NVIDIA DRIVE Labs

Un vistazo al software de los vehículos autónomos

La serie de videos sobre DRIVE Labs analiza en detalle la ingeniería para resolver los desafíos de la conducción autónoma, desde la percepción de los caminos hasta el recorrido de intersecciones. Estos cortos ilustran la forma en que el equipo de software de NVIDIA DRIVE™ AV crea sistemas seguros y robustos de conducción autónoma.

 

Todos los Movimientos Correctos: La IA Ayuda a los Automóviles de Conducción Autónoma a Predecir el Futuro

Los automóviles de conducción autónoma confían en la IA para anticipar los patrones de tráfico y maniobrar de forma segura en un entorno complejo. En este episodio sobre DRIVE Labs, demostramos la forma en que la red neuronal profunda PredictionNet puede predecir los caminos futuros de otros usuarios del camino mediante datos de mapas y la percepción en vivo.

 

La IA Ayuda a que los Vehículos Autónomos Comprendan las Estructuras de las Intersecciones

El manejo de intersecciones de manera autónoma presenta un conjunto complejo de desafíos para los automóviles de conducción autónoma. Anteriormente en la serie DRIVE Labs, demostramos cómo detectamos intersecciones, semáforos y señales de tránsito con WaitNet DNN. Además, cómo clasificamos el estado del semáforo y el tipo de señal de tráfico con las DNN de LightNet y SignNet. En este episodio, vamos más allá para mostrar cómo NVIDIA usa la AI para percibir las diversas estructuras de intersección que un vehículo autónomo podría encontrar en un viaje diario.

 

El Aprendizaje Activo Mejora la Detección de Peatones a la Noche

El aprendizaje activo permite que la IA elija automáticamente los datos indicados para el entrenamiento. Un conjunto de DNN dedicadas analiza un grupo de cuadros de imágenes y selecciona aquellos que pueden resultar confusos. Esos cuadros se etiquetan y se agregan al conjunto de datos de entrenamiento. Este proceso puede mejorar la percepción de las DNN en condiciones difíciles, como la detección de peatones a la noche.

 

Precisión Láser: La red LidarNet de Vistas Múltiples Ofrece una Detallada Perspectiva a los Automóviles de Conducción Autónoma

Los métodos tradicionales para procesar datos de los lidares presentan desafíos importantes, como la capacidad de detectar y clasificar diferentes tipos de objetos, escenas y condiciones climáticas, así como limitaciones en el rendimiento y la solidez. Nuestra red neuronal profunda LidarNet de vistas múltiples utiliza diversas perspectivas o vistas de la escena alrededor del automóvil para abordar estos desafíos de procesamiento de lidares.

 

¿Perdido en el Espacio? La Localización Ayuda a los Autos Autónomos a Encontrar Su Camino

La localización es una capacidad crítica para los vehículos autónomos, ya que calcula su ubicación tridimensional (3D) dentro de un mapa, incluida la posición 3D, la orientación 3D y cualquier incertidumbre en estos valores de posición y orientación. En este DRIVE Labs, mostramos cómo nuestros algoritmos de localización permiten lograr una alta precisión y robustez gracias a los sensores para mercados masivos y mapas HD.

 

La IA Lee las Señales en el Camino

Evolucionamos nuestra DNN LaneNet para convertirla en la DNN MapNet de alta precisión. Esta evolución incluye un aumento en las clases de detección para cubrir también las marcas viales y los puntos de referencia verticales (por ejemplo, postes) además de la detección de líneas de carril. También aprovecha la detección integral que proporciona una inferencia más rápida en el automóvil.

 

IA en el Camino: La Fusión de Radares de Cámaras Envolventes Elimina los Puntos Ciegos de los Automóviles de Conducción Autónoma

La capacidad de detectar y reaccionar a objetos que se encuentran alrededor de todo el vehículo permite ofrecer una experiencia de conducción cómoda y segura. En este video de DRIVE Labs, explicamos por qué es esencial tener un proceso de fusión de sensores que pueda combinar las entradas de cámaras y de radares para lograr una sólida percepción envolvente.

