NVIDIA DRIVE ビデオ

NVIDIA DRIVE ソフトウェア チームは常に革新を続け、冗長性と多様性を備えたディープ ニューラル ネットワークを開発し、安全で堅牢な自動運転システムによって産業を変革します。

NVIDIA の最新 AV イノベーションを体験する

プロセスの詳細を見るには、以下のタブを選択してください。

  • NVIDIA DRIVE ラボ
  • NVIDIA DRIVE ディスパッチ

各自動運転アルゴリズムを探る短編ビデオ。

 

確実な認識: AI が自動運転車両のレーダー認識を改善する

AV 認識には、カメラやレーダーなど、多様性を持たせ冗長化したセンサーが必要です。しかしながら、従来の処理方法のみでのレーダー センサーの活用では、十分ではないかもしれません。この DRIVE ラボのビデオでは、AI が移動する物体と静止している物体を区別することで AV 認識を強化し、従来のレーダー信号処理の欠点に対処する方法を紹介します。

 

NVIDIA DRIVE IX AI アルゴリズムが車室内を直観的に認識

この DRIVE ラボ エピソードでは、DRIVE IX がどのようにして運転手の注意、行動、感情、ふるまい、姿勢、発話、ジェスチャー、ムードを認識するかをご覧に入れます。運転手の認識は本プラットフォームの重要な側面です。本 AV システムにより、ドライバーは用心を怠ることなく、道路に注意を向け続けることができます。また、さらに直観的でインテリジェントなコックピット機能を実行できます。

 

ソフトウェア デファインド AI で光源の認識を最適化する

この DRIVE ラボ エピソードでは、ソフトウェア デファインド AI の手法を利用し、光源認識 DNN (ディープ ニューラル ネットワーク) のパフォーマンスと機能性を大幅に高める方法をご紹介します。わずか数週間で認識範囲を拡大したり、分類機能を追加したりできます。

 

すべてにおいて正しい判断を: 自動運転車が先を読むための AI

自動運転車は、AI を活用し、複雑な状況下での交通パターンと安全な操作を予測します。この DRIVE ラボ エピソードでは、NVIDIA の PredictionNet ディープ ニューラル ネットワークが、いかにして他の道路利用者の進む方向を、リアルタイム認識と地図データを利用して予測するかをご紹介します。

 

自動運転車の交差点構造認識を AI で支援

自動運転車が交差点を自律的に扱うには、複雑な課題がいくつも出てきます。以前の DRIVE ラボ シリーズでは、WaitNet DNN を使用して、交差点、信号機、および交通標識を検出する方法についてご紹介しました。また、LightNet および SignNet DNN による信号機の状態や交通標識の分類についても触れました。自動運転車は、毎日の運転でさまざまな交差点構造に遭遇します。このエピソードでは、交差点構造を AI で認識する仕組みを、さらに詳しく紹介します。

 

アクティブ ラーニングで夜間の歩行者検出を改善

アクティブ ラーニングを利用すると、AI が適切なトレーニング データを自動的に選択できるようになります。専用 DNN の集合体が、蓄積した画像フレームの中から、識別の難しいフレームにフラグを付けていきます。これらのフレームはその後、ラベル付けされ、トレーニング データセットに追加されます。このプロセスにより、夜間の歩行者検出など、困難な条件における DNN の認識能力を改善することができます。

 

レーザーによる視覚の強化: マルチビュー LidarNet による優れた見通しの実現

従来の LiDAR データ処理手法には大きな課題がありました。さまざまな種類の物体、シーン、天候条件を検出したり分類したりする能力に問題があり、パフォーマンスや堅牢性も限られていました。NVIDIA のマルチビュー LidarNet ディープ ニューラル ネットワークでは、車両周囲を複数の視野 (ビュー) で捉えることで、これらの Lidar 処理の課題に対処します。

 

今どこにいるのか:自己位置推定による自動運転車の経路認識

自己位置推定は自動運転車の重要な機能であり、マップ内における 3D  (三次元) 位置のほか、3D での車両位置や方向、それらの不確実性も計算します。この DRIVE ラボでは、市販のセンサーや HD マップを使用して高い精度と堅牢性を実現できる NVIDIA の自己位置推定アルゴリズムをご紹介します。

 

AI による路面標識の認識

NVIDIA は LaneNet DNN を高精度 MapNet DNN に進化させました。その仕組みをご紹介します。この進化により、検出クラスが増え、車線に加えて、路面標識や縦長のランドマーク (柱など) も検出できるようになりました。また、エンドツーエンドの検出で車載推測機能が高速化します。

 

道路上の AI: サラウンド カメラ/レーダー フュージョンで自動運転車の死角をなくす

車両の全周囲で物体を検出し、それに反応する機能により、快適で安全な運転体験が可能になります。この DRIVE ラボ ビデオでは、センサー フュージョン パイプラインの重要性について説明します。カメラとレーダーからの入力データを結合することで、周辺認識をより堅牢にしています。

 

ピクセルレベルでパーフェクトな認知: 自動運転システムによるバウンディング ボックス外の理解

非常に複雑な自動運転シナリオでは、自車の周囲の状況をより詳細に理解する必要があります。パノプティック セグメンテーション DNN のアプローチでは、ピクセルレベルの精度で画像コンテンツをセグメント化することにより、よりきめ細やかな結果を得ることができます。

 

 

