源之原味

测试, 测试: VR 如何能旋转模拟自驾车汽车的里程计

 

这篇文章来自 nvidia.com。原始 url 是: https://blogs.nvidia.com/blog/2018/03/13/developing-self-driving-cars-in-vr/

以下内容由机器翻译生成。如果您觉得可读性不好, 请阅读原文或 点击这里.

如果时间等于金钱, 那么通过道路测试来发展自驾车汽车就有麻烦了。

兰德的研究人员估计 让一个自我驱动的汽车达到同样的精确度水平, 作为一个人的司机将需要驾驶11 0亿 测试里程。从这个角度来看, 在 2016年, 加州所有的自主驾驶公司只用了70万英里。

Cognata, 一个基于以色列的启动和我们的成员 初始程序, 目的是通过在虚拟环境中启用驾驶来加速完全训练自主车辆所需的时间。

通过人工智能、深度学习和计算机视觉的结合, 公司创造了一种可能被认为是开发汽车的时间机器, 它将把我们从 a 点带到 B, 而无需我们去触摸方向盘。

在虚拟世界中驾驶

自驾车汽车需要能够作出明智的, 合理的决定如何在不断变化的环境中采取行动。为了发展这种理解, 自治系统需要有经验的驾驶在真正的道路上, 真正的司机行为和真实的天气条件。

这就是为什么许多公司和研究人员在我们的道路上驾驶试验车来获得训练数据。Cognata 的虚拟环境使公司能够在测试自主车辆时节省时间和金钱, 并避免安全问题。

它的技术基于三主要层数。第一个是 "静态" 层, 计算机视觉和深层学习算法利用地图和卫星图像中的数据自动生成真实城市的数字地图, 3D。Cognata 的专利 TrueLife 3D 网格技术模拟城市, 包括建筑物, 道路, 车道标志, 交通标志, 甚至他们的叶子。

在这个真实的, 但模拟的静态层之上, Cognata 添加了一个 "动态" 层的交通模型。这包括其他车辆的形状和大小, 以及行人。此外, 还增加了历史上的当地天气状况和照明的变化, 允许自治系统尝试和测试大量的变量。

第三个 "传感" 层结合了静态和动态层, 模拟了雷达和激光雷达等传感器对模拟环境和其中各种刺激的相互作用。这为每个驱动器提供了一个全面的自主驾驶模拟反馈回路。

像没有其他的经验

其结果是, Cognata 的技术允许 AI 驱动系统遇到, 并从中学习, 他们可能永远不会有机会在现实世界的测试面临的巨大的各种场景。想集中在下雪的条件与结冰的道路?Cognata 可以提供无尽的里程。

该公司的技术是由 NVIDIA DGX 站, 一个 AI 超级计算机工作站, 它封装了一个数据中心的深入学习能力, 但在办公桌下整齐地适合。他们用 DGX 站来训练他们的深神经网络比以前快10x。另外, 他们现在可以在模拟环境中同时运行10虚拟车辆。

配备了一系列的摄像头, 激光雷达和雷达传感器, 虚拟车辆可以生成的数据, 以千英里驱动每小时。这意味着 Cognata 可以训练自主车辆1,000x 比传统方法更快, 并能达到的验证目标, 汽车行业需要把完全自主的汽车市场在短短几年。

Cognata

Cognata 是我们创业计划中2200多家初创企业之一。虚拟加速器计划为初创企业提供了获得技术、专业技能和市场营销支持的机会。

Cognata 荣获 "以色列最热门的初创企业" 称号。 以色列 去年。来听一下公司的 CEO 丹尼安宏宇, 就 "深入学习自主驾驶仿真"由 注册我们的旗舰公司, 在圣何塞, 3月26-29。

Leave A Reply

Your email address will not be published.