≪インテル x ブロケード特別対談≫...

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


～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


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。


Deep Learningによる画像認識の発展 (2012→14)

ImageNet large-scale visual recognition challenge

2014年 2012年


[ 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


「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 -


？

データセンタ

2 © 2014 Brocade Communications Systems, Inc. CONFIDENTIAL—For Internal Use Only


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

DCの役割人間の処理をまね、そして超える


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


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


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

Google

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


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


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


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

？

≪インテル x ブロケード 特別対談≫...

Technology

Transcript of ≪インテル x ブロケード 特別対談≫...

≪インテル x ブロケード特別対談≫...

Transcript of ≪インテル x ブロケード特別対談≫...