する事」もシステムに委ねる事が出来る (自動運転モード)
自動運転モードが機能限界になった場合のみ運転者が自ら運転操作を行うが、システムは十分余裕をもって運転をドライバーに戻す事が条件
Level 3の重要ポイント
「
200 m
200m走るのに• 時速36Kmで20秒• 時速72Kmで10秒• 時速108Kmで6.67秒
2分走ると• 時速36Kmで1.2Km• 時速72Kmで2.4Km• 時速108Kmで3.6Km
200m 2Km
Level 3に於ける計画的自動運転の実現
車載装着したセンサーで正確に認識できるのは100m~200m 余裕をもって運転をドライバに戻すには2分は必要
例えばこの先に• 白線の劣化• 工事等による車線減少
などが有った場合
Level 3に於ける計画的自動運転の実現
過去
プローブデータ
(1分、1時間、1日、1週間、1ヶ月前。。。。)
3次元マップデータベース
(逐次更新)
通信:携帯網、DSRC等
統計処理・予測ビッグデータ
デープラーニング今後走る場所の情報 (走行開始前にDL可)
11 © 2014, Intel Corporation. 無断での引用、転載不可
近年データセンターの巨大化がもたらしたもの
音声認識の例 (Deep Learningの適用)
国会答弁(音声)
書き起こし議事録
(テキスト)
アルゴリズムの開発
正誤チェック
これまでの開発(例:京都大学)
現在の方向性(例: Google)
ユーザの発話
CloudServer
• 一般ユーザ• 自然発話• 多様な各国言語• 大量なサンプル• グローバル展開
Deep
Learning
各国の蔵書スキャンから自動翻訳へ発展
音響モデル
言語モデル
ユーザの反応
データは多ければ
多いほど良い
このスキームが現在画像認識に拡大
12 © 2014, Intel Corporation. 無断での引用、転載不可
大規模サーバ群による画像認識 (2012)
• コンピュータに例えば、クルマとバイクを見分けさせるには、これまで数多の写真を見せて教え込んで実現した。
• これは途方もない作業量を要す。• 代わりに我々は、16000個のCPUと
10億以上のコネクションを持つ人工的神経ネットワークシステムを構築し、YouTubeからとったいろいろなものが映っている静止画をコンピュータに見せ、自己学習とDeep Learningのアルゴリズムを走らせた。
• すると、 1週間後、システムは猫の顔に強く反応するようになった。
13 © 2014, Intel Corporation. 無断での引用、転載不可
14 © 2014, Intel Corporation. 無断での引用、転載不可
Deep Learningによる画像認識の発展 (2012→14)
ImageNet large-scale visual recognition challenge
2014年 2012年
15 © 2014, Intel Corporation. 無断での引用、転載不可
[ 自動運転 ]
与えられた地図と異なる状況を認識・分析したらクラウドにアップロードする
ECU/
Controller
System
Actuator/
DC Motor
光学レーダ,ライダーミリ波、超音波
HMI/
Switch
車載コンピュータ
人工知能パターン認識
学習
判断アルゴリズム
GPS正確な位置情報
自動運転車とクラウドの接続
クラウド上の画像認識人工知能
Probes Services
• 通信が理想的であればクラウドで認識判断決定支援する方向性もあり得る
• ローカルでは正しさを確認
200ms
以上
20ms
以下
16 © 2014, Intel Corporation. 無断での引用、転載不可
「クラウド+IoT」の拡大2001-2010
H/W
Driver
OS
Middleware
Application
Networked PC Non-PC DevicesSmart Phone
TV-STB
NAVI
Intel
WindowsOS-X
Fully Networked PC
2011以降
Intel
Windows
OS-X
ServerService Cloud (+ Big Data/IoT)
Google AmazonSales
forceFacebook
Intel/ARM
Linux(Tizen, Android )
iOS, Windows
IP-Network
HTML5
PCとnon-PCの共存(端末のマルチデバイス化)コンテンツ・サービスの製作はPC閲覧・サービス利用はnon-PCでOK
クラウド企業の協調・競争領域Webアプリケーション機能を補完的に相互に利用
流通 製造 交通 医療 農業
攻める情シスとは?
• 産業がクラウドの上に載る
• 米国ではサービス提供者がDCを大規模化し、第三者にもソリューションを提供
• 各産業に於いて、ICTが実現し得る新しいアイデアに国内のサービス提供者が気付くか?
• あるいは、情シスが各産業の新しい課題や新しいアイデアに気づき、提案できるか?
- こうした話はクルマに限らない -
© 2014 Brocade Communications Systems, Inc. CONFIDENTIAL—For Internal Use Only 1
?
データセンタ
2 © 2014 Brocade Communications Systems, Inc. CONFIDENTIAL—For Internal Use Only
2020年。どうなる?車とデータセンターの関係
ブロケード コミュニケーションズ システムズ Cloud Technology Officer
小宮 崇博
IoT時代のBIGDATAの質とその活用法
© 2014 Brocade Communications Systems, Inc. ITpro EXPO 2014 3
IoT/BIGDATA とリアルタイム処理は 次世代のビジネスの基盤
DCの役割 人間の処理をまね、そして超える
© 2014 Brocade Communications Systems, Inc. ITpro EXPO 2014 4
イメージ、連想記憶 経験知、形式知 モデル構成、判断
即時反応、回避
バッチ処理、超分散処理
ストリームコンピューティング 脊髄
脳 クエリ
検索
結果
ストリーム データ
フィルタ
結果
機械学習、Deep Learning
多様なデータ
連想、並列学習
結果
ストリーム、超分散、機械学習の規模感
© 2014 Brocade Communications Systems, Inc. ITpro EXPO 2014 5
http://www.brocadejapan.com/news/20140403
4,000ノード
機械学習規模のコンピューティング 100万コアスケールの実現に必要なこと
© 2014 Brocade Communications Systems, Inc. ITpro EXPO 2014 6
Open Automotive Alliance Google、アウディ、GM、ホンダ現代、nVidia
Carplay アップル、フェラーリ、メルセデスベンツ、トヨタ
Apple
リアルタイムBIGDATA ビジネスアライアンス
の必要性
仮想DC
IoT時代にDC基盤に求められる機能性 アプリケーション/データとリアルタイム/継続的アクセス性
© 2014 Brocade Communications Systems, Inc. ITpro EXPO 2014 7
サービス
OTT
DC/通信事業者
ロケーションA
ロケーションB
ロケーションC
サービス
データ
Hot data ローカル、検索可能、更新可能 Warm data ローカル、検索可能、スタティック Cold data グローバル、検索可能、スタティック
Hotdata
Hotdata
日本が元気になる! 規模のビジネス vs. ローカリティ
© 2014 Brocade Communications Systems, Inc. ITpro EXPO 2014 8
大規模クラウド事業者
高付加価値サービス (Realtime+BIGDATA)
+ クラウド
付加価値サービス (BIGDATA)
+ クラウド
ここで、質問です
© 2014 Brocade Communications Systems, Inc. CONFIDENTIAL—For Internal Use Only 9
パフォーマンス セキュリティ
ハイアベイラビリティ バックアップ
11/10/2014 © 2014 Brocade Communications Systems, Inc. Company Proprietary Information 10
どこにビジネスが?
自動車メーカー
クラウド
アプリ開発 端末
建設
IT系 メーカー SI
ISP
?
© 2014 BROCADE COMMUNICATIONS SYSTEMS, INC.
The New IP
11
オープン バーチャル プルグラマブル セキュア
top related