Sélectionnez l’onglet ci-dessous pour en savoir plus.
L’équipe NVIDIA DRIVE, qui innove constamment, développe des solutions de conduite autonome de bout en bout qui transforment toute l’industrie.
Sélectionnez l’onglet ci-dessous pour en savoir plus.
Vidéos de courte durée mettant en exergue des algorithmes spécifiques pour la conduite autonome.
Ce nouvel épisode de DRIVE Labs dévoile les innovations de NVIDIA qui contribuent à améliorer la conduite sans cartes en supprimant les goulets d'étranglement en matière d'informations, en améliorant la précision des tâches et en accélérant les délais d'entraînement et d'inférence des modèles.
Dans cette vidéo, nous vous expliquons comment notre classificateur rapide d'anomalies surpasse le raisonnement autorégressif en exploitant des modèles GPT de pointe, même lorsqu'il est instancié avec des modèles de langage relativement petits. Cela permet à notre moniteur d'exécution d'améliorer la fiabilité des systèmes robotiques dynamiques, tels que les quadrirotors ou les véhicules autonomes, en respectant des contraintes de ressources et de temps.
Dans cet épisode de DRIVE Labs, nous évoquons trois avancées-clés de NVIDIA exploitant l’IA générative (par exemple avec des modèles de type texte-vers-simulation) de manière à créer des environnements réalistes et à générer des comportements de conduite naturels, mais aussi à modifier les scénarios qui en résultent afin de permettre une évaluation et un entraînement rigoureux des véhicules autonomes.
Le modèle de conduite de bout en bout par NVIDIA combine la détection, le suivi, la prédiction et la planification en un seul réseau à la conception minimaliste. Les données d'entrée pour la planification proviennent directement de la vue d’ensemble d’une carte de caractéristiques générée à partir des données de capteurs.
L'addaptation des comportements de conduite à des environnements et codes de la route inédits est un défi à long terme pour la conduite autonome. LLaDA (Large Language Driving Assistant) est un réseau LLM facilitant la navigation dans des lieux inconnus grâce à des conseils en temps réel sur les règles de circulation régionales dans différentes langues, à la fois pour les conducteurs humains et les véhicules autonomes.
La simulation de véhicules autonomes n'est efficace que si elle peut reproduire avec précision les conditions du monde réel. Les besoins en fidélité augmentent et deviennent de plus en plus difficiles à atteindre à mesure que les scénarios deviennent plus dynamiques et complexes. Dans cet épisode, nous vous invitons à découvrir EmerNeRF, une méthode dédiée à la reconstruction des scénarios de conduite dynamique.
Alors que les constructeurs automobiles intègrent l’autonomie dans leurs flottes, des défis peuvent émerger avec l’extension de la technologie des véhicules autonomes à différents types de véhicules. Dans cette édition de NVIDIA DRIVE Labs, nous nous intéressons à la fiabilité des points de vue et découvrons comment les avancées récentes offrent une solution utilisant la synthèse de visualisation dynamique.
HALP (Hardware-Aware Latency Pruning), est une nouvelle méthode conçue pour adapter les réseaux de neurones convolutifs (CNN) et les architectures basées sur des transformateurs pour favoriser des performances en temps réel. Dans cette vidéo, découvrez comment HALP optimise les modèles pré-entraînés pour maximiser l’utilisation du calcul.
Le concept de "prédiction de l’occupation 3D" est essentiel au développement de systèmes de conduite autonome sûrs et fiables. Dans cet épisode, nous dépassons l’approche traditionnelle de la vue d’ensemble pour présenter la technologie de perception 3D de NVIDIA, qui a remporté le défi "prédiction de l’occupation 3D" de la conférence CVPR 2023.
Brèves mises à jour présentant de nouvelles innovations relatives à notre flotte de véhicules autonomes.
Dans cette nouvelle édition de NVIDIA DRIVE Dispatch, découvrez comment générer une reconstruction 4D à partir d’un seul lecteur ainsi que PredictionNet, un réseau de neurones profonds (DNN) pouvant être utilisé pour prévoir le comportement et les trajectoires futurs des agents routiers dans les applications pour véhicules autonomes. Nous examinons également les tests du programme de certification NCAP (New Car Assessment Program) avec NVIDIA DRIVE Sim.
Découvrez les dernières avancées de NVIDIA DRIVE en matière de perception pour les véhicules autonomes. Dans ce nouvel épisode, nous utilisons des capteurs ultrasoniques pour mesurer la hauteur des objets environnants dans des zones à vitesse réduite telles que les parkings. Le DNN RadarNet détecte les espaces libres au sein desquels il est possible de manœuvrer, tandis que le DNN Stereo Depth évalue la géométrie de l’environnement.
Découvrez la saison 2 de DRIVE Dispatch. Dans cet épisode, nous vous présentons les avancées majeures pour les réseaux de radars de bout en bout basés sur les DNN, les techniques Real2Sim, la surveillance du conducteur et des passagers, et bien plus encore.
Dans cet épisode de NVIDIA DRIVE Dispatch, nous vous présentons de nouvelles innovations en matière de prévision du trafic, de détection du marquage routier, de visualisation des données synthétiques 3D et bien plus encore.
Dans cet épisode de la série NVIDIA DRIVE Dispatch, nous vous présentons les dernières avancées en matière de perception des trajectoires, de localisation des caméras et des radars, de détection des places de stationnement et bien plus encore.
Dans cet épisode de NVIDIA DRIVE Dispatch, nous vous présentons les dernières avancées technologiques relatives aux données synthétiques permettant d’améliorer l’entraînement des réseaux de neurones profonds, les nouvelles applications de la perception radar pour l’anticipation des mouvements, la mise en œuvre de MapStream pour la cartographie HD en crowdsourcing, et bien plus encore.
Découvrez les dernières avancées de DepthNet et de nouvelles innovations relatives à la détection du marquage routier, à l’estimation de l’auto-déplacement multi-radars, au suivi des caractéristiques inter-caméras, et bien plus encore.
Prenez connaissance des progrès réalisés pour la détection des places de stationnement, la localisation 3D des points de repère et l’estimation des interruptions, et découvrez notre premier système de conduite autonome basé sur une carte MyRoute et un plan de route générés automatiquement.
Découvrez les progrès relatifs à la classification et à l’évitement des scooters, à la détection des feux de circulation, à la stabilité cuboïde 2D, à la génération d’espaces 3D à partir d’annotations de caméra, à notre pipeline de perception par modules de télédétection et aux techniques de perception des phares, des feux arrière et de l’éclairage routier.
Recevez les dernières vidéos DRIVE directement dans votre boîte de réception avec la newsletter de NVIDIA pour l’automobile.