Selecciona la pestaña siguiente para ver el proceso desde dentro.
El equipo de NVIDIA DRIVE está constantemente innovando y desarrollando soluciones de conducción autónoma integrales que transforman el sector.
Selecciona la pestaña siguiente para ver el proceso desde dentro.
Vídeos breves que ponen de relieve los elementos fundamentales de nuestra tecnología de vehículos autónomos.
Comprender las señales de límite de velocidad puede parecer coser y cantar, pero rápidamente puede convertirse en una tarea más compleja en situaciones en las que se aplican diferentes restricciones a diferentes carriles, o cuando se conduce en un nuevo país. En este episodio de DRIVE Labs, se muestra cómo la percepción en directo basada en IA ayuda a los vehículos autónomos a comprender mejor las complejidades de las señales de límite de velocidad mediante indicaciones explícitas e implícitas.
Los sensores diversos y redundantes, como la cámara y el radar, son necesarios para la percepción AV. Sin embargo, los sensores de radar que aprovechan solo el procesamiento tradicional pueden no estar a la altura de la tarea. En este vídeo de DRIVE Labs, mostramos cómo la IA puede abordar las deficiencias del procesamiento tradicional de señales de radar en la distinción de objetos en movimiento y estacionarios para reforzar la percepción AV.
En este episodio de DRIVE Labs, mostramos cómo DRIVE IX percibe la atención del conductor, la actividad, la emoción, el comportamiento, la postura, el habla, el gesto y el estado de ánimo. La percepción del conductor es un aspecto clave de la plataforma que permite al sistema de AV asegurarse de que un conductor está alerta y prestando atención a la carretera. También permite al sistema de IA realizar funciones de cabina más intuitivas e inteligentes.
En este episodio de DRIVE Labs, mostramos cómo se usan las técnicas de IA definidas por software para mejorar significativamente el rendimiento y la funcionalidad de nuestra red neuronal profunda (DNN) de la percepción de la fuente de luz (el rango creciente, la adición de capacidades de clasificación y mucho más) en cuestión de semanas.
Los vehículos autónomos se basan en la IA para anticipar los patrones de tráfico y maniobrar de forma segura en un entorno complejo. En este episodio de DRIVE Labs, demostramos cómo nuestra red neuronal profunda PredictionNet predice los movimientos que van a realizar otros conductores mediante datos cartográficos y de percepción en tiempo real.
La gestión autónoma de intersecciones presenta un conjunto complejo de desafíos para los coches autónomos. Anteriormente en la serie DRIVE Labs, demostramos cómo detectamos intersecciones, semáforos y señales de tráfico con la DNN WaitNet. También demostramos cómo clasificamos el estado del semáforo y el tipo de señal de tráfico con las DNN LightNet y SignNet. En este episodio, mostraremos cómo NVIDIA utiliza la IA para percibir la variedad de estructuras de intersección que un vehículo autónomo podría encontrar en un viaje diario.
El aprendizaje activo permite que la IA elija automáticamente los datos de entrenamiento adecuados. Un conjunto de DNN dedicadas pasa a través de un grupo de fotogramas de imagen, marcando los que considera que son confusos. Estos fotogramas se etiquetan y se añaden al conjunto de datos de entrenamiento. Este proceso puede mejorar la percepción de la DNN en condiciones difíciles, como la detección nocturna de peatones.
Los métodos tradicionales para procesar datos Lidar plantean desafíos significativos, como la capacidad de detectar y clasificar diferentes tipos de objetos, escenas y condiciones climáticas, así como limitaciones en el rendimiento y la robustez. Nuestra red neuronal profunda LidarNet multivista utiliza un repertorio de perspectivas, o vistas, de la escena alrededor del coche para abordar estos desafíos de procesamiento Lidar.
La localización es una funcionalidad esencial para los vehículos autónomos, ya que procesa su ubicación tridimensional (3D) en un mapa, incluida la posición 3D, la orientación 3D y cualquier incerteza en esos valores de posición y orientación. En este DRIVE Labs, te mostramos cómo los algoritmos de localización hacen posible la obtención de una gran precisión y seguridad con mapas en alta definición y sensores disponibles en el mercado.
Actualizaciones breves de nuestra flota de AV, en las que se destacan nuevos avances.
Consulta los avances más recientes en la percepción de los vehículos autónomos de NVIDIA DRIVE. En esta episodio de Dispatch, utilizamos sensores ultrasónicos para detectar la altura de los objetos circundantes en áreas de baja velocidad, como los aparcamientos. La red neuronal profunda RadarNet detecta el espacio libre de circulación, mientras que la red neuronal profunda Stereo Depth estima la geometría del entorno.
Drive Dispatch vuelve para la segunda temporada. En este episodio, mostramos avances en agrupaciones integrales de radares basadas en redes neuronales profundas, Real2Sim, supervisión de conductores y ocupantes, entre otros elementos.
En este episodio de NVIDIA DRIVE Dispatch, mostramos avances en la predicción del movimiento del tráfico, la detección de marcas viales, la visualización de datos sintéticos en 3D y mucho más.
En este episodio de NVIDIA DRIVE Dispatch, mostramos avances en la percepción de las rutas disponibles, la localización de cámaras y radares, la detección de espacios de aparcamiento y mucho más.
En este episodio de NVIDIA DRIVE Dispatch, mostramos avances en datos sintéticos para mejorar el entrenamiento DNN, percepción solo por radar para predecir el movimiento futuro, creación de MapStream para mapas HD colaborativos y mucho más.
Descubre los avances más recientes en DepthNet, detección de marcas viales, estimación de egomoción con varios radares, seguimiento de características entre cámaras y mucho más.
Explora el progreso en la detección de plazas de estacionamiento, la ubicación 3D en la detección de puntos de referencia, nuestra primera unidad autónoma que usa un mapa MyRoute generado automáticamente y un plano de carretera, así como la estimación de la suspensión.
Echa un vistazo a los avances en la clasificación y prevención de scooters, detección de semáforos, estabilidad cuboide 2D, espacio libre 3D de anotaciones de cámara, tubería de percepción Lidar y percepción de faros/luz trasera/alumbrado público.
Obtén los vídeos más recientes de DRIVE directamente en tu bandeja de entrada con el boletín de automoción de NVIDIA.