自动驾驶模型开发
构建更智能、更安全的驾驶模型
概览
从车队数据到基于推理的驾驶模型
一个可量产的驾驶模型基于大规模数据和推理能力构建，能够处理复杂的真实驾驶场景。NVIDIA 将数据整理和合成数据生成相结合，构建了海量且覆盖面广的训练数据，包括罕见的长尾事件。NVIDIA 的开放型推理 VLA 模型从这些数据中学习，并通过强化学习进行改进，从而做出可解释的驾驶决策，推进更安全的自动驾驶。
优势
为什么模型开发对自动驾驶至关重要
模型开发通过推理模型、覆盖长尾的数据和边缘场景的持续迭代，弥合了功能强大的原型机与可量产的自动驾驶汽车之间的差距。
高吞吐量数据处理
辅助驾驶汽车通过摄像头、激光雷达、雷达和其他传感器生成数 TB 级的多模态数据。这些数据需要经过大规模摄取、重构、筛选和标注之后，才能用于训练 AI 模型。
持续改进
辅助驾驶系统需要持续改进，通过不断学习新的数据、罕见事件和极端场景，来优化感知、预测和规划能力。
大规模合成数据生成
针对真实世界驾驶的高吞吐量合成数据生成和可扩展的场景重建进行优化。这能够实现对算法变更的高效验证，并利用车队数据实现广泛的场景覆盖。
安全级数据筛选
确保用于训练和验证安全关键型系统的是正确的数据，而不仅仅是更多的数据。
技术
数据集准备和模型训练
客户案例
加速开发
借助用于辅助驾驶汽车、机器人与智能空间开发的开源数据集 — NVIDIA 物理 AI 数据集，打破数据瓶颈。该统一数据集由经过验证的数据组成，用于构建 NVIDIA 物理 AI，现已在 Hugging Face 上免费向开发者提供。
资源
AI、加速计算和仿真领域的突破性成果
-
新闻
-
会议
后续步骤
准备好开始使用了吗？
使用 NVIDIA 开放数据集、模型和框架来整理驾驶数据、生成训练集并训练自动驾驶模型。
预约咨询
与 NVIDIA 汽车专家交流，了解如何使用高质量训练数据构建基于推理的模型。
获取最新资讯
获取有关 NVIDIA 汽车技术、突破性成果等的最新消息。
