Visit your regional NVIDIA website for local content, pricing, and where to buy partners specific to your country.
Explora la simulación de sensores de alta fidelidad para el desarrollo de vehículos autónomos seguros.
Simulación/Modelado/Diseño
Automóvil y transporte
Retorno de inversión Mitigación de riesgos
NVIDIA Omniverse Enterprise NVIDIA OVX NVIDIA DGX
La simulación es crucial para desarrollar y validar características críticas de seguridad en vehículos autónomos (VA), pero requiere pruebas exhaustivas antes de su implementación. La simulación de alta fidelidad proporciona un entorno seguro, controlado y realista para entrenar sistemas de VA en varios escenarios. Esta tecnología simula de forma eficaz circunstancias reales y permite la realización de pruebas y validaciones seguras de los vehículos a través de un gemelo digital antes de que estén listos para salir a la carretera.
Por qué la simulación de VA es importante:
Modela con precisión diversas condiciones de conducción, como condiciones meteorológicas adversas, cambios de tráfico y escenarios inusuales o peligrosos.
Utiliza pruebas virtuales para reducir los costes de desarrollo y validación minimizando las pruebas físicas.
Implementa una flota virtual para realizar prototipos de nuevos sensores y pilas antes de cualquier prototipo físico.
Enlaces rápidos
Las API de NVIDIA Omniverse™ Cloud para simulación de vehículos autónomos, basadas en OpenUSD y NVIDIA RTX™, están diseñadas para permitir a los desarrolladores de simulaciones mejorar sus flujos de trabajo de simulación de VA con simulación de sensores de alta fidelidad, física y comportamiento realista. Con estas API, puedes conectarte a un amplio ecosistema de socios que crean herramientas de simulación para la dinámica de vehículos y del tráfico. También puedes incorporar contenido de USD para expandirte a nuevas regiones y abordar nuevos dominios de diseño operativo (ODD).
Los microservicios Sensor RTX permiten la representación física y neuronal de sensores que se implementan comúnmente en vehículos autónomos, incluidas cámaras, lidares, radares y sensores ultrasónicos. Los datos sintéticos y las etiquetas de realidad sobre el terreno pueden usarse para entrenar modelos de percepción y validar la pila de software de VA en pruebas de circuito cerrado.
Simulación de sensores de vehículos autónomos impulsada por las API de Omniverse Cloud
Observa cómo Foretellix utiliza las API de NVIDIA Omniverse Cloud para generar simulación de sensores de alta fidelidad para el desarrollo de vehículos autónomos.
Aprovecha un ecosistema compartido de contenido compatible y listo para simulación.
Amplía rápidamente las capacidades de simulación de VA de Omniverse Cloud V&V conectando con la plataforma de validación de cobertura Foretify™ de Foretellix.
Importa rápidamente entornos a Omniverse Cloud con MathWorks RoadRunner.
Regístrate a través de nuestro formulario de interés para obtener la información más reciente.
Foretellix
Foretellix, un desarrollador de herramientas de validación de vehículos autónomos, permite acceder a la simulación con sensores a través de las API de Omniverse Cloud para mejorar la seguridad a la vez que acelera los flujos de trabajo y reduce los costes.
WPP
Produce contenido de alta calidad con herramientas generativas de IA basadas en NVIDIA Picasso y publica experiencias de marca interactivas con la red de entrega de gráficos (GDN) de NVIDIA.
Los microservicios NVIDIA Omniverse Cloud Sensor RTXte permiten probar y validar tus flujos de trabajo en un entorno físicamente preciso antes de probarlos en el mundo real.
Las API de NVIDIA Omniverse Cloud están diseñadas para abordar este desafío y ofrecen una simulación de sensores de alta fidelidad a gran escala.
NVIDIA fue nombrada ganadora del Autonomous Grand Challenge en CVPR en la categoría Conducción de extremo a extremo a gran escala, superando a más de 400 participantes de todo el mundo.
NVIDIA presenta Hydra-MDP, un marco innovador que avanza en el campo de la conducción autónoma de extremo a extremo.
El equipo de investigación de NVIDIA describe un enfoque novedoso para simular el comportamiento del tráfico en el mundo real que permite a los desarrolladores desarrollar e implementar sistemas que pueden operar en múltiples ODD con diferentes comportamientos del tráfico.