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.

IA en la carretera: la fusión de radar y cámara envolvente elimina los puntos ciegos para los coches autónomos

La capacidad de detectar y reaccionar a los objetos alrededor del vehículo permite ofrecer una experiencia de conducción cómoda y segura. En este vídeo de DRIVE Labs, explicamos por qué es esencial tener una tubería de fusión de sensores que pueda combinar entradas de cámara y radar para una percepción envolvente robusta.

Percepción perfecta de píxeles: cómo la IA ayuda a los vehículos autónomos a ver fuera de la caja

Para escenarios de conducción muy complejos, es útil que el sistema de percepción del vehículo autónomo proporcione una comprensión más detallada de su entorno. Con nuestro enfoque DNN de segmentación panóptica, podemos obtener resultados detallados segmentando el contenido de la imagen con precisión a nivel de píxel.

¿Cegado por la Luz? Cómo la IA evita el deslumbramiento de haz alto para otros vehículos

Las luces de haz alto pueden aumentar significativamente el rango de visibilidad nocturna de los faros delanteros estándar; sin embargo, pueden crear deslumbramiento peligroso a otros conductores. Hemos entrenado una red neuronal profunda (DNN) basada en cámara, llamada AutoHighBeamNet, para generar automáticamente salidas de control para el sistema de luz de haz alto del vehículo, aumentando la visibilidad y la seguridad de la conducción nocturna.

Right On Track: Seguimiento de características para una conducción automática fiable

El seguimiento de características calcula las correspondencias a nivel de píxel y los cambios a nivel de píxel entre fotogramas de vídeo adyacentes, proporcionando información temporal y geométrica crítica para la estimación de movimiento/velocidad de objetos, autocalibración de la cámara y odometría visual.

¿Buscas aparcamiento? La IA lo hace por ti

La red neuronal profunda de ParkNet puede detectar un aparcamiento libre de acuerdo con una serie de condiciones. Descubre cómo se desenvuelve tanto en espacios interiores como exteriores, separados por marcas de carril simples, dobles o descoloridas, así como diferencia entre aparcamientos ocupados, libres y parcialmente escondidos.

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).

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.

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.

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.

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.

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.

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.

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.

Red neuronal profunda de WaitNet

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

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.

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