VIDÉOS NVIDIA DRIVE

Découvrez nos dernières innovations pour la conduite autonome.

Tournée vers l’innovation, l’équipe NVIDIA DRIVE développe des solutions logicielles basées sur des réseaux de neurones profonds redondants et diversifiés visant à optimiser les systèmes de conduite autonome qui révolutionnent l’industrie automobile.

Découvrez nos dernières innovations pour la conduite autonome.

Sélectionnez l’une des deux séries de vidéos ci-dessous pour en savoir plus.

  • NVIDIA DRIVE Labs
  • NVIDIA DRIVE Dispatch

Vidéos de courte durée mettant en exergue des algorithmes spécifiques pour la conduite autonome.

 

Les algorithmes d'IA de NVIDIA DRIVE IX permettent une perception intuitive au sein de l’habitacle

Dans cet épisode de la série DRIVE Labs, découvrez comment le kit de développement DRIVE IX permet de percevoir le niveau d'attention du conducteur ainsi que son activité, ses émotions, son comportement, sa posture, ses paroles, ses gestes et son humeur. La perception du conducteur est un aspect crucial de la plateforme qui permet aux systèmes de conduite autonome de s’assurer qu’un pilote reste vigilant et porte une attention suffisante à l'environnement routier. Cette technique permet également au système d'IA d’exécuter des fonctions relatives au cockpit beaucoup plus intuitives et intelligentes.

 

Optimisation de la perception des sources lumineuses avec l’IA définie par logiciel

Dans cet épisode de la série DRIVE Labs, nous vous présentons comment des techniques d’IA définies par logiciel peuvent être utilisées pour améliorer, de manière significative et en quelques semaines seulement, les performances et la fonctionnalité de notre réseau de neurones profonds (DNN) pour la perception des sources lumineuses - de manière à augmenter sa portée, à y intégrer des capacités avancées de classification et bien plus encore.

 

Découvrez comment l’IA permet aux véhicules autonomes d’anticiper le futur immédiat

Les véhicules autonomes s’appuient sur l’IA pour prévoir les flux de trafic et manœuvrer en toute sécurité dans un environnement complexe. Dans ce nouvel épisode de la série de vidéos DRIVE Labs, nous vous expliquons comment le réseau de neurones profonds PredictionNet peut anticiper les itinéraires des autres usagers de la route en utilisant des techniques de perception en direct et de cartographie.

 

Comment l’IA aide les véhicules autonomes à mieux percevoir les structures d'intersection

La gestion autonome des intersections implique un ensemble de défis complexes pour les voitures sans conducteur. Au cours de précédents épisodes de la série de vidéos DRIVE Labs, nous avons vu comment il était possible de détecter des intersections, des feux de circulation et des panneaux routiers grâce au DNN WaitNet, mais aussi de classifier des états de feux de circulation et des types de panneaux routiers avec les DNN LightNet et SignNet. Dans cet épisode, nous vous proposons d’aller encore plus loin en vous expliquant comment NVIDIA utilise l’IA pour mieux percevoir les différentes structures d’intersection qu’un véhicule autonome peut rencontrer chaque jour.

 

Les techniques d’apprentissage actif optimisent la détection nocturne des piétons

L’apprentissage actif permet à l’IA de choisir automatiquement les données d’entraînement appropriées. Un groupe de DNN dédiés commence par analyser un ensemble complet de trames, en signalant les images qu’il estime confuses. Ces trames sont ensuite étiquetées par un opérateur humain et ajoutées au jeu de données d’entraînement. Ce processus peut améliorer la perception DNN dans des situations spécifiques et difficiles, telles que la détection nocturne des piétons.

 

Le réseau multi-vues LidarNet à technologie laser offre de nouvelles perspectives aux véhicules autonomes

Les méthodes traditionnelles de traitement des données lidar peuvent poser d’importants problèmes, notamment en ce qui concerne notre capacité à détecter et à classer différents types d’objets, de scènes ou de conditions climatiques. Elles peuvent également impacter le niveau de performance et de robustesse. Notre réseau de neurones profonds multi-vues LidarNet met en œuvre de multiples perspectives (ou "vues") de chaque scène autour du véhicule pour répondre plus efficacement à ces défis de traitement.

 

Perdus dans l’espace ? La localisation aide les véhicules autonomes à s’orienter

La localisation est une fonctionnalité essentielle des véhicules autonomes, qui peuvent ainsi calculer leur position en trois dimensions (3D) sur une carte avec des informations précises sur leur position 3D, l’orientation 3D et les éventuelles incertitudes relatives aux valeurs de position et d’orientation. Dans cette nouvelle vidéo DRIVE Labs, nous vous présentons comment les algorithmes de localisation permettent de garantir une précision et une robustesse élevées grâce à des capteurs produits à grande échelle et des systèmes de cartes HD.

 

Découvrez comment l’IA lit les inscriptions sur la route

Découvrez comment nous avons fait évoluer notre réseau LaneNet en un réseau MapNet à haute précision. Cette évolution repose sur une optimisation des classes de détection afin de prendre en charge les inscriptions routières et les points de repère verticaux (comme les poteaux), à laquelle s’ajoute une détection avancée des voies de conduite. MapNet exploite également la détection de bout en bout, qui permet d’accélérer les inférences embarquées.

 

L’IA sur la route : la fusion des données panoramiques de caméra et de radar élimine les angles morts pour les véhicules autonomes

La capacité à détecter les objets autour du véhicule et à y réagir permet de fournir une expérience de conduite confortable et sûre. Dans cette nouvelle vidéo DRIVE Labs, nous vous expliquons pourquoi il est essentiel de disposer d’un pipeline de fusion de capteurs capable de combiner les données d’entrée des caméras et des radars pour mettre en œuvre une perception panoramique d’une grande fiabilité.

Mises à jour présentant de nouvelles innovations technologiques relatives à notre flotte de véhicules autonomes.

 

NVIDIA DRIVE Dispatch - S1E4

Dans ce nouvel épisode de NVIDIA DRIVE Dispatch, nous vous présentons les dernières avancées technologiques relatives aux données synthétiques qui permettent d’améliorer l’entraînement des réseaux de neurones profonds, les nouvelles applications de la perception radar pour prévoir l’anticipation des mouvements, la mise en œuvre de MapStream pour la cartographie HD en crowdsourcing, et bien plus encore.

 

NVIDIA DRIVE Dispatch - S1E3

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.

 

NVIDIA DRIVE Dispatch - S1E2

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.

 

NVIDIA DRIVE Dispatch - S1E1

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 actualités de DRIVE Labs directement dans votre boîte de réception avec la newsletter de NVIDIA pour l’automobile.