眩しくて見えない? 対向車のために AI でハイ ビーム制御

ハイ ビーム ライトは、夜間の可視範囲を大幅に拡大できます。 ただし、それは同時に他のドライバーには危険な眩しさになる可能性があります。NVIDIA は、カメラベースのディープ ニューラル ネットワーク (DNN)、AutoHighBeamNet によってハイ ビーム ライト システムを自動制御し、夜間運転時の視認性と安全性を両立させました。

 

 

軌道に乗る: 堅牢な自動運転のための特徴トラッキング

特徴のトラッキング機能は、連続するビデオ フレーム間のピクセルレベルの一致やピクセルレベルでの変化を推定し、オブジェクトの動き/速度の推定、カメラのセルフキャリブレーションや、走行軌跡推定などに重要な、時間的なジオメトリに関する情報を提供します。

 

 

もう駐車場で迷わない、AI があなたの代わりにナビゲート

NVIDIA の ParkNet ディープ ニューラル ネットワークは、さまざまな条件下で空きスペースを検出します。屋内/屋外の両方で、1 本線や 2 本線、 時には消えかかった線で区切られた駐車スペースを認識し、空きスペース、埋まっているスペース、部分的に隠れているスペースも見分けます。

 

 

NVIDIA の自動運転車に試乗

DRIVE ラボ ビデオ シリーズ特別版では、カリフォルニア州サンタクララにある NVIDIA 本社周辺の公道を、NVIDIA DRIVE AV ソフトウェアが認識や自己位置推定、計画/制御という重要な構成要素を組み合わせて自律的に走行している様子をご紹介します。

 

 

AI による標識と信号の分類

NVIDIA DRIVE AV ソフトウェアは、DNN の組み合わせによって、交通標識と信号を分類します。SignNet DNN が標識の種類を識別し、LightNet DNN が信号の形状 (例: 丸か矢印) と状態 (例: 色)を分類する仕組みをご覧ください。

 

 

Safety Force Field で衝突を回避する

NVIDIA の Safety Force Field (SFF) 衝突回避ソフトウェアは、車両の主要な計画および制御システムの動作において独立した監督者として機能します。SFF は、プライマリ システムによって選択された制御をダブルチェックし、それらが安全でないと判断した場合、プライマリ システムの決定を拒否して修正します。

 

 

高精度なレーン検出

ディープ ニューラル ネットワーク (DNN) 処理は、レーン検出のための重要な AI ベースの技術として頭角を現しています。 LaneNet DNN は、ピクセルレベルの精度でレーン検出可能な範囲を広げ、レーン端検出の正確さや、レーン検出の堅牢性を向上させています。

 

 

新しい次元を把握する

1 台のカメラから得た画像データを使用して物体までの距離を計算することは、勾配のある地形では困難を伴うことがあります。 ディープ ニューラル ネットワークを利用して、自律走行車は 2 次元画像から距離を予測することができます。

 

 

カメラによる周囲の認識

6 つのカメラを使用して、どのように車両の周囲 360  度の物体を認識し、その動きをトラッキングしているかをご覧ください。

 

 

RNN を使用した未来の予測

自動運転では、連続した画像などのセンサー データと計算手法を用いて、遅れることなく物体の動きを把握する必要があります。

 

 

ClearSightNet ディープ ニューラル ネットワーク (DNN)

ClearSightNet DNN は、カメラからの視界が明瞭かどうかを評価し、視界の遮蔽や視界の低下があった場合は、その原因を特定できるようにトレーニングされています。

 

WaitNet ディープ ニューラルネット ワーク (DNN)

WaitNet DNN が、地図を使わずに、交差点を検出する仕組みをご覧ください。

 

 

進路認識アンサンブル

異なる3 つの DNN によって、進路や車線の中心線や、レーンの変更、分岐、合流について予測し、その確実さを評価をします。

 

AV フリートの最新情報、新たなブレイクスルー

 

NVIDIA DRIVE ディスパッチ - S1E3

NVIDIA DRIVE ディスパッチのこのエピソードでは、トラフィック モーション エスティメーション、道路標示検出、3D 合成データの可視化などの進歩をご紹介しています。

 

NVIDIA DRIVE ディスパッチ - S1E3

NVIDIA DRIVE ディスパッチのこのエピソードでは、走行可能な進路認識、カメラとレーダーによる自己位置特定、駐車スペースの検出などの進歩をご紹介しています。

 

NVIDIA DRIVE ディスパッチ- S1E4

今回の NVIDIA DRIVE ディスパッチでは、DNN トレーニングを改善するための合成データの進歩、未来の動きを予測するためのレーダーのみの認識、クラウドソースの HD マップのための MapStream 作成などをご紹介します。

 

NVIDIA DRIVE ディスパッチ - S1E3

DepthNet の最新の進化をご覧ください。標識の検出、マルチレーダーの自己運動推定、複数のカメラによる特徴追跡などをご紹介します。

 

NVIDIA DRIVE ディスパッチ - S1E2

駐車場所の検出、ランドマーク検出の 3D 位置測定、自動生成 MyRoute 地図による初の自動運転、道路平面検出を利用したサスペンション推測など、さまざまな進化をご覧ください。

 

NVIDIA DRIVE Dispatch - S1E1

スクーターの分類と回避、信号機の検出、2D 立方体の安定性、カメラ注釈を利用した 3D 空きスペース認識、LiDAR 認識パイプライン、ヘッドライト/テールライト/街灯認識における最新技術をご覧ください。

NVIDIA Automotive ニュースレターにご登録いただくと、DRIVE 関連の最新ビデオをメールで直接お届けします。