自動駕駛 – NVIDIA 技術博客

NADP + Triton: 搭建穩定高效的推理平臺

Thu, 29 Sep 2022 02:20:45 +0000

業務背景蔚來自動駕駛研發平臺(NADP)是著力服務于自動駕駛核心業務方向的研發平臺。平臺化的推理能力作為常規機器學習平臺的重要組成部分，也是NADP所重點建設和支持的能力之一。 NADP所支持的推理業務，整體上有以下幾個特性：經過我們從眾多方案的對比和篩選，NVIDIA Triton 能夠在上述每一個方面都能滿足我們的需求。比如，Triton 支持多個模型或模塊進行DAG式的編排。其云原生友好的部署方式，能夠很輕的做到多GPU、多節點的擴展。從生產級別實踐的穩定性角度來看，即便是一個優秀的開源方案，作為平臺級的核心組件，也是需要長時間，高強度的驗證，才能放心的推廣到最核心業務上。經過半年的使用，Triton證明了自己，在保證強大功能的前提下，也提供了很好的穩定性。另外，NVIDIA有著優秀的生態建設與社區支持，提供了優質的Triton社區內容和文檔共享，

Source

]]>

現已推出：帶有 DRIVE OS 6 的 NVIDIA DRIVE AGX Orin 開發人員套件

Wed, 31 Aug 2022 04:15:00 +0000

自動駕駛車輛開發商現在可以使用靈活、可擴展和高性能的硬件和軟件來構建下一代更安全、更高效的交通工具。 NVIDIA DRIVE AGX Orin 開發套件現在可供一般訪問。該人工智能計算平臺由單個 Orin 片上系統（ SoC ）提供動力，包括開發生產級自動駕駛車輛所需的硬件、軟件和示例應用程序。它也是模塊化的，與 NVIDIA Jetson 、 NVIDIA Isaac 和 NVIDIA Clara AGX 平臺共享相同的設計。通過豐富的汽車 I / O ，您可以靈活擴展? 并重復您的自動駕駛解決方案。 DRIVE AGX Orin 包括用于試驗臺開發的基本套件和用于車輛安裝的附加車輛套件。該平臺的占地面積也比前幾代更小，系統和附件包含在一個盒子中。此外， NVIDIA DRIVE 操作系統 6 現已在 NVIDIA DRIVE 開發者下載頁推出，

Source

]]>

使用停車標志輔助功能提升自動代客泊車功能

Wed, 25 May 2022 03:30:00 +0000

這是 NVIDIA DRIVE Labs 系列中的最新視頻。這些視頻以工程為重點，介紹了各個自主車輛的挑戰以及 NVIDIA 驅動團隊如何應對這些挑戰。掌握更多 NVIDIA DRIVE 內容。自動停車涉及一系列復雜的感知和決策算法，傳統上依賴高清（ HD ）地圖來檢索停車信息。然而，地圖覆蓋率和較差或過時的本地化信息可能會限制此類系統。除此之外，系統還必須理解和解釋不同地區的停車規則。在這個 DRIVE Labs 的帖子中，我們展示了基于 AI 的實時感知如何幫助將自動停車擴展到全球各個地區。對停車規則的理解和解釋可能會比表面上看起來更加微妙。可以覆蓋有效區域內的不同停車規則。例如，“禁止停車”可以覆蓋“禁止泊車” 此外，非停車相關標志可以推斷停車規則。例如，在德國，

Source

]]>

驗證 NVIDIA DRIVE Sim 攝像頭模型

Thu, 16 Dec 2021 06:03:00 +0000

在部署自動駕駛車輛之前，需要在各種場景中進行大規模開發和測試。仿真可以通過為自動駕駛車輛提供可擴展、可重復的環境來應對這些挑戰，以應對訓練、測試和驗證所需的罕見和危險場景。 Omniverse 上的 NVIDIA DRIVE Sim 是專為開發和測試自動駕駛汽車（ AV ）而構建的仿真平臺。它提供了車輛、 3D 環境和 AV 系統開發和驗證所需傳感器的高保真數字孿生模型。與視頻游戲等其他應用程序的虛擬世界不同， DRIVE Sim 必須生成準確模擬真實世界的數據。在工程工具鏈中使用仿真需要清楚地掌握模擬器的性能和局限性。該精度涵蓋模擬器建模的所有功能，包括車輛動力學、車輛部件、其他駕駛員和行人的行為以及車輛傳感器。這篇文章涵蓋了 DRIVE Sim 中相機模型驗證的一部分，這需要評估每個元素的單獨性能，從世界場景的渲染到協議模擬。

