Or Litany – NVIDIA 技術博客
http://www.open-lab.net/zh-cn/blog
閱讀開發者創建的最新技術信息、頭條新聞 和內容。
Thu, 03 Aug 2023 03:14:26 +0000
zh-CN
hourly
1
196178272 -
用神經激光雷達場感知自動駕駛汽車仿真的新前沿
http://www.open-lab.net/zh-cn/blog/sensing-new-frontiers-with-neural-lidar-fields-for-autonomous-vehicle-simulation/
Thu, 27 Jul 2023 03:09:05 +0000
http://www.open-lab.net/zh-cn/blog/?p=7499
Continued]]>
自動駕駛汽車（ AV ）的開發需要大量的傳感器數據來進行感知開發。 開發人員通常從兩個來源獲得這些數據——真實世界驅動器的回放流或模擬。然而，真實世界的數據集提供的靈活性有限，因為數據僅固定于物理傳感器捕獲的對象、事件和視角。也很難大規模模擬真實世界條件的細節和缺陷，例如傳感器噪聲或遮擋。 近年來，神經領域獲得了巨大的吸引力。這些人工智能工具捕捉真實世界的內容，并從新穎的視角以高逼真度對其進行模擬，實現了 AV 模擬所需的保真度和多樣性。 在 NVIDIA GTC 2022 上，我們展示了如何利用神經重建技術，使用模擬中記錄的相機傳感器數據構建 3D 場景，并從新的視角進行渲染。我們在即將于 2023 年 10 月 2 日至 6 日舉行的 ICCV 會議上發表的論文中，詳細介紹了在合成激光雷達數據時，如何應用類似的方法來應對這些挑戰。
Source
]]>
7499
-
基于 AI 的自動駕駛汽車潛在事故場景生成
http://www.open-lab.net/zh-cn/blog/generating-ai-based-accident-scenarios-for-autonomous-vehicles/
Thu, 23 Feb 2023 03:01:24 +0000
http://www.open-lab.net/zh-cn/blog/?p=6340
Continued]]>
自動駕駛汽車（ AVs ）必須能夠安全地處理現實世界中可能遇到的任何類型的交通場景。這包括危險的近距離事故，交通中其他道路使用者的意外操作可能導致碰撞。 然而，在這些類型的場景中開發和測試 AV 具有挑戰性。真實世界中的碰撞數據是稀疏的，在真實世界中重新創建這種情況是危險的，并且難以擴展。 要了解 NVIDIA 的最新研究，該研究使用 AI 在模擬中自動生成事故場景，以進行安全和可擴展的 AV 測試，請觀看下面的 NVIDIA DRIVE Labs video 。 我們將以工程為重點，關注各個自動駕駛汽車挑戰以及 NVIDIA DRIVE 團隊如何應對這些挑戰。趕上 在 AV 堆棧中， planner module 負責決定自我車輛應該如何駕駛。徹底測試計劃器需要模擬潛在事故交通場景的真實和多樣的數據集。
Source
]]>
6340
人人超碰97caoporen国产