Sélectionnez l’une des deux séries de vidéos ci-dessous pour en savoir plus.
L’équipe NVIDIA DRIVE, qui innove constamment, développe des solutions de conduite autonome de bout en bout qui transforment toute l’industrie.
Sélectionnez l’une des deux séries de vidéos ci-dessous pour en savoir plus.
Vidéos de courte durée mettant en exergue des algorithmes spécifiques pour la conduite autonome.
La compréhension des panneaux de limitation de vitesse peut paraître évidente, mais elle peut rapidement devenir très complexe dans des situations où différentes restrictions s’appliquent à différentes voies ou lorsque vous conduisez dans un pays étranger. Dans cet épisode de la série DRIVE Labs, découvrez comment les techniques de perception en direct basées sur l’IA peuvent aider les véhicules autonomes à mieux comprendre les panneaux de limitation de vitesse en utilisant des indices à la fois explicites et implicites.
Des capteurs divers et complémentaires, comme une caméra et un radar, sont nécessaires pour la perception au sein des véhicules autonomes. Cependant, les capteurs radar tirant parti uniquement du traitement traditionnel risquent de ne pas être à la hauteur de la tâche. Dans cette nouvelle vidéo DRIVE Labs, nous vous montrons comment l’IA peut remédier aux lacunes du traitement traditionnel du signal radar, en distinguant les objets en mouvement et stationnaires, pour renforcer la perception des véhicules autonomes.
Dans cet épisode de la série DRIVE Labs, découvrez comment le kit de développement DRIVE IX permet de percevoir le niveau d'attention du conducteur ainsi que son activité, ses émotions, son comportement, sa posture, ses paroles, ses gestes et son humeur. La perception du conducteur est un aspect crucial de la plateforme qui permet aux systèmes de conduite autonome de s’assurer qu’un pilote reste vigilant et porte une attention suffisante à l'environnement routier. Cette technique permet également au système d'IA d’exécuter des fonctions relatives au cockpit beaucoup plus intuitives et intelligentes.
Dans cet épisode de la série DRIVE Labs, nous vous présentons comment des techniques d’IA définies par logiciel peuvent être utilisées pour améliorer, de manière significative et en quelques semaines seulement, les performances et la fonctionnalité de notre réseau de neurones profonds (DNN) pour la perception des sources lumineuses - de manière à augmenter sa portée, à y intégrer des capacités avancées de classification et bien plus encore.
Les véhicules autonomes s’appuient sur l’IA pour prévoir les flux de trafic et manœuvrer en toute sécurité dans un environnement complexe. Dans ce nouvel épisode de la série de vidéos DRIVE Labs, nous vous expliquons comment le réseau de neurones profonds PredictionNet peut anticiper les itinéraires des autres usagers de la route en utilisant des techniques de perception en direct et de cartographie.
La gestion autonome des intersections implique un ensemble de défis complexes pour les voitures sans conducteur. Au cours de précédents épisodes de la série de vidéos DRIVE Labs, nous avons vu comment il était possible de détecter des intersections, des feux de circulation et des panneaux routiers grâce au DNN WaitNet, mais aussi de classifier des états de feux de circulation et des types de panneaux routiers avec les DNN LightNet et SignNet. Dans cet épisode, nous vous proposons d’aller encore plus loin en vous expliquant comment NVIDIA utilise l’IA pour mieux percevoir les différentes structures d’intersection qu’un véhicule autonome peut rencontrer chaque jour.
L’apprentissage actif permet à l’IA de choisir automatiquement les données d’entraînement appropriées. Un groupe de DNN dédiés commence par analyser un ensemble complet de trames, en signalant les images qu’il estime confuses. Ces trames sont ensuite étiquetées par un opérateur humain et ajoutées au jeu de données d’entraînement. Ce processus peut améliorer la perception DNN dans des situations spécifiques et difficiles, telles que la détection nocturne des piétons.
Les méthodes traditionnelles de traitement des données lidar peuvent poser d’importants problèmes, notamment en ce qui concerne notre capacité à détecter et à classer différents types d’objets, de scènes ou de conditions climatiques. Elles peuvent également impacter le niveau de performance et de robustesse. Notre réseau de neurones profonds multi-vues LidarNet met en œuvre de multiples perspectives (ou "vues") de chaque scène autour du véhicule pour répondre plus efficacement à ces défis de traitement.
La localisation est une fonctionnalité essentielle des véhicules autonomes, qui peuvent ainsi calculer leur position en trois dimensions (3D) sur une carte avec des informations précises sur leur position 3D, l’orientation 3D et les éventuelles incertitudes relatives aux valeurs de position et d’orientation. Dans cette nouvelle vidéo DRIVE Labs, nous vous présentons comment les algorithmes de localisation permettent de garantir une précision et une robustesse élevées grâce à des capteurs produits à grande échelle et des systèmes de cartes HD.
Mises à jour présentant de nouvelles innovations technologiques relatives à notre flotte de véhicules autonomes.
Découvrez les dernières avancées de NVIDIA DRIVE en matière de perception pour les véhicules autonomes. Dans ce nouvel épisode, nous utilisons des capteurs ultrasoniques pour mesurer la hauteur des objets environnants dans des zones à vitesse réduite telles que les parkings. Le DNN RadarNet détecte les espaces libres au sein desquels il est possible de manœuvrer, tandis que le DNN Stereo Depth évalue la géométrie de l’environnement.
Regardez la saison 2 de DRIVE Dispatch. Dans cet épisode, découvrez des avancées majeures pour les réseaux de radars de bout en bout basés sur les DNN, les techniques Real2Sim, la surveillance du conducteur et des passagers, et bien plus encore.
Dans cet épisode de la série NVIDIA DRIVE Dispatch, nous vous présentons de nouvelles innovations en matière de prévision du trafic, de détection du marquage routier, de visualisation des données synthétiques 3D et bien plus encore.
Ce nouvel épisode de la série NVIDIA DRIVE Dispatch vous présente les dernières avancées en matière de perception des trajectoires, de localisation des caméras et des radars, de détection des places de stationnement et bien plus encore.
Dans ce nouvel épisode de NVIDIA DRIVE Dispatch, nous vous présentons les dernières avancées technologiques relatives aux données synthétiques qui permettent d’améliorer l’entraînement des réseaux de neurones profonds, les nouvelles applications de la perception radar pour l’anticipation des mouvements, la mise en œuvre de MapStream pour la cartographie HD en crowdsourcing, et bien plus encore.
Découvrez les dernières avancées de DepthNet et de nouvelles innovations relatives à la détection du marquage routier, à l’estimation de l’auto-déplacement multi-radars, au suivi des caractéristiques inter-caméras, et bien plus encore.
Prenez connaissance des progrès réalisés pour la détection des places de stationnement, la localisation 3D des points de repère et l’estimation des interruptions, et découvrez notre premier système de conduite autonome basé sur une carte MyRoute et un plan de route générés automatiquement.
Découvrez les progrès relatifs à la classification et à l’évitement des scooters, à la détection des feux de circulation, à la stabilité cuboïde 2D, à la génération d’espaces 3D à partir d’annotations de caméra, à notre pipeline de perception par modules de télédétection et aux techniques de perception des phares, des feux arrière et de l’éclairage routier.
Recevez les dernières actualités de DRIVE Labs directement dans votre boîte de réception avec la newsletter de NVIDIA pour l’automobile.