NVIDIA DRIVE 랩

오토노머스 자동차 소프트웨어 자세히 알아보기

DRIVE Labs 비디오 시리지는 경로 인식에서부터 교차로 처리에 이르기까지 다양한 자율 주행 문제를 엔지니어링 관점에서 중점적으로 살펴봅니다. 이러한 짧은 동영상은 NVIDIA DRIVE AV 소프트웨어 팀이 안전하고 강력한 자율 주행 시스템을 어떻게 만들어 내는지 보여줍니다.

NVIDIA의 자율주행 자동차 타기

이번 스페셜 에디션 버전의 DRIVE Labs 에피소드는 NVIDIA DRIVE AV 소프트웨어가 캘리포니아주 산타클라라에 위치한 본사 사무실 주변의 공공 도로에서 자율 주행을 하기 위해 어떻게 인식, 현지화 및 계획, 그리고 컨트롤 등 필수 구성 요소들을 결합하였는지 소개합니다.

충돌 위험을 없애는 Safety Force Field

NVIDIA의 Safety Force Field (SFF) 충돌 방지 소프트웨어는 자동차의 기본적인 계획과 제어 시스템에 대한 독립적인 감독관 역활을 합니다. SFF는 기본 시스템에서 선택한 컨트롤을 이중 검사하고 안전하지 않은 것으로 판단되면 기본 시스템의 결정을 거부하고 수정합니다.

새로운 디멘션 인식

단일 카메라의 이미지 데이터를 사용하여 물체까지의 거리를 계산하면 언덕이 많은 지형에서 문제가 발생할 수 있습니다. 딥 뉴럴 네트워크의 도움으로 자율 주행 자동차은 2D 이미지만으로 3D 거리를 예측할 수 있습니다.

서라운드 카메라 인식

Nvidia가 6가지 카메라 설정을 사용하여 차량 주변을 360도로 확인하고 서라운딩 환경에서 움직이는 개체를 추적하는 방법을 확인하십시오.

RNN을 통한 미래 예측

자율주행 자동차는 개체가 실시간으로 어떻게 움직이는지 파악하기 위해 컴퓨팅 방법과 센서 데이터(예: 일련의 이미지)를 사용해야 합니다. 

ClearSightNet 딥 뉴럴 네트워크

ClearSightNet DNN은 카메라가 오클루젼, 방해 및 가시성 감소의 원인을 명확하게 확인하고 파악할 수 있는지 평가하도록 트레이닝됩니다.

WaitNet 딥 뉴럴 네트워크

WaitNet DNN이 맵을 사용하지 않고 어떻게 교차로를 감지할 수 있는지 확인하세요.

경로 인식 앙상블

이 DNN 트리오는 중심 경로 및 차선 경계 예측뿐만 아니라 차선 변경/분할/병합에 대한 신뢰를 구축하고 평가합니다.

NVIDIA 오토모티브 뉴스레터로 최신 DRIVE Labs를 구독하세요.