无人驾驶出租车和智能汽车的仿真和验证
大规模模拟真实世界驾驶
利用高保真仿真加速智能汽车开发。
优势
仿真的重要性
实地试驾无法涵盖所有边际情况或罕见天气状况。借助仿真技术，汽车团队能够生成数百万种场景变体 —— 包括现实世界中从未出现的状况 —— 从而在车辆实际行驶一英里之前就完成安全性测试。
无人驾驶出租车和辅助驾驶开发的安全验证
在受控仿真环境中，评估车辆在罕见活动、恶劣天气、复杂交通状况和其他安全至上条件下的行为。
仿真驱动的成本效率
通过生成用于开发和测试的多样化数据，降低对成本高昂的数据收集车队的依赖。
辅助驾驶汽车仿真工作流中的可扩展性和灵活性
在设计物理原型之前优化传感器、配置和自主栈。
加速辅助驾驶汽车开发和验证
以更高的速度和一致性，从数据生成推进到可重复测试和验证。
技术
仿真工具、模型和数据集
探索开放模型、神经网络重建和世界生成技术，用于开发和验证。
用例
仿真如何支持辅助驾驶汽车开发？
NVIDIA 仿真技术支持开发生命周期的每一个阶段 —— 从场景重建和合成数据生成到场景变化和闭环评估。
-
神经重建
-
世界生成
-
场景变化
-
闭环仿真
神经重建
使用 NVIDIA Omniverse NuRec 库和模型，将驾驶场景重建为 3D 高斯环境。
- 利用 Asset Harvester 从稀疏的驾驶视频视图中提取真实世界 3D 资产
- 使用 Fixer 清理渲染场景中的新视角瑕疵
- 使用 Harmonizer 纠正光照和外观不一致
- 在 NVIDIA Brev 上利用 NemoClaw 即时试用这项技能
世界生成
基于已学习的视觉先验信息构建逼真的驾驶场景——采用开环方式进行数据扩展，闭环方式进行反应性策略测试。
- 开环：使用 NVIDIA Cosmos 生成各种传感器数据，循环中无需策略
- 闭环：使用 NVIDIA Cosmos 3 Nano 实时生成下一个传感器帧，对转向、油门和制动决策做出响应
场景变化
将仿真覆盖范围扩大到仅通过物理测试无法捕获的条件。
- 行为排列：使用 NVIDIA AlpaSim 改变轨迹和交通智能体行为
- 内容排列：使用 NVIDIA Asset Harvester、NVIDIA Omniverse NuRec 和 NVIDIA AlpaSim 插入、重新排列或删除 3D 智能体和道具
- 样式排列：利用 NVIDIA Cosmos 3 Nano，通过新的天气、光照、时段和地理位置来增强场景。
闭环仿真
在反应式仿真中测试驾驶栈，其中做出的决策会影响未来的场景状态和结果。
- 利用 NVIDIA AlpaSim 运行闭环仿真，以测试驾驶决策
- 利用 NVIDIA Omniverse NuRec 对基于日志重建的各种场景进行测试
- 利用 NVIDIA Cosmos 3 Nano 通过生成式模拟世界拓展场景
- 使用 NVIDIA Alpamayo，闭环评估基于推理的驾驶模型
- 使用 NVIDIA AlpaGym，通过闭环强化学习来训练策略
演示
NVIDIA 开放 Cosmos 3：会“推理 + 生成 + 动作”的物理 AI 全能模型
NVIDIA Cosmos™ 3 是面向物理 AI 的开放式全能基础模型，将视觉推理、合成数据生成和动作预测统一的开放模型。
采用企业
使用 NVIDIA 仿真技术的合作伙伴
汽车制造商、移动出行公司和仿真提供商正利用 NVIDIA 技术来推进仿真和验证。
后续步骤
准备好开始了吗？
使用 NVIDIA 开放模型、库和框架重建现实世界驾驶数据、生成合成数据并运行闭环仿真。
申请咨询服务
与 NVIDIA 汽车专家讨论如何利用 NVIDIA 仿真验证长尾场景的辅助驾驶。
随时了解最新动态
获取有关 NVIDIA 汽车技术、突破等信息的最新新闻。
