NVIDIA DRIVE® 소프트웨어 팀은 업계를 변화시키는 안전하고 강력한 자율주행 시스템 구축을 위해 다양한 딥 뉴럴 네트워크를 폭넓게 개발하며 혁신을 거듭하고 있습니다.
프로세스를 자세히 보려면 아래 탭을 선택하세요.
구체적인 자율주행 알고리즘을 분석하는 짧은 영상입니다.
정확한 환경 인식은 자율주행차(AV)의 안전에 매우 중요하며, 특히 보이지 않는 상황을 처리할 때 더욱 그렇습니다. 이번 DRIVE Labs 에피소드에서는 높은 효율성을 유지하면서 강력한 시맨틱 세그먼테이션을 생성하는 SegFormer라는 비전 트랜스포머 모델에 대해 설명합니다. 이 비디오에서는 세그포머의 견고함과 효율성을 가능하게 하는 메커니즘을 소개합니다.
사고에 가까운 잠재적 시나리오에서 자율주행차(AV)를 테스트하는 것은 안전성을 평가하는 데 매우 중요하지만, 현실에서는 어렵고 안전하지 않습니다. 이번 DRIVE Labs 에피소드에서는 자율주행차 시뮬레이션에서 잠재적인 사고 시나리오를 자동으로 생성하는 NVIDIA 연구진의 새로운 방법인 STRIVE(스트레스 테스트 드라이브)에 대해 알아봅니다.
속도 제한 표지판을 파악하는 작업은 간단해 보이지만 차선별로 제한 사항이 다르게 적용되거나 새로운 국가에서 주행하는 상황에서는 곧바로 복잡해질 수 있습니다. 이 DRIVE Labs 에피소드에서는 AI 기반 라이브 인식을 활용하면 AV가 명시적 신호와 암묵적 신호를 둘 다 사용해 속도 제한 표지판의 복잡한 특성을 더 잘 파악할 수 있는 방법을 설명합니다.
AV 인식에는 카메라 및 레이더와 같은 다양한 중복 센서가 필요합니다. 하지만, 기존의 처리 방식만을 이용하는 레이더 센서는 이 작업을 감당할 수 없을지도 모릅니다. 이 DRIVE Labs 영상에서는 AI가 움직이는 물체 및 정지한 물체를 구별하는 기존 레이더의 한계를 해결하여 AV 인식을 강화하는 방법을 보여드립니다.
이 DRIVE Labs 에피소드에서는 DRIVE IX가 운전자의 주의, 활동, 감정, 행동, 자세, 발화, 제스처, 기분을 어떻게 인식하는지 보여드립니다. 운전자 인식은 운전자가 AV 시스템을 통해 알림을 받고 도로에 주의를 기울일 수 있도록 돕는 플랫폼의 핵심 기능입니다. 또한 AI 시스템이 더 직관적이고 지능적인 콕핏 기능을 수행하도록 해 줍니다.
이 DRIVE Labs 에피소드에서는 소프트웨어 정의 AI 기술이 몇 주 만에 범위 증가, 분류 기능 추가 등 광원 인식 딥 뉴럴 네트워크(DNN)의 성능과 기능을 대폭 향상하는 데 어떻게 사용될 수 있는지 보여드립니다.
자율 주행 자동차가 AI를 이용해 복잡한 환경에서 교통 패턴을 예상하고 안전하게 운전합니다. 이 DRIVE Labs 에피소드에서는 NVIDIA의 PredictionNet 딥 뉴럴 네트워크가 어떻게 실시간 인식과 맵 데이터를 사용하여 다른 도로 이용자의 향후 경로를 예측할 수 있는지를 보여줍니다.
자율적으로 교차 구조를 처리하는 것은 자율 주행 자동차에 있어 복잡한 과제입니다. DRIVE Labs 시리즈 초반에 WaitNet DNN으로 교차로, 신호등, 교통 표지판을 감지하는 방법을 보여드렸습니다. 그리고 LightNet과 SignNet DNN으로 신호등 상태와 교통 표지판 유형을 분류하는 방법도 보여드렸습니다. 이 에피소드에서는 더 나아가 NVIDIA에서 AI를 사용하여 자율주행 자동차가 일상적인 주행에서 접할 수 있는 다양한 교차 구조를 감지하는 방법을 보여드립니다.
Active Learning을 통해 AI가 자동으로 적합한 트레이닝 데이터를 선택할 수 있습니다. 전용 DNN의 앙상블이 이미지 프레임 풀을 거치면서 혼란스럽다고 판단한 프레임에 표시를 남깁니다. 그런 다음 이러한 프레임은 레이블이 표시되어 트레이닝 데이터세트에 추가됩니다. 이 프로세스는 야간 보행자 감지와 같은 까다로운 조건에서 DNN 인식을 개선할 수 있습니다.
새로운 혁신 기술에 초점을 맞추며 AV 제품군 업데이트를 간략히 소개합니다.
드라이브 디스패치는 시즌 2로 돌아옵니다. 이 에피소드에서는 엔드 투 엔드 레이더 DNN 기반 클러스터링, Real2Sim, 운전자 및 탑승자 모니터링 등의 발전을 확인할 수 있습니다.
NVIDIA DRIVE Dispatch의 이번 에피소드에서는 교통 동작 예측, 도로 표시 감지, 3D 합성 데이터 시각화 등의 발전을 보여줍니다.NVIDIA DRIVE Dispatch의 이번 에피소드에서는 교통 동작 예측, 도로 표시 감지, 3D 합성 데이터 시각화 등의 발전을 보여줍니다.
NVIDIA DRIVE Dispatch의 이번 에피소드에서는 운전 가능한 경로 인식, 카메라 및 레이더 위치 측정, 주차 공간 감지 등의 발전을 보여줍니다.
在本集中，我們將展示使用生成資料來加強對 DNN 的訓練、運用雷達感測器來預判未來的動作、如何針對群眾協作的 HD 地圖建立 MapStream 及更多內容。
DepthNet, 도로 표시 감지, 다중 레이더 에고모션 추정, 교차 카메라 기능 추적 등 최신 기술을 확인하세요.
주차 지점 감지와 랜드마크 감지에서의 3D 위치에 대한 발전 현황 및 자동 생성된 MyRoute 맵, 도로 평면도, 서스펜션 추정을 사용한 NVIDIA의 첫 번째 자율주행에 대해 알아보세요.
스쿠터 분류 및 회피, 신호등 감지, 2D 직육면체 안정성, 카메라 주석 3D 자유 공간, 광선 레이더 인식 파이프라인, 전조등/후미등/거리 조명 인식 기술이 어디까지 발전했는지 확인해 보세요.
NVIDIA 오토모티브 뉴스레터로 최신 DRIVE 영상을 구독하세요.