NVIDIA DRIVE Labs

Vista interna del software de vehículos autónomos

En la serie de vídeos de DRIVE Labs se aplica un enfoque de ingeniería a varios desafíos de la conducción autónoma, desde la percepción de rutas hasta la gestión de intersecciones. En estos vídeos breves se muestra cómo el equipo de software de NVIDIA DRIVE™ AV crea sistemas de conducción autónoma seguros y sólidos.

Viaja en el coche autónomo de NVIDIA

En este episodio especial de DRIVE Labs se muestra cómo NVIDIA DRIVE AV Software combina los aspectos más básicos de la percepción, la localización, la planificación y el control para conducir de forma autónoma en la vía pública alrededor de nuestra sede en Santa Clara (California).

Reproducir vídeo   
Leer el blog

Clasificación de señales de tráfico y semáforos mediante la IA

El software NVIDIA DRIVE AV utiliza una combinación de DNN para clasificar las señales de tráfico y los semáforos. Mira cómo nuestra DNN LightNet clasifica la forma del semáforo (por ejemplo, sólido frente a flecha) y su estado (es decir, el color), a la vez que identifica el tipo de señal de tráfico.

Reproducir vídeo   
Leer el blog

Eliminación de colisiones con Safety Force Field

Nuestro software de prevención de colisiones Safety Force Field (SFF) actúa como un supervisor independiente de las acciones del sistema principal de planificación y control del vehículo. SFF comprueba los controles elegidos por el sistema principal y, si los considera no seguros, veta y corrige la decisión de este.

Reproducir vídeo   
Leer el blog

Detección de carril de alta precisión

El procesamiento de redes neuronales profundas (DNN) ha surgido como una importante técnica basada en IA para la detección de carril.  Nuestra DNN de LaneNet aumenta el rango de detección de carril, la recuperación del borde del carril y la robustez de detección de carril con precisión a nivel de píxel.

Reproducir vídeo   
Leer el blog

Percepción de una nueva dimensión

El cálculo de la distancia de los objetos mediante los datos de imágenes de una única cámara puede conllevar desafíos en terrenos montañosos. Con ayuda de las redes neuronales profundas, los vehículos autónomos pueden predecir distancias en 3D a partir de imágenes en 2D.

Reproducir vídeo   
Leer blog

Visión de cámara en 360 grados

Mira cómo usamos nuestro sistema de seis cámaras para ver 360 grados alrededor del coche y realizar un seguimiento de los objetos a medida que se mueven en el entorno que rodea al vehículo.

Reproducir vídeo
Leer blog

Predicción del futuro con redes neuronales recurrentes

Los vehículos autónomos deben usar métodos computacionales y datos de sensores, como una secuencia de imágenes, para percibir el movimiento de un objeto a lo largo de un período de tiempo.

Reproducir vídeo
Leer blog

Red neuronal profunda de ClearSightNet

La red neuronal profunda de ClearSightNet cuenta con entrenamiento para evaluar la posibilidad de las cámaras de ver claramente y determinar causas de oclusiones, bloqueos y reducciones de visibilidad.

Reproducir vídeo
Leer blog

Red neuronal profunda de WaitNet

Obtén información sobre cómo la red neuronal profunda de WaitNet puede detectar intersecciones sin ayuda de un mapa.

Reproducir vídeo
Leer blog

Ensamblado de percepción de rutas

Este trío de redes neuronales profundas crea y evalúa la confianza para la predicción de la ruta principal y los carriles, así como cambios, divisiones o empalmes de carriles.

Reproducir vídeo
Leer blog

Obtén las novedades de DRIVE Labs directamente en tu bandeja de entrada con el boletín de automoción de NVIDIA.

Suscribirse
Productos y soluciones de automoción
Partners de automoción
Más información