VÍDEOS DA SÉRIE NVIDIA DRIVE

Veja as Inovações Mais Atuais em Veículos Autônomos. 

A equipe de Software do NVIDIA DRIVE está sempre inovando, desenvolvendo redes neurais profundas redundantes e diversas para sistemas autônomos seguros e eficientes que estão transformando o setor.

Para saber mais informações sobre o processo:

NVIDIA DRIVE Labs

Vídeos curtos que explicam algoritmos específicos de condução autônoma.

NVIDIA DRIVE Dispatch

Atualizações rápidas da frota de automóveis autônomos, destacando as inovações mais recentes.

DRIVE Labs

 

Algoritmos de AI do NVIDIA DRIVE IX Realizam Detecção Intuitiva na Cabine

Neste episódio do DRIVE Labs, mostramos como o DRIVE IX detecta a atenção, as atividades, as emoções, o comportamento, a postura, a fala, os gestos e o humor do motorista. A detecção do motorista é um aspecto importante da plataforma que garante que o sistema de automóveis autônomos verifique se o motorista está alerta e prestando atenção na estrada. Ela também garante que o sistema de AI realize funções mais intuitivas e inteligentes na cabine do automóvel.

 

Otimizando a Percepção de Fontes de Luz com AI Definida por Software

Neste episódio da série DRIVE Labs, mostramos como as técnicas de AI definidas por software podem ser usadas para melhorar significativamente o desempenho e a funcionalidade da rede neural profunda (DNN - Deep Neural Network) de percepção de fontes de luz em poucas semanas, aumentando o alcance, garantindo outros recursos de classificação e muito mais.

 

O Caminho Certo: Como a AI Ajuda Veículos Autônomos a Prever o Futuro

Os veículos autônomos contam com a AI para antecipar os padrões de tráfego e dirigir com segurança em um ambiente complexo. Neste episódio da DRIVE Labs, demonstramos como nossa rede neural profunda PredictionNet pode prever manobras futuras de outros motoristas na estrada usando a percepção dinâmica e os dados de mapas.

 

Como a AI Ajuda os Veículos Autônomos a Perceber a Estrutura do Cruzamento

Lidar com cruzamentos de maneira autônoma é um desafio complexo para veículos autônomos. Nos episódios anteriores da série DRIVE Labs, mostramos como detectamos cruzamentos, semáforos e sinalização de trânsito com a DNN WaitNet. Além disso, explicamos como classificamos as luzes do semáforo e o tipo de sinalização com as DNNs LightNet e SignNet. Neste episódio, mostramos também como a NVIDIA usa AI para perceber a variedade de estruturas de cruzamento que um veículo autônomo pode encontrar diariamente ao dirigir.

 

Como o Aprendizado Ativo Melhora a Detecção Noturna de Pedestres

O aprendizado ativo possibilita que a AI escolha automaticamente os dados de treinamento corretos. Diversas DNNs dedicadas analisam um conjunto de frames de imagens, sinalizando os frames considerados confusos. Esses frames são então rotulados e adicionados ao conjunto de dados de treinamento. Esse processo pode melhorar a percepção da DNN em condições difíceis, como a detecção noturna de pedestres.

 

Foco Total: Como a Multi-View LidarNet Apresenta uma Perspectiva Avançada para Veículos Autônomos

Os métodos tradicionais de processamento de dados lidar apresentam desafios significativos, como a capacidade de detectar e classificar diferentes tipos de objetos, cenas e condições climáticas, bem como limitações no desempenho e na confiabilidade. A rede neural profunda Multi-View LidarNet usa várias perspectivas, ou visualizações, da cena em torno do carro para resolver esses desafios de processamento lidar.

 

Perdidos no Espaço? A Localização Ajuda os Veículos Autônomos a Encontrar seu Caminho

A localização é um recurso essencial para veículos autônomos, calculando seu local tridimensional (3D) dentro de um mapa, incluindo a posição 3D, a orientação 3D e incertezas nesses valores de posição e orientação. Neste DRIVE Labs, mostramos como nossos algoritmos de localização possibilitam obter alta precisão e robustez usando os sensores de comercialização em massa e os mapas HD.

 

Como a AI Lê a Estrada

Veja como evoluímos nossa DNN LaneNet em nossa DNN MapNet de alta precisão. Essa evolução inclui um aumento nas classes de detecção para abranger também as marcações da estrada e os pontos de referência verticais (por exemplo, postes), além da detecção de linha de faixa. Ela também aproveita a detecção de ponta a ponta que proporciona inferência mais rápida no carro.

 

AI na Estrada: A Fusão com Radar da Câmera Surround Elimina os Pontos Cegos dos Veículos Autônomos

A capacidade de detectar e reagir a objetos em torno do veículo possibilita oferecer uma experiência de condução segura e confortável. Neste vídeo da DRIVE Labs, explicamos por que é essencial ter um pipeline de fusão de sensores que pode combinar as entradas de câmera e radar para uma percepção de surround avançada.

DRIVE Dispatch

 

NVIDIA DRIVE Dispatch — T1E3

Veja os avanços mais atuais na DepthNet, detecção de marcações da estrada, estimativa de movimentação da câmera multirradar, monitoramento de recursos de várias câmeras e muito mais.

 

NVIDIA DRIVE Dispatch — T1E2

Confira os avanços na detecção de vagas de estacionamento, localização 3D na detecção de pontos de referência e nossa primeira viagem com condução autônoma usando um mapa do MyRoute gerado automaticamente e um plano da estrada, além da estimativa da suspensão.

 

NVIDIA DRIVE Dispatch — T1E1

Confira os avanços na classificação e desvio de scooters, detecção de semáforos, estabilidade cuboide 2D, espaço livre 3D das anotações da câmera, pipeline de percepção lidar e percepção de faróis/luzes traseiras/postes de luz.

Receba os vídeos mais atuais das séries DRIVE por e-mail com a newsletter NVIDIA Automotive.