Boris Ivanovic – 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, 07 Dec 2023 05:30:26 +0000
zh-CN
hourly
1
196178272 -
使用自監督學習重建動態駕駛場景
http://www.open-lab.net/zh-cn/blog/reconstructing-dynamic-driving-scenarios-using-self-supervised-learning/
Tue, 05 Dec 2023 05:26:42 +0000
http://www.open-lab.net/zh-cn/blog/?p=8412
Continued]]>
從單調乏味的高速公路到日常的社區出行，駕駛通常都很平靜。因此，在現實世界中收集的大部分自動駕駛汽車 (AV) 開發訓練數據嚴重傾斜于簡單的場景。 這給部署穩健的感知模型帶來了挑戰。AV 必須經過全面的訓練、測試和驗證，才能處理復雜的情況，而這需要涵蓋此類情況的大量數據。 模擬為在現實世界中查找和收集此類數據提供了一種替代方案，而這需要非常耗時和成本。然而，大規模生成復雜的動態場景仍然是一個重大障礙。 在最近發表的一篇論文中，NVIDIA Research 展示了一種新的基于神經輻射場（NeRF）的方法（稱為 EmerNeRF），它如何使用自監督學習準確生成動態場景。通過自監督進行訓練，EmerNeRF 不僅在處理動態對象時優于其他基于 NeRF 的方法，而且在處理靜態場景時也表現出色。有關更多詳情，請參閱 EmerNeRF：通過自監督對緊急時空場景進行分解。
Source
]]>
8412
-
使用 Bi-Level 模仿學習仿真現實交通行為
http://www.open-lab.net/zh-cn/blog/simulating-realistic-traffic-behavior-with-a-bi-level-imitation-learning-ai-model/
Tue, 28 Nov 2023 04:44:13 +0000
http://www.open-lab.net/zh-cn/blog/?p=8403
Continued]]>
無論是突然加塞（cut-in），還是無意地 U 形掉頭，人類駕駛員的行為通常難以預測。行為的不可預測性源自人類決策過程的天然復雜性, 往往受多種因素的影響，而且在不同的運行設計域（ODD）和國家也會有所不同，因此很難在仿真中模擬駕駛行為。 但自動駕駛汽車（AV）的開發人員需要有把握地開發和部署能夠在不同 ODD 環境以及多樣的交通行為下運行的駕駛系統。NVIDIA Research 團隊最近發表的論文 BITS: Bi-Level Imitation for Traffic Simulation 中概述了一種仿真現實世界交通行為的新方法，該方法可以幫助開發人員做到這一點。 交通仿真 Bi-Level 模仿（BITS）是一種交通模型，該模型能夠以驚人的逼真度還原現實世界的復雜性，而且性能超過了以往的方法。在該論文詳細介紹的一個試驗中，
Source
]]>
8403
人人超碰97caoporen国产