NVIDIA DRIVE-Videos

Das NVIDIA DRIVE-Team arbeitet ständig an Innovationen und End-to-End-Lösungen für autonomes Fahren, die die Branche verändern.

Erfahren Sie mehr über unsere neuesten Innovationen für autonome Fahrzeuge

Wählen Sie unten die Registerkarte aus und erhalten Sie einen Einblick in den Prozess.

  • NVIDIA DRIVE Labs
  • NVIDIA DRIVE Dispatch

In kompakten Videos werden die Bausteine unserer Technologie für autonome Fahrzeuge vorgestellt.

 

Erweiterung der Simulation autonomer Fahrzeuge mit generativer KI

In dieser Folge von DRIVE Labs erörtern wir drei wichtige Weiterentwicklungen von NVIDIA, die generative KI wie Text-zu-Simulation verwenden, um realistische Umgebungen zu schaffen, natürliches Fahrverhalten zu generieren und die daraus resultierenden Szenarien zu bearbeiten, um eine gründliche Evaluierung und Schulung autonomer Fahrzeuge zu ermöglichen.

 

End-to-End-Autonomes Fahren: Eine Vogelperspektive

Das End-to-End-Fahrmodell von NVIDIA kombiniert Erkennung, Verfolgung, Vorhersage und Planung in einem einzigen Netzwerk mit minimalistischem Design. Die Planungseingabe kommt direkt von einer aus Sensordaten generierten Feature Map aus der Vogelperspektive.

 

LLM-basierte Straßenverkehrsregeln vereinfachen das Fahren

Die Anpassung des Fahrverhaltens an neue Umgebungen, Gebräuche und Gesetze ist eine langjährige Herausforderung beim autonomen Fahren. LLaDA (Large Language Driving Assistant) ist ein LLM-Netzwerk, das die Navigation durch unbekannte Orte erleichtert, indem es in Echtzeit Anleitungen zu regionalen Verkehrsregeln in verschiedenen Sprachen bereitstellt, sowohl für menschliche Fahrer als auch für autonome Fahrzeuge.

 

Selbstüberwachte Rekonstruktion von dynamischen Fahrszenarien

Die Simulation eines autonomen Fahrzeugs ist nur dann effektiv, wenn sie die reale Welt exakt wiedergibt. Der Anspruch an die realitätsnahe Wiedergabe steigt – und wird immer schwieriger zu erfüllen, je dynamischer und komplexer die Szenarien werden. In dieser Folge erfahren Sie mehr über EmerNeRF, eine Methode zur Rekonstruktion dynamischer Fahrszenarien.

 

Sicherung der Präzision mit dynamischer Ansichtssynthese

Während die Automobilhersteller Autonomie in ihre Fahrzeuge integrieren, können sich bei der Ausweitung der autonomen Fahrzeugtechnologie auf verschiedene Fahrzeugtypen Herausforderungen ergeben. In dieser Ausgabe von NVIDIA DRIVE Labs tauchen wir in die Ansichtsstabilität ein und untersuchen, wie die neuesten Weiterentwicklungen eine Lösung mit dynamischer Ansichtssynthese bieten.

 

Zuschneiden von KI-Modellen für Spitzenleistungen

HALP (Hardware-Aware Latency Pruning) ist eine neue Methode, die entwickelt wurde, um Convolutional Neural Networks (CNNs) und transformerbasierte Architekturen an die Echtzeit-Performance anzupassen. In diesem Video erfahren Sie, wie HALP vorab trainierte Modelle optimiert, um die Rechenauslastung zu maximieren.

 

Sprung der Präsenzvorhersage autonomer Fahrzeuge in die dritte Dimension

Das Konzept der „3D-Präsenzvorhersage“ ist entscheidend für die Entwicklung sicherer und robuster selbstfahrender Systeme. In dieser Folge gehen wir über den traditionellen Ansatz des Blicks aus der Vogelperspektive hinaus und zeigen die 3D-Wahrnehmungstechnologie von NVIDIA, die die 3D Occupancy Prediction Challenge auf der CVPR 2023 gewonnen hat.

 

Verbesserte Hindernisvermeidung für autonomes Parken auf engem Raum

Early Grid Fusion (EGF) ist eine neue Technik, die die Vermeidung von Nahfeldhindernissen beim automatischen Einparkassistenten verbessert. EGF kombiniert maschinell trainierte Kameras mit Ultraschallsensoren, um umliegende Hindernisse mit einer Rundumsicht von 360 Grad präzise zu ermitteln und zu erkennen.

