NVIDIAが「Jetson Nano」搭載のAIレースカー「JetRacer」情報を公開！NVIDIA担当者に聞く、Jetson最新情報やTPUとの比較

矢戸氏

AIの基礎技術が体験できるツールとして自律走行する自動運転ロボット「JetBot」を作りました。「JetRacer」はその第2弾です。サーキットなどのコースに沿って、高速に自律走行するプラットフォームとして公開しました。高速で走行するためには、ベースとなるラジコンカーの部分を高速にするだけでなく、カメラのフレームレートを上げたり、TensorRTをオプティマイズ(最適化)するなど、さまざまな処理も高速化する必要があります。それらの意義や具体的な方法を基礎から学習したり体験できるツールにして欲しいと考えています。
「JetRacer」を走らせるサーキットのコースは白線でも、あるいはロードコーンで仕切られたコースでも構いません。それに合わせた学習データを使って機械学習することで、AIレースカーはコースに順応して自律走行することができるようになります。また、「JetRacer」で学習した技術は、将来、AGVなどの自動運搬車や自動運転車、またはロボットやドローンなど、AIレースカーやロボットカー以外にも機械学習全般に応用できると思っています。

編集部

なるほど、多くの技術者やプログラマの人たちにAI入門用に使って欲しいという意図ですね

矢戸氏

はい。そのため、ラジコンカーの部分も日本の方に入手しやすい部品リストになっていると思います。
試作品は自分で所有していたタミヤ製のラジコンカーを改造して作りました。その後、6月末に「JetRacer」初号機バージョンのソフトウェアを含めたすべての情報をオープンソースとして公開しました。Latrax(ラトラックス)ラリー1/18スケールの車体を使ったものです。ただ、日本市場を含めて入手しづらいという声を頂いたので、Maker Faire 前のタイミングでタミヤ製の市販モデルをベースにした「作り方と部品リスト」をドキュメントに追加しました。
ぜひ、様々な人にご活用いただき、DLやDNNの世界を体験して頂きたいですね。

矢戸氏

Jetson Nanoはコストパフォーマンスが高いモデルですが、DLの入門用や教材用としても活用して欲しいと思っています。
DLを学習するにあたって、畳み込みネットワークなどの技術的な詳細を理解しようとして挫折してしまうという開発者の方が多く見られます。しかし、現在はDLのフレームワークも多数提供されていますし、多くの開発者にとってDNN自体を理解することは必須ではありません。それよりも、DLはどうやって学習するとどのような効果が得られるのか、どのように実用化できるのか等を、まずは実感してもらうことが何より大切だと考えています。その意味で、「JetBot」や「JetRacer」でハードウェア環境を用意し、これらを使ってソフトウェア技術やDLの流れを手軽に学んで頂ける環境を整えたい、という想いがありました。

編集部

NVIDIAはオンラインでDNNを学習できるeラーニングのサービスを提供していますね

矢戸氏

「NVIDIA Deep Learning Institute(DLI)」ですね。ディープラーニングやAI関連技術など、専門知識を学習するためのオンライン教材を有料で提供しています。DLの基礎からオブジェクトディテクション(物体認識)などの方法を学ぶことができます。クラウド上のGPUインスタンスを利用することで、ユーザは専用のハードウェアを必要とせずに実践的なDLを学べるのが特徴です。
そのDLIに入門用として「Jetson NanoでAIを始める」という講座を用意しました。Jetson Nano講座です。DLIの各講座は通常は有料で提供していますが、入門用のJetson Nano講座は入門用なのでどうしても無料で提供したいという思いがあり、それを実現しました。「Jetson Nanoを使ってAIを学習してみたい」「どんなことができるんだろう」と感じている人は、ぜひこの講座をご利用ください(無料の会員登録が必要)。

編集部

そうは言っても、AIの学習のためにAIのフレームワークが使えるクラウドサービスに契約したり、CUDAの知識が必要になりますよね?

矢戸氏

一切、必要ありません。クラウドのAIサービスを使わなくても、AIの機械学習はJetson Nano上で可能です。Jetson Nanoの基本的なセットアップ、複数の画像データセットを与えてAIの機械学習を行い、生成したAIモデルをテストしたり、エッジデバイスに組み込んでAIで推論する、と言った実践的な流れを学習することができます。
PythonやJupyter Notebook等の知識さえあれば、AIが初めての人でも、クラウドサービスの契約やDNNの知識がなくても、Jetson NanoでDLの学習や予測を行うことができますので、気軽にはじめてみてください。

編集部

「Jetson Nano」の出荷状況や採用事例を教えてください

矢戸氏

「Jetson Nano」の開発キットを2019年3月に発売したところ、想定を超える反響があり、たくさんの注文を頂いたため、出荷が追いつかない状況になってしまい、お客様にはご迷惑をおかけしてしまいました。その後、量産体制も強化して、現在では製品として組み込まれる「Jetson Nano」モジュールの量産も順調に推移し、各種ロボット、スマートカメラやNVR、テレプレゼンス用デバイスを含めたIVA機器、そして教育向けにと幅広い分野で活用がはじまっています。

編集部

「Jetson Nano」のコンペチターというかライバルは「Raspberry Pi」(ラズベリーパイ)や「TPU搭載ボード」(Coral)ですよね? それら競合他社との状況はどうですか

矢戸氏

DNNが利用できる小型のエッジデバイス向け製品としては、「Raspberry Pi」と「Intel Neural Compute Stick 2」デバイスの組み合わせと、TPUを搭載した「Coral」がありますよね。米国ではどちらも入手できる状況ですが、「Jetson Nano」が多く選ばれていると感じています。Jetson Nanoが選ばれている理由は大きく2つあると考えています。
ひとつは始め易さ、とっつきやすさです。当社の製品は、Jetsonシリーズからハイエンドのクラウドで利用されている製品まで、共通の開発環境やプラットフォームが利用できることが大きな特徴となっています。既にパソコンやクラウドを利用してGPUやフレームワークを利用している開発者の方は、開発環境やツール、スキルやノウハウをそのまま「Jetson Nano」で活用して頂くことができます。他社の製品の場合は、開発環境やツール等をそれ用に別途用意する必要があるでしょう。
もうひとつは対応するニューラルネットワークが幅広いことです。動作するニューラルネットワークやAIのフレームワークを選びません。これは私達のアプローチがピュアにソフトウェアだということに関連しています。当社内で対応したネットワークとベンチマークを製品別に比較したものを紹介します。他社製品では極端にチューニングされたネットワークもありますが、動かないネットワークやパフォーマンスが出ないネットワークもあります。その点で「Jetson Nano」は多くのネットワークに対応し、安定した高速性能が引き出せています。