 

Percepción Perfecta de Píxeles: La IA Ayuda a los Vehículos Autónomos a ver Todo el Panorama

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

 

¿Cegado por la Luz? La IA Evita el Deslumbramiento por las Luces Altas para Otros Vehículos

Las luces altas pueden aumentar significativamente el rango de visibilidad nocturna de los faros comunes; sin embargo, pueden encandilar a otros conductores. Hemos entrenado una red neuronal profunda (DNN) con datos de cámaras, llamada AutoHighBeamNet, para generar automáticamente información que controla el sistema de luz alta del vehículo, lo que aumenta la visibilidad y la seguridad de la conducción nocturna.

 

Por El Camino Correcto: El Seguimiento de Características Permite una Conducción Autónoma Robusta

El seguimiento de características estima las correspondencias a nivel de píxel y los cambios a nivel de píxel entre los cuadros de video adyacentes, lo que proporciona información crítica temporal y geométrica para estimar el movimiento y la velocidad de los objetos, autocalibrar la cámara y determinar la odometría visual.

 

¿Estás Buscando un Lugar para Estacionar? La IA te Puede Ayudar

Nuestra red neuronal profunda ParkNet puede detectar un lugar de estacionamiento disponible según una variedad de condiciones. Observa cómo maniobra en los espacios interiores y exteriores, separados por marcas de carriles simples, dobles o degradadas, y cómo diferencia entre los espacios ocupados, desocupados y parcialmente oscurecidos.

 

Viaje en el Automóvil de Conducción Autónoma de NVIDIA

Esta edición especial del episodio de DRIVE Labs muestra cómo el software NVIDIA DRIVE AV combina los componentes fundamentales de percepción, localización y planificación/control para conducir de forma autónoma en las vías públicas alrededor de nuestra sede en Santa Clara, California.

 

Clasificación de Señales de Tráfico y Semáforos con la IA

El software NVIDIA DRIVE AV utiliza una combinación de DNN para clasificar las señales de tráfico y las luces. Observe cómo nuestro LightNet DNN clasifica la forma del semáforo (por ejemplo, figura sólida o flecha) y el estado (es decir, el color), mientras que SignNet DNN identifica el tipo de señal de tráfico.

 

Eliminar Choques con Safety Force Field

Nuestro software de prevención de choques Safety Force Field (SFF) actúa como un supervisor independiente de las acciones del sistema primario de planificación y control del vehículo. SFF verifica dos veces los controles elegidos por el sistema primario y, si los considera inseguros, anulará y corregirá la decisión del sistema primario.

 

Detección de Carriles de Alta Precisión

El procesamiento de las redes neuronales profundas (DNN) se ha convertido en una importante técnica basada en IA para la detección de carriles. Nuestra DNN LaneNet aumenta el rango y la robustez de la detección de carriles, junto con la recuperación de bordes de carril, con una precisión de píxeles.

 

Percibir una Nueva Dimensión

Calcular la distancia a los objetos utilizando datos de imágenes de una sola cámara puede crear desafíos cuando se trata de un terreno montañoso. Con la ayuda de las redes neuronales profundas, los vehículos autónomos pueden predecir distancias 3D a partir de imágenes 2D.

 

Visión de Cámara Envolvente

Conoce la forma en que usamos nuestra configuración de seis cámaras para ver 360 grados alrededor del automóvil y rastrear los objetos a medida que se mueven en el entorno.

 

Predecir el Futuro con las RNN

Los vehículos autónomos deben usar métodos de procesamiento y datos de sensores, como una secuencia de imágenes, para descubrir cómo se mueve un objeto en el tiempo.

 

Red Neuronal Profunda ClearSightNet

La DNN ClearSightNet está capacitada para evaluar la habilidad de las cámaras para ver con claridad y determinar las causas de oclusiones, bloqueos y reducciones en la visibilidad.

 

Red Neuronal Profunda WaitNet

Conoce la forma en que la DNN WaitNet puede detectar intersecciones sin usar un mapa.

 
 

Conjunto para la Percepción de Caminos

Este trío de DNN crea y evalúa la confianza para las predicciones de la ruta central y las líneas de carriles, así como los cambios, divisiones y combinaciones de carriles.

Recibe las últimas entregas de DRIVE Labs directamente en tu bandeja de entrada con el boletín sobre la industria automotriz de NVIDIA.