NVIDIA DRIVE チームは、常に革新を続け、業界を変革するエンドツーエンドの自動運転ソリューションを開発しています。
以下のタブを選択して、プロセスの詳細をご覧ください。
自動運転車の技術の構築要素を紹介する短編ビデオ。
DRIVE ラボの今回のエピソードでは、NVIDIA が提供する 3 つの重要な進歩について説明します。テキストからシミュレーションへ変換する生成 AI などを使用して、現実的な環境を作成し、自然な運転行動を生成します。その結果得られた、シナリオを編集して、厳格な AV の評価とトレーニングを実現します。
NVIDIA のエンドツーエンドのドライブ モデルは、検出、追跡、予測、計画を最小限の設計で単一のネットワークに組み合わせます。計画入力は、センサー データから生成された鳥瞰的な図機能マップから直接行われます。
新しい環境、習慣、法律に適応することは、自動運転の長年の課題です。LLaDA (Large Language Driving Assistant) は、人間の運転手と自動運転車両の両方に、異なる言語で地域の交通ルールに関するリアルタイムのガイダンスを提供することにより、慣れない場所をナビゲートすることが容易になる LLM ネットワークです。
自動運転車のシミュレーションは、現実世界を正確に再現できる場合にのみ有効です。シナリオがよりダイナミックで複雑になるにつれて、忠実度の必要性は増し、実現がより困難になります。このエピソードでは、ダイナミックな運転シナリオを再構築する方法である EmerNeRF について学びます。
自動車メーカーによる自社の車両への自動運転の導入が進むにつれ、自動運転技術をさまざまなタイプの車両に広げる際に、課題が出てくることがあります。今回の NVIDIA DRIVE ラボでは、ビューポイントの堅牢性について説明し、最近の進歩がダイナミック ビュー合成を利用したソリューションを提供する方法を探ります。
HALP (Hardware-Aware Latency Pruning) は、畳み込みニューラルネットワーク (CNN) と Transformer ベースのアーキテクチャをリアルタイムのパフォーマンスに適応させるために設計された新しい方法です。このビデオでは、HALP が事前訓練されたモデルを最適化して、コンピューティングの利用率を最大化する方法について説明します。
「3D 占有予測」の概念は、安全で堅牢な自動運転システムの開発に不可欠です。このエピソードでは、従来の鳥瞰図によるアプローチを超えて、CVPR 2023 の 3D Occupancy Prediction Challenge で優勝した NVIDIA の 3D 認識技術をご紹介します。
EGF (Early Grid Fusion) は、自動駐車アシストの近距離障害物回避を強化する新技術です。EGF は、機械学習カメラと超音波センサーを組み合わせて、周囲の障害物を正確に検知し、360 度のサラウンド ビューを提供します。
正確な環境認識は、特に目に見えない状況に対処する場合、自動運転車 (AV) の安全性にとって非常に重要です。DRIVE ラボの今回のエピソードでは、高い効率性を維持しながら堅牢なセマンティック セグメンテーションを生成する、SegFormer と呼ばれる Vision Transformer モデルについて説明します。このビデオでは、SegFormer の堅牢性と効率性を実現する背後にあるメカニズムをご紹介します。
新たなブレイクスルーに着目した AV フリートの最新情報。
NVIDIA DRIVE ディスパッチの最新版で、PredictionNet と同様に単一ドライブから 4D 再構成を生成する方法と、自動運転車アプリケーションにおける道路エージェントの将来の挙動や軌道を予測するために使用可能なディープ ニューラル ネットワーク (DNN) についてご覧ください。また、NVIDIA DRIVE Sim による新車評価プログラム (NCAP) のテストも見ていきます。
NVIDIA DRIVE による自動運転車の認識の最新技術をご覧ください。今回のディスパッチでは、駐車場などの低速エリアで周囲の物体の高さを超音波センサーで検知しています。RadarNet DNN は運転可能な空きスペースを検出し、Stereo Depth DNN は環境ジオメトリを推定します。
DRIVE ディスパッチがシーズン 2 として復活しました。このエピソードでは、エンドツーエンドのレーダー DNN ベースのクラスタリング、Real2Sim、ドライバーと乗員のモニタリングなどの進化をご紹介します。
NVIDIA DRIVE ディスパッチのこのエピソードでは、トラフィック モーション予測、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ます。
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ます。
NVIDIA DRIVE ディスパッチのこのエピソードでは、DNN トレーニングの改善、未来の動きを予測するレーダーのみを使った認識、クラウドソースの HD マップのための MapStream 作成など、合成データの進歩をご紹介します。
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。
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。
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 関連の最新ビデオ情報をメールで直接お届けします。