Seleccione la pestaña a continuación para ver el proceso desde adentro.
El equipo del software NVIDIA DRIVE® está constantemente innovando, desarrollando redes neuronales profundas redundantes y diversas para sistemas de vehículos autónomos seguros y robustos que están transformando la industria.
Seleccione la pestaña a continuación para ver el proceso desde adentro.
Videos breves que analizan los algoritmos específicos de la conducción autónoma.
The concept of "3D occupancy prediction" is critical to the development of safe and robust self-driving systems. In this episode, we go beyond the traditional bird's eye view approach and showcase NVIDIA's 3D perception technology, which won the 3D Occupancy Prediction Challenge at CVPR 2023.
Precise environmental perception is critical for autonomous vehicle (AV) safety, especially when handling unseen conditions. In this episode of DRIVE Labs, we discuss a Vision Transformer model called SegFormer, which generates robust semantic segmentation while maintaining high efficiency. This video introduces the mechanism behind SegFormer that enables its robustness and efficiency.
Probar los vehículos autónomos (AV) en escenarios de accidentes potenciales es fundamental para evaluar la seguridad, pero es difícil e inseguro hacerlo en el mundo real. En este episodio de DRIVE Labs, analizamos un nuevo método de los investigadores de NVIDIA denominado STRIVE (Stress-Test Drive), que genera automáticamente escenarios de accidentes potenciales en simulación para AV.
Actualizaciones breves de nuestra flota de AV, que presentan nuevos avances.
En la última edición de NVIDIA DRIVE Dispatch, aprenda cómo generar reconstrucción 4D a partir de una sola unidad, así como PredictionNet, una red neuronal profunda (DNN) que se puede utilizar para predecir el comportamiento y las trayectorias futuras de los agentes viales en aplicaciones de vehículos autónomos. También echamos un vistazo a las pruebas del Programa de evaluación de vehículos nuevos (NCAP) con NVIDIA DRIVE Sim.
Vea los últimos avances en percepción de vehículos autónomos de NVIDIA DRIVE. En este envío, utilizamos sensores ultrasónicos para detectar la altura de los objetos circundantes en zonas de baja velocidad como aparcamientos. La DNN RadarNet detecta el espacio libre para conducir, mientras que la DNN Stereo Depth estima la geometría del entorno.
DRIVE Dispatch regresa para la temporada 2. En este episodio, mostramos avances en clústeres basados en DNN de radar de extremo a extremo, Real2Sim, monitoreo de conductores y ocupantes, y más.
En este episodio de NVIDIA DRIVE Dispatch, mostramos avances en la predicción del movimiento del tráfico, detección de marcas viales, visualización de datos sintéticos en 3D y más.
En este episodio de NVIDIA DRIVE Dispatch, mostramos avances en datos sintéticos para mejorar el entrenamiento de DNN, percepción de solo radar para predecir el movimiento futuro, creación de MapStream para mapas HD de colaboración colectiva y más.
En este episodio de NVIDIA DRIVE Dispatch, mostramos avances en datos sintéticos para mejorar el entrenamiento de DNN, percepción de solo radar para predecir el movimiento futuro, creación de MapStream para mapas HD de colaboración colectiva y más.
Conoce los avances más recientes de DepthNet, la detección de marcas en la ruta, la odometría visual, el seguimiento de características en varias cámaras y más.
Explora el progreso en la detección de lugares de estacionamiento, la ubicación 3D en detección de lugares destacados, nuestra primera conducción autónoma usando un plano del camino y un mapa de MyRoute generado automáticamente y la estimación de suspensión.
Conoce los avances para evitar y clasificar motonetas, la detección de luces de tráfico, la estabilidad de los cuboides 2D, el espacio libre 3D de las anotaciones de las cámaras, el proceso de percepción de los lidares y la percepción de luces de la calle, luces traseras y luces delanteras.
Recibe los últimos videos de DRIVE directamente en tu bandeja de entrada con el boletín sobre la industria automotriz de NVIDIA.