GTC 2022 : NVIDIA 将在数位孪生环境建构北美、西欧与亚洲长达 50 万公里环境,做为自驾车 AI 虚拟训练环境

NVIDIA 自发表 Omniverse 平台技术后,迅速将这项技术拓展到各式领域,其中一项就是借助 Omniverse 打造数位孪生环境,提供自驾车技术进行 AI 模型训练的安全环境;在今年 GTC 大会, NVIDIA 执行长黄仁勋宣布

NVIDIA 自发表 Omniverse 平台技术后,迅速将这项技术拓展到各式领域,其中一项就是借助 Omniverse 打造数位孪生环境,提供自驾车技术进行 AI 模型训练的安全环境;在今年 GTC 大会, NVIDIA 执行长黄仁勋宣布将以北美、西欧与亚洲的主要道路,在数位孪生环境建构长达 50 万公里的公路,并透过数百万辆客车扩充与更新模拟,作为自驾车技术的虚拟训练环境,旨在为自驾车车队打造距地球规模的数位孪生并探索新演算法与设计,并作为导入实际道路测试前的把关验证。

NVIDIA 将借助两种情境模拟方式建构不同的数位孪生环境,包括以 NVIDIA DRIVE Map 高解析 3D 图资建立的环境,另一种则是透过预录真实环境影像与神经绘图人工智慧进行建模的环境。无论是哪种情境,皆可借助数位孪生特色,在环境中增添如不同的车色、忽然冲出的行人、出现在道路中的障碍物、各式驾驶行为、天气变化、白天或是黑夜等情境,并可多次还原现实世界可能会发生但机率极低的意外状况。

照片中提到了REE、nVIDIA、而建筑物、植物及其他路旁物件则会产生。,包含了路口、受控通道高速公路、航空摄影、城市设计、水资源

▲以 NVIDIA DRIVE Map 为基础的环境有着精确的 3D 规格,但除道路外的物件皆为另行产生与载入环境当中

照片中提到了Adversarial Scenarios、Al-Generated、NVIDIA,包含了沥青、汽车、豪华车、中型车、摩托车

▲各式动态物件可套用动画或 AI 操作,包括产生各式三宝驾驶行为与突如其来的意外

NVIDIA DRIVE Map 是一种多模式地图引擎,可见力高準确度的 3D 世界,透过将资料载入 Omniverse 后,加入包括建筑物、植物与路旁物件,在自先前驾驶里程的资讯以推论、定位方式产生动态物件、车辆与行人,画面中的动态物件可透过动画处理或是指派 AI 模型,并可套用领域随机化产生各式突发情况。

照片中提到了Pre-Recorded Drive、第二种方法则是使用神经绘图人工智慧与 Omniverse 将预录的驾驶影片、NVIDIA,包含了车道、汽车、家用车、摩托车、中型车

▲透过神经绘图人工智慧将预录驾驶影片转为 3D 场景

照片中提到了Neural Reconstruction、然后辨识并移除动态物件,还原背景。、NVIDIA.,包含了车道、汽车、紧凑型车、豪华车、中型车

▲透过 AI 技术移除动态物件保留背景,后续再透过虚拟技术添加各式动态物件与情境

另一种方式是透过车辆的摄影机蒐集的实际驾驶影片,结合神经绘图人工智慧技术进行场景转换,除了把 2D 影片转化为 3D 建构的场景,还可辨识与消除画面中的动态物件,仅保留背景部分,后续再添加各式的动态物件进行不同情境的模拟。

原创文章,作者:游杰,如若转载,请注明出处:https://www.53moban.com/1203.html

联系我们

400-800-8888

在线咨询:点击这里给我发消息

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息