Sécurité des robotaxis et des véhicules autonomes

Fournit des outils et des directives pour créer un dossier de sécurité crédible, de l’ADAS de niveau 2 aux robots-taxis de niveau 4, en s’appuyant sur plus de 330 articles de recherche et plus de 1 000 brevets déposés dans NVIDIA Halos.

Des évaluations complètes avec des métriques en boucle ouverte, une simulation en boucle fermée et des tests de véhicules réels démontrent qu'Alpamayo 1 est à la pointe de la technologie à de nombreux égards (notamment le raisonnement, la génération de trajectoires, l'alignement, la sécurité, la latence et bien plus encore).

La collecte et l'annotation de données réelles pour les systèmes d'IA physique critiques pour la sécurité, tels que les véhicules autonomes (AV), sont longues et coûteuses. Pour relever ce défi, nous présentons Cosmos-Drive-Dreams, un pipeline de génération de données synthétiques (SDG) permettant de générer des scénarios complexes afin de faciliter les tâches en aval telles que la perception et l'entraînement de politiques de conduite.

La sécurité reste un défi fondamental dans le domaine de la conduite autonome, l'une des étapes clés étant le développement d'un évaluateur de sécurité capable d'identifier de manière fiable les scénarios dangereux (c'est-à-dire susceptibles d'entraîner une collision).

HydraSafe est un framework qui relève le défi consistant à garantir la sécurité des véhicules autonomes dans les scénarios dangereux en améliorant la disponibilité des données et la robustesse des planificateurs.

L'avènement des piles d'autonomie de bout en bout, qui manquent souvent de modules intermédiaires interprétables, a accru la difficulté de garantir la sécurité du résultat final, c'est-à-dire le plan de mouvement, afin de valider la sécurité de l'ensemble de la pile.