 |
 |
 |
 |
 |
 |
 |
 |
Компания NVIDIA одержала очередную победу в конкурсе End-to-End автономного вождения Grand Challenge на CVPR
Сегодня компания NVIDIA была названа победителем автономного конкурса Grand Challenge на конференции по компьютерному зрению и распознаванию образов (CVPR), проходившей на этой неделе в Нэшвилле, штат Теннесси. Анонс был сделан на семинаре «Воплощенный интеллект для автономных систем на горизонте».
Компания NVIDIA второй год подряд возглавляет список лидеров в категории «Комплексное вождение в масштабе» и третий год подряд выигрывает награду Autonomous Grand Challenge на выставке Horizon. CVPR.
Темой конкурса в этом году было “На пути к обобщаемым воплощенным системам”, основанным на NAVSIM v2, платформе моделирования автономных транспортных средств (AV), управляемой данными.
Этот конкурс предоставил исследователям возможность изучить способы справляться с непредвиденными ситуациями, не ограничиваясь использованием только реальных данных о вождении человека, для ускорения разработки более интеллектуальных и безопасных автомобилей.
Создание безопасных и адаптивных траекторий вождения
Перед участниками челленджа была поставлена задача разработать стратегию вождения траектории движения по данным нескольких датчиков в режиме полуреактивного моделирования, при котором план движения автомобиля ego фиксирован на старте, но фоновое движение динамически меняется.Представленные материалы оценивались с использованием расширенной прогностической модели водителя, которая оценивает безопасность, комфорт, соответствие требованиям и обобщение в реальных и синтетических сценариях, расширяя границы надежных и обобщаемых исследований в области автономного вождения.Ключевым нововведением команды прикладных исследований NVIDIA AV стал метод обобщенной оценки траекторий (GTRS), который генерирует множество траекторий и постепенно отфильтровывает наилучшую из них.
Архитектура модели GTRS, представляющая собой единую систему для создания и оценки различных траекторий движения с использованием траекторий, основанных на распространении и словарном запасе.
В ГТП представлена комбинация грубых наборов траекторий, охватывающих широкий спектр ситуаций, и детализированных траекторий для критических с точки зрения безопасности ситуаций, разработанных с использованием политики распространения, обусловленной окружающей средой. Затем GTRS использует трансформаторный декодер, основанный на показателях, зависящих от восприятия, с акцентом на безопасность, комфорт и соблюдение правил дорожного движения. Этот декодер постепенно отфильтровывает наиболее перспективные траектории, фиксируя незначительные, но важные различия между похожими траекториями.
Эта система доказала свою эффективность в широком спектре сценариев, обеспечивая самые современные результаты в сложных тестовых условиях и обеспечивая надежный адаптивный выбор траектории движения в различных и сложных дорожных условиях.
NVIDIA Automotive Research на CVPR
На CVPR 2025 было принято более 60 докладов от NVIDIA, посвященных автомобилестроению, здравоохранению, робототехнике и многому другому.
В автомобилестроении исследователи NVIDIA продвигают физический искусственный интеллект, внедряя инновации в области восприятия, планирования и генерации данных. В этом году, три бумажки от Nvidia номинирован на главный приз: FoundationStereo, ноль выстрел монокуляр поток сцены и Difix3D+.
<п>видеокарта NVIDIA документы, перечисленные ниже витрина прорывы в стереоскопической глубины оценки, монокуляр движения понимания, 3D-реконструкции, с замкнутым циклом планирования, видение-язык моделирования и генеративное моделирование — все, решающее значение для формирования более безопасного, более обобщенное АВС:
- диффузионной визуализации: нейронная обратная и вперед перевода с видео диффузионной модели (подробнее в этом блоге.)
- FoundationStereo: ноль-съемка стерео соответствия (лучший доклад кандидата)
- ноль-выстрел, монокуляр место подачи оценка в дикой природе (лучший доклад кандидата)
- Difix3D+: улучшение 3D-реконструкций одностадийной диффузии моделей (лучший доклад кандидата)
- 3DGUT: Включение искаженных камер и вторичного излучения в Гауссов подстановки
- замкнутой руководил доводкой токеном движения модели
- ноль-выстрел 4Д лидара Panoptic сегментация
- NVILA: границы эффективности визуальный язык модели
- радио усиливается: улучшается исходные данные для агломерационного видение основу модели
- OmniDrive: Целостное видение-языковых данных для автономного вождения с гипотетическим рассуждениям
- мастерская на основе данных автономного вождения моделирования с Марко Павоне, старший директор А. В. научные исследования в Nvidia, и Саня Фидлер, вице-президент А. И. научные исследования в Nvidia
- семинар автономного вождения, с участием Лаура Леал-Taixe, старший менеджер по исследованиям в Nvidia
- практикум по открытым миром 3D-сцены взаимопонимании с Фондом моделей с Леал-Taixe
- Безопасный искусственный интеллект для всех доменов, с участием Хосе Альварес, директор А. В. прикладные исследования в Nvidia
- мастерская по созданию моделей для связи V2X на основе сотрудничества автономного вождения, в Павоне и Леал-Taixe
- практикум по мультиагентное воплощены интеллектуальные системы отвечают генеративных ИИ Эра в Павоне
- LatinX в резюме мастерская, где Леал-Taixe
- семинар по изучению следующего поколения данных с Альваресом
- полный стек базе GPU ускорение глубокого обучения и основу модели, водить на NVIDIA
- непрерывный цикл данных через основу модели, водить на NVIDIA
- дистилляция основания моделей для автономного вождения, Сид на NVIDIA
<п>знакомства автомобильных мастерских, так и учебники по CVPR, в том числе:
<п><я>откройте <я>от Nvidia научных работ<я> должен быть представлен на <я>CVPR<я> смотреть <я>НВИДИА ГТХ Париж докладом<я> от Nvidia основатель и генеральный директор компании Дженсен Хуан.
<п><я>узнать больше о <я>от Nvidia исследования<я>, глобальная команда из сотни ученых и инженеров сосредоточены на темах, в том числе AI, компьютерной графики, компьютерного зрения, беспилотных автомобилей и роботов.
На изображении выше показано, как автономное транспортное средство адаптирует свою траекторию для навигации в городской среде с динамичным движением, используя модель GTRS.
Другие новости: