NVIDIA DRIVE 팀은 끊임없이 혁신을 추구하고 있으며, 업계를 변화시키는 종합 자율주행 솔루션을 개발하고 있습니다.
아래 탭을 선택하여 프로세스 내부를 살펴보십시오.
자율주행 차량 기술의 구조체를 강조하는 짧은 형태의 비디오.
이 에피소드의 DRIVE Labs에서는 텍스트-시뮬레이션과 같은 생성형 AI를 사용하여 현실적인 환경을 만들고, 자연스러운 주행 행동을 생성하며, 결과 시나리오를 편집하여 엄격한 AV 평가 및 교육을 가능하게하는 NVIDIA의 세 가지 주요 발전에 대해 설명합니다.
NVIDIA의 엔드 투 엔드 드라이빙 모델은 감지, 추적, 예측 및 계획을 최소한의 설계를 갖춘 단일 네트워크로 결합합니다. 계획 입력은 센서 데이터에서 생성된 조경 뷰 피처 맵에서 직접 제공됩니다.
새로운 환경, 관습 및 법률에 운전 행동을 적응시키는 것은 자율 주행에서 오랜 과제입니다. LLaDA(Large Language Driving Assistant)는 인간 운전자와 자율주행 차량 모두를 위해 다양한 언어로 지역 교통 규칙에 대한 실시간 지침을 제공함으로써 익숙하지 않은 장소를 쉽게 탐색할 수 있도록 해주는 LLM 네트워크입니다.
자율주행차 시뮬레이션은 실제 세계를 정확하게 재현할 수 있을 때만 효과적입니다. 시나리오가 더욱 역동적이고 복잡해지면서 충실도의 필요성이 증가하고, 달성하기가 더욱 어려워집니다. 이 에피소드에서 동적 주행 시나리오를 재구성하는 방법인 EmerNeRF에 대해 알아보세요.
자동차 제조업체들이 자율주행을 차량에 통합함에 따라, 자율주행 차량 기술을 다른 유형의 차량으로 확장할 때 문제가 발생할 수 있다. 이번 NVIDIA DRIVE Labs에서는 뷰포인트의 견고성에 대해 다루고 최근의 발전이 어떻게 동적 뷰 합성을 사용하여 솔루션을 제공하는지 살펴봅니다.
HALP(Hardware-Aware Latency Pruning)는 합성곱 신경망(CNN) 및 Transformer 기반 아키텍처를 실시간 성능으로 적용하도록 설계된 새로운 방법입니다. 이 비디오에서는 HALP가 사전 교육된 모델을 최적화하여 컴퓨팅 활용도를 극대화하는 방법을 알아봅니다.
'3D 점유율 예측'의 개념은 안전하고 견고한 자율주행 시스템의 개발에 중요합니다. 이 에피소드에서는 전통적인 조경 관점을 넘어서 CVPR 2023에서 3D 점유율 예측 챌린지에서 우승한 NVIDIA의 3D 인식 기술을 소개합니다.
EGF(Early Grid Fusion)는 자동 주차 보조 장치에서 근거리 장애물 회피를 향상시키는 새로운 기술입니다. EGF는 기계 학습 카메라와 초음파 센서를 결합하여 주변 장애물을 정확하게 감지하고 인식하여 360도 서라운드 뷰를 제공합니다.
정확한 환경 인식은 자율주행 차량(AV) 안전에 중요하며, 특히 보이지 않는 조건을 다룰 때 중요합니다. DRIVE Labs의 이번 에피소드에서 우리는 높은 효율성을 유지하면서 강력한 의미 세그먼테이션을 생성하는 SegFormer라는 비전 트랜스포머 모델에 대해 이야기합니다. 이 비디오는 SegFormer의 견고성과 효율성을 실현하는 메커니즘을 소개합니다.
새로운 혁신 기술에 초점을 맞추며 AV 제품군 업데이트를 간략히 소개합니다.
NVIDIA DRIVE Dispatch의 최신 버전에서는 단일 드라이브에서 4D 재구성 생성 방법과 자율주행 차량 애플리케이션에서 도로 요원의 미래 행동과 궤적을 예측하는 데 사용할 수 있는 심층 신경망(DNN) PredictionNet에 대해 알아봅니다. 또한 NVIDIA DRIVE Sim을 사용한 NCAP(New Car Assessment Program) 테스트도 살펴보겠습니다.
NVIDIA DRIVE에서 자율주행 차량 인식의 최신 발전을 확인하세요. 이번 파견에서는 초음파 센서를 사용하여 주차장과 같은 저속 지역의 주변 물체의 높이를 감지합니다. RadarNet DNN은 구동 가능한 여유 공간을 감지하고, Stereo Depth DNN은 환경 형상을 추정합니다.
DRIVE Dispatch 시즌 2에 돌아옵니다. 이 에피소드에서는 엔드 투 엔드 레이더 DNN 기반 클러스터링, Real2Sim, 드라이버 및 탑승자 모니터링 등의 진보를 보여줍니다.
NVIDIA DRIVE Dispatch의 이번 에피소드에서는 교통 모션 예측, 도로 마킹 탐지, 3D 합성 데이터 시각화 등의 진보를 보여줍니다.
NVIDIA DRIVE Dispatch의 이번 에피소드에서 NVIDIA는 운전 가능한 경로 인식, 카메라 및 레이더 현지화, 주차 공간 탐지 등의 진보를 보여줍니다.
NVIDIA DRIVE Dispatch의 이번 에피소드에서 NVIDIA는 향상된 DNN 훈련을 위한 합성 데이터의 진보, 미래의 움직임을 예측하는 레이더 전용 인식, 크라우드 소싱 HD 지도를 위한 MapStream 생성 등을 보여줍니다.
DepthNet, 도로 마킹 탐지, 다중 레이더 자아 추정, 크로스 카메라 기능 추적 등의 최신 발전을 확인하십시오.
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 큐보 안정성, 카메라 주석에서 3D freespace, lidar 인식 파이프 라인, 헤드 라이트 / 테일 라이트 / 거리 조명 인식의 발전을 확인하십시오.
NVIDIA 오토모티브 뉴스레터로 최신 DRIVE 영상을 구독하세요.