Simulation de véhicules autonomes
Découvrez la simulation de capteurs haute fidélité et diversifiée pour un développement sécurisé de véhicules autonomes.
Charges de travail
Simulation / Modélisation / Conception
Industries
Automobile et transport
Objectifs commerciaux
Retour sur investissement,
réduction des risques
Produits
NVIDIA Omniverse Enterprise
NVIDIA OVX
NVIDIA DGX
Aperçu
Simuler des véhicules autonomes avec un niveau de fidélité élevé est plus important que jamais
Le développement de véhicules autonomes (AV) nécessite de grandes quantités de données d'entraînement qui reflètent la diversité réelle à laquelle ils seront confrontés sur la route. La simulation de capteurs relève ce défi en rendant les données de capteurs physiquement précises dans des environnements virtuels. Une fois conditionnés sur ces lois physiques, les modèles de fondation de monde (WFM) ajoutent des variations à la simulation de capteurs, en amplifiant l'éclairage, la météo, les géolocalisations, et bien plus encore. Grâce à ces capacités, vous pouvez entraîner, tester et valider les véhicules autonomes à grande échelle sans avoir à vous confronter aux scénarios rares et dangereux du monde réel. La précision et la diversité des données des capteurs et des interactions environnementales sont cruciales pour développer l'IA physique.
Pourquoi la simulation de véhicules autonomes est importante :
Sécurité
Procéder au rendu de diverses situations de conduite, comme des conditions météorologiques défavorables, des changements de trafic et des scénarios rares ou dangereux, sans avoir à les affronter dans le monde réel.
Rentabilité
Accélérez le développement et réduisez la dépendance à des flottes de collecte de données coûteuses en générant des données pour répondre aux besoins des modèles.
Évolutivité et flexibilité
Déployez une flotte virtuelle pour configurer de nouveaux capteurs et de nouvelles piles avant le prototypage physique.
Liens rapides :
Implémentation technique
Exécution évolutive de simulations de VA physiquement précises
Les développeurs peuvent commencer à créer des pipelines de simulation AV en suivant les étapes suivantes.
Reconstruisez des données réelles dans des jumeaux numériques et diversifiez les variations des données.
NVIDIA NuRec fournit des API et des outils pour la reconstruction neuronale et le rendu, permettant aux développeurs de transformer leurs données de capteurs en jumeaux numériques 3D haute fidélité, de simuler de nouveaux événements et de procéder au rendu de jeux de données sous de nouvelles perspectives.
Cosmos Transfer-1 est conditionné à partir de ground truth et d'entrées de données structurées pour générer de nouveaux éclairages, de nouvelles conditions météorologiques et de nouveaux terrains, afin de transformer un seul scénario de conduite en centaines. Les développeurs peuvent utiliser une invite et des données de capteurs comme entrées pour générer différentes variantes d'une scène existante.
NuRec et Cosmos Transfer-1 sont intégrés à CARLA, l'un des principaux simulateurs de véhicules autonomes open source. Cette intégration permet aux développeurs de générer des données de capteurs à partir de reconstructions basées sur des gaussiennes à l'aide du ray tracing et d'augmenter la diversité de scénarios avec les modèles de fondation de monde (WFM) Cosmos.
Grâce à ces outils, les développeurs peuvent :
- Simuler de nouvelles trajectoires et vues de caméra dans des scènes reconstruites
- Utiliser les Interfaces de Programmation d'Applications (API) et les modèles de trafic de CARLA pour créer des scénarios variés et réalistes
- Tirer parti de modèles d'agents comportementaux tels que ITRA et Foretellix pour le trafic et la diversité comportementale avancés
L'intégration inclut un pack de démarrage de scènes pré-reconstruites, permettant de créer rapidement des jeux de données de cas limites pour le développement de véhicules autonomes.
Générez divers scénarios avec des modèles de fondation de monde
Les développeurs peuvent utiliser le dernier modèle de fondation du monde NVIDIA Cosmos Predict-2 pour améliorer le développement de véhicules autonomes grâce à une génération de données synthétiques plus rapide et plus évolutive. La WFM existe en deux variantes :
- Predict2-2B : optimisé pour la vitesse et une faible utilisation de la mémoire
- Predict2-14B : sorties haute fidélité pour la compréhension de scènes complexes et la cohérence temporelle.
Cosmos Predict-2 permet aux développeurs de générer une image de départ à partir d'une invite de texte, puis d'utiliser cette image pour conditionner des séquences vidéo plus longues, afin d'accélérer la conception de scénarios. Le modèle est facilement post-entraîné sur des environnements, des tâches ou des systèmes de caméras spécifiques à l'aide de données et d'outils AV organisés, ce qui permet de générer des sorties personnalisées pour différents cas d'utilisation.
L'architecture basée sur la diffusion de Predict-2 permet la génération de texte en image et de vidéo en environnement, en équilibrant vitesse et réalisme pour une conception de scénarios à grande échelle.
Liens rapides
Partenaires
Écosystème de partenaires de simulation de véhicules autonomes
Découvrez comment nos partenaires fournissent des simulations basées sur la physique pour développer des véhicules autonomes sécurisés et efficaces.
Actualités
Cas d'utilisation et démos
