NVIDIA DRIVE® ソフトウェア チームは常に革新を続け、冗長性と多様性を備えたディープ ニューラル ネットワークを開発し、安全で堅牢な自動運転システムによって産業を変革します。
プロセスの詳細を見るには、以下のタブを選択してください。
各自動運転アルゴリズムを探る短編ビデオ。
正確な環境認識は、特に目に見えない状況に対処する場合、自動運転車 (AV) の安全性にとって重要です。 DRIVE ラボのこのエピソードでは、高い効率性を維持しながら堅牢なセマンティック セグメンテーションを生成する SegFormer と呼ばれる Vision Transformer モデルについて説明します。このビデオでは、SegFormer の堅牢性と効率性を実現する背後にあるメカニズムをご紹介します。
潜在的な事故に近いシナリオで自動運転車 (AV) をテストすることは、安全性を評価するために重要ですが、現実の世界で行うのは難しく、安全ではありません。 DRIVE ラボのこのエピソードでは、AV のシミュレーションで潜在的な事故シナリオを自動的に生成する、NVIDIA 研究者が開発した STRIVE (Stress-Test Drive) と呼ばれる新しい方法について説明します。
速度制限の標識を理解することは簡単なように見えるかもしれませんが、車線によって異なる制限が適用される状況や、新しい国で運転するときなど、瞬く間に複雑になります。この DRIVE ラボ エピソードでは、AI ベースのライブ認識が、明示的および暗黙的な合図を使用して、AV が複雑な速度制限標識をより良く理解するのに役立つことをご紹介します。
AV 認識には、カメラやレーダーなど、多様性を持たせ冗長化したセンサーが必要です。しかしながら、従来の処理方法のみでのレーダー センサーの活用では、十分ではないかもしれません。この DRIVE ラボのビデオでは、AI が移動する物体と静止している物体を区別することで AV 認識を強化し、従来のレーダー信号処理の欠点に対処する方法を紹介します。
この DRIVE ラボ エピソードでは、DRIVE IX がどのようにして運転手の注意、行動、感情、ふるまい、姿勢、発話、ジェスチャー、ムードを認識するかをご覧に入れます。運転手の認識は本プラットフォームの重要な側面です。本 AV システムにより、ドライバーは用心を怠ることなく、道路に注意を向け続けることができます。また、さらに直観的でインテリジェントなコックピット機能を実行できます。
この DRIVE ラボ エピソードでは、ソフトウェア デファインド AI の手法を利用し、光源認識 DNN (ディープ ニューラル ネットワーク) のパフォーマンスと機能性を大幅に高める方法をご紹介します。わずか数週間で認識範囲を拡大したり、分類機能を追加したりできます。
自動運転車は、AI を活用し、複雑な状況下での交通パターンと安全な操作を予測します。この DRIVE ラボ エピソードでは、NVIDIA の PredictionNet ディープ ニューラル ネットワークが、いかにして他の道路利用者の進む方向を、リアルタイム認識と地図データを利用して予測するかをご紹介します。
自動運転車が交差点を自律的に扱うには、複雑な課題がいくつも出てきます。以前の DRIVE ラボ シリーズでは、WaitNet DNN を使用して、交差点、信号機、および交通標識を検出する方法についてご紹介しました。また、LightNet および SignNet DNN による信号機の状態や交通標識の分類についても触れました。自動運転車は、毎日の運転でさまざまな交差点構造に遭遇します。このエピソードでは、交差点構造を AI で認識する仕組みを、さらに詳しく紹介します。
アクティブ ラーニングを利用すると、AI が適切なトレーニング データを自動的に選択できるようになります。専用 DNN の集合体が、蓄積した画像フレームの中から、識別の難しいフレームにフラグを付けていきます。これらのフレームはその後、ラベル付けされ、トレーニング データセットに追加されます。このプロセスにより、夜間の歩行者検出など、困難な条件における DNN の認識能力を改善することができます。
AV フリートの最新情報、新たなブレイクスルー
DRIVE ディスパッチが Season 2 として帰ってきました。今回は、エンドツーエンド レーダー DNN ベースのクラスタリング、Real2Sim、ドライバーと乗員のモニタリングなどの進化をご紹介します。
NVIDIA DRIVE ディスパッチのこのエピソードでは、トラフィック モーション エスティメーション、道路標示検出、3D 合成データの可視化などの進歩をご紹介しています。
NVIDIA DRIVE ディスパッチのこのエピソードでは、走行可能な進路認識、カメラとレーダーによる自己位置特定、駐車スペースの検出などの進歩をご紹介しています。
今回の NVIDIA DRIVE ディスパッチでは、DNN トレーニングを改善するための合成データの進歩、未来の動きを予測するためのレーダーのみの認識、クラウドソースの HD マップのための MapStream 作成などをご紹介します。
DepthNet の最新の進化をご覧ください。標識の検出、マルチレーダーの自己運動推定、複数のカメラによる特徴追跡などをご紹介します。
駐車場所の検出、ランドマーク検出の 3D 位置測定、自動生成 MyRoute 地図による初の自動運転、道路平面検出を利用したサスペンション推測など、さまざまな進化をご覧ください。
スクーターの分類と回避、信号機の検出、2D 立方体の安定性、カメラ注釈を利用した 3D 空きスペース認識、LiDAR 認識パイプライン、ヘッドライト/テールライト/街灯認識における最新技術をご覧ください。
NVIDIA Automotive ニュースレターにご登録いただくと、DRIVE 関連の最新ビデオをメールで直接お届けします。