NVIDIA DRIVE® 基础架构包括开发自动驾驶技术(从原始数据采集到验证)所需的完整数据中心硬件、软件和工作流。该基础架构为神经网络开发、训练和验证以及在仿真测试提供了所需的端到端构建模块。
开发自动驾驶汽车需要高性能、节能高效的 AI 计算基础架构。成功的关键是优化数据加载,以便在不影响安全的情况下训练和操作这些车辆。汽车能够收集和处理的信息越多,AI 就可以更快速、更出色地学习和做出决策。
DGX 云 可大规模提供高性能计算,使汽车公司能够快速开发对自动驾驶汽车开发至关重要的 AI 算法。基于云的基础设施还支持大规模回放,使 OEM 能够根据先前收集的真值数据测试其 AI.
DGX SuperPOD™ 是由多个 DGX 服务器组成的先进 AI 计算基础架构,可提供卓越的性能。这使得 OEM 能够更快、更高效地训练和优化深度学习模型,从而缩短开发安全自动驾驶系统所需的时间。
NVIDIA AI Enterprise 是 NVIDIA AI 平台的软件层,可访问数百个 AV 框架。其中包括 TensorFlow、PyTorch 和 NVIDIA® CUDA-X™,可让 AV 公司创建、测试、训练和部署复杂的 AI 算法。
在公共道路上进行测试时,自动驾驶汽车不可能遇到所有的交通情况。在 NVIDIA DRIVE Sim™ 中,虚拟汽车可以在各种场景(从常规驾驶到罕见乃至危险情况)中进行数百万英里的仿真驾驶,并且比现实世界中的驾驶测试更高效、更经济实惠、更安全。高保真平台还可以生成基于物理效果的合成传感器和真值数据,从而根据任意开发需求定制场景。
Omniverse Cloud 是一种平台即服务,可提供全栈云环境,使 OEM 能够在基于物理性质的虚拟环境中测试和验证自动驾驶汽车。
NVIDIA OVX 服务器旨在采用自动驾驶所必需的复杂传感器架构来运行 DRIVE Sim。OVX 将高性能计算和 GPU 加速图形与高速存储访问、低延迟网络和精确计时相结合,能够提供可扩展自动驾驶软件在环 (SIL) 仿真所需的性能。
As a core extension of NVIDIA Omniverse, Replicator generates 3D synthetic data that covers gaps where data can't be collected, labeled, or efficiently scaled in the real world. This can significantly reduce AV development time and cost.
Hear how leaders in the AV industry are approaching this challenge to deploy safe self-driving vehicles for transportation and delivery.
Breakthroughs by NVIDIA Research demonstrate the power of Omniverse digital twins to reconstruct real-world scenarios in simulation.
Learn how DRIVE Sim provides the digital twin environment to train, test, and validate automated driving functions> You’ll also see how NVIDIA Omniverse enables the development of factory digital twins, in-vehicle experiences, and car configurators.
从 NVIDIA DGX SuperPOD 上的自动驾驶训练和测试工作(包括大规模 AI 基础架构、克服数据管理挑战和 ML Ops)中获得洞见。
NVIDIA 研究团队取得突破性成果,展示了 Omniverse 数字孪生技术在仿真中重建真实场景的强大功能。
了解大规模训练自动驾驶感知算法的技术,助力 DRIVE Replicator 生成物理属性准确的合成传感器数据和真实数据。
了解 DRIVE Sim 软件的新进展和新功能。重点介绍使用仿真的创新开发技术。
本篇文章介绍了 DRIVE Sim 中摄像头模型的验证,评估了从世界场景的渲染到协议仿真中每个元素的性能。
在 DRIVE Sim 的加持下,自动驾驶开发者可以提高生产力、效率以及测试范围,在充分缩短实际上路驾驶时间的同时,加快产品走向市场的速度。如果您有兴趣加入 DRIVE Sim 的抢先体验版本计划,请申请成为会员。
了解如何开始开发 AI 赋能的自动驾驶汽车。