Source

]]>

NVIDIA DriveWorks 4.0 現已推出

Wed, 20 Oct 2021 07:30:00 +0000

NVIDIA DriveWorks 4 . 0 SDK 現已在 NVIDIA DRIVE 開發人員下載頁面上提供，為您提供專為自動駕駛車輛構建的最新中間件和開發環境。 NVIDIA DriveWorks 在 NVIDIA Drive 之上提供中間件功能，這些功能是自主車輛開發的基礎。這些包括傳感器抽象層（ SAL ）和傳感器插件、數據記錄器、車輛 I / O 支持和深度神經網絡（ DNN ）框架。它是模塊化的、開放的，設計符合汽車行業軟件標準。通過這一最新版本，您可以利用更多傳感器實現靈活、可擴展的自動駕駛解決方案。此外，新的記錄儀工具簡化了數據采集，用于直接的自動車輛傳感器校準。訪問 DriveWorks 4 . 0 需要 NVIDIA 開發者賬戶和 NVIDIA DRIVE AGX SDK 開發人員程序中的成員資格。

Source

]]>

NVIDIA DRIVE OS 5.2.6 Linux SDK 現已提供

Wed, 25 Aug 2021 04:54:00 +0000

NVIDIA DRIVE OS 5 . 2 . 6 Linux SDK 現已在 NVIDIA DRIVE 開發人員網站，為開發人員提供最新的操作系統和專門為自動駕駛汽車構建的開發環境。作為 NVIDIA 驅動 SDK 的基礎， NVIDIA DRIVE 專為加速計算和人工智能設計。它包括 NVIDIA CUDA 為了高效的并行計算， NVIDIA TensorRT 用于實時人工智能推理，用于傳感器輸入處理的 NvMedia ，以及允許開發人員優化 DRIVE AGX 硬件加速引擎性能的專用開發工具和模塊。在最新版本中， NVIDIA DRIVE 平臺 Docker 容器現在可供 GPU NVIDIA 云（ NGC ）上的 NVIDIA DRIVE 開發人員計劃成員進行 beta 測試。 Docker for DRIVE Development 支持主機獨立性、隔離性、

Source

]]>

發現新的 CUDA 11.4 功能

Thu, 01 Jul 2021 08:17:00 +0000

NVIDIA 宣布我們最新發布的 CUDA 開發環境由 GPU 加速庫、調試和優化工具、更新的 C / C ++編譯器和運行庫組成，用于在 NVIDIA 安培、 x86 、 Arm 服務器處理器和 POWER 等主要體系結構上構建和部署應用程序。最新版本 CUDA 11 . 4 及其特性的重點是增強編程模型、新的語言支持以及 CUDA 應用程序的性能。主要特點： CUDA 11 . 4 配備 R470 驅動程序。該驅動程序現在包括 GPU 直接 RDMA ，以及 GPU 直接存儲包，它們簡化并使您能夠利用這些技術，而無需單獨安裝其他包。該驅動程序還為最近推出的 NVIDIA A30 GPU 啟用新的 MIG 配置，使每個 MIG 片的內存量增加一倍。這將為 A30 GPU 上的各種工作負載帶來最佳性能，特別是對于 AI 推理工作負載。想了解更多關于發布的信息嗎？

Source

]]>

NVIDIA 研究：深部目標姿態估計的快速不確定性量化

Tue, 08 Jun 2021 09:31:00 +0000

NVIDIA 德克薩斯大學，奧斯丁和加州理工學院的研究人員開發了一種簡單、高效、即插即用的不確定性量化方法，用于六自由度（自由度）物體姿態估計任務，使用 K 預先訓練的估計器與不同的體系結構和/或訓練數據源的集合。研究人員在 2021 年國際機器人與自動化會議（ ICRA 2021 ）上發表了他們的論文“ 用于深部目標姿態估計的快速不確定性量化（ FastUQ ） ”。 FastUQ 主要研究深部目標姿態估計的不確定性量化問題。在基于深度學習的目標姿態估計中（參見 NVIDIA DOPE ），一個很大的挑戰是基于深度學習的姿態估計器 MIG 不能對其姿態預測過于自信。例如，下面的兩個圖是操縱任務中來自攝影模型的“番茄醬”對象的姿勢估計結果。兩個結果都很有把握，但左一個是不正確的。解決的另一個挑戰是 sim2real 缺口。通常，

Source

]]>

自動駕駛汽車的端到端深度學習

Wed, 17 Aug 2016 08:37:00 +0000

在一個新的汽車應用程序中，我們使用了卷積神經網絡（ CNNs ）來映射從前置攝像頭到自動駕駛汽車的轉向命令的原始像素。這種強大的端到端方法意味著，只要從人類那里獲得最少的訓練數據，系統就可以學會在當地道路和高速公路上使用或不使用車道標線進行轉向。該系統還可以在視覺引導不清晰的區域運行，如停車場或未鋪路面的道路。[編者按：一定要查看新文章“[Editor ’ s Note : be sure to check out the new post “ 解釋端到端深度學習如何駕駛自動駕駛汽車 ”]。我們設計了一個端到端的學習系統，使用 NVIDIA 開發箱運行的 Torch 7 進行培訓。安NVIDIA DRIVETMPX自動駕駛汽車電腦，也與 Torch 7，是用來確定在哪里駕駛時，以 30 幀每秒（ FPS ）。該系統訓練成僅以人的轉向角為訓練信號，

Source

]]>