 

Verbesserung von KI-Segmentierungsmodellen für die Sicherheit autonomer Fahrzeuge

Eine präzise Umweltwahrnehmung ist für die Sicherheit autonomer Fahrzeuge von entscheidender Bedeutung, insbesondere bei unsichtbaren Bedingungen. In dieser Folge von DRIVE Labs besprechen wir ein Vision Transformer-Modell namens SegFormer, das eine robuste semantische Segmentierung bei gleichzeitig hoher Effizienz erzeugt. Dieses Video stellt den Mechanismus hinter SegFormer vor, der seine Stabilität und Effizienz ermöglicht.

Alle DRIVE Labs-Videos ansehen

Kurze Updates von unserer Flotte autonomer Fahrzeuge über neue innovative Entwicklungen.

 

November 2023

In der neuesten Ausgabe von NVIDIA DRIVE Dispatch erfahren Sie mehr über die Generierung von 4D-Rekonstruktionen aus einem einzigen Laufwerk sowie über PredictionNet, ein Deep Neural Network (DNN), das zur Vorhersage von künftigem Verhalten und Bewegungsbahnen von Straßenfahrzeugen in Anwendungen für autonome Fahrzeuge verwendet werden kann. Wir schauen uns auch die Tests für das New Car Assessment Program (NCAP) mit NVIDIA DRIVE Sim an.

Video wiedergeben
 

Januar 2023

Sehen Sie sich die neuesten Fortschritte in der Wahrnehmung autonomer Fahrzeuge mit NVIDIA DRIVE an. In diesem Dispatch verwenden wir Ultraschallsensoren, um die Höhe von Objekten in der Umgebung in Bereichen mit geringer Fahrgeschwindigkeit wie Parkplätzen zu erkennen. Das DNN RadarNet erkennt befahrbaren freien Raum, während das DNN Stereo Depth die Geometrie der Umgebung schätzt.

Video wiedergeben
 

Februar 2022

DRIVE Dispatch ist zürück für die zweite Staffel. In dieser Folge zeigen wir Fortschritte bei DNN-basiertem End-to-End-Radar-Clustering, Real2Sim, der Fahrer- und Insassenüberwachung und mehr.

Video wiedergeben
 

Juli 2021

In dieser Folge von NVIDIA DRIVE Dispatch zeigen wir Fortschritte bei der Vorhersage des Verkehrsflusses, der Straßenmarkierungserkennung, der Visualisierung synthetischer 3D-Daten und mehr.

Video wiedergeben
 

Juni 2021

In dieser Folge von NVIDIA DRIVE Dispatch zeigen wir Fortschritte bei der Wahrnehmung befahrbarer Wege, der Lokalisierung mit Kameras und Radarsensoren, der Parkplatzerkennung und mehr.

Video wiedergeben
 

März 2021

In dieser Folge von NVIDIA DRIVE Dispatch zeigen wir Fortschritte bei synthetischen Daten für verbessertes DNN-Training, radarbasierte Wahrnehmung zur Prognose künftiger Bewegungen, MapStream-Erstellung für Crowdsourcing-HD-Karten und mehr.

Video wiedergeben
 

Februar 2021

Erfahren Sie mehr über die neuesten Fortschritte in den Kategorien DepthNet, Straßenmarkierungserkennung, Multiradar-Egomotion-Schätzung, kameraübergreifendes Feature-Tracking und vieles mehr.

Video wiedergeben
 

Januar 2021

Entdecken Sie die Fortschritte bei der Parkplatzerkennung, dem 3D-Standort bei der Erkennung von Orientierungspunkten, unserer ersten autonomen Fahrt mit einer automatisch generierten MyRoute-Karte und Straßenebene sowie der Fahrwerkseinschätzung.

Video wiedergeben
 

Dezember 2020

Informieren Sie sich über Fortschritte in der Scooter-Klassifizierung und -Vermeidung, Ampelerkennung, 2D-Quaderstabilität, 3D-Freiraum von Kamera-Annotationen, LIDAR-Wahrnehmungspipeline und Scheinwerfer-/Rücklicht-/Straßenlichtwahrnehmung.

Video wiedergeben
Alle DRIVE Dispatch-Videos ansehen

Mit dem NVIDIA Automotive-Newsletter erhalten Sie die neuesten DRIVE-Videos direkt in Ihren Posteingang

Abonnieren
Produkte und Lösungen:
Partner
Weitere Ressourcen