【全球新要闻】NVIDIA 自动驾驶实验室:为自动驾驶汽车生成基于 AI 的事故场景
现实世界中存在着各种类型的交通状况,自动驾驶汽车必须能够安全应对以上状况。其中包括由于车距较近导致的危险事故,在这种状况下,其他道路使用者在行驶过程中进行的意外操作可能导致碰撞事故发生。
然而,对开发人员而言,在这些类型的场景中开发和测试自动驾驶汽车极具挑战性。因为现实世界中这类碰撞数据十分罕见,此外,若要在现实世界中重现此类情况来进行测试则极不安全,并且该方法难以扩展并实现规模化。
(资料图)
利用 STRIVE 算法
对自动驾驶汽车规划模块进行压力测试
在自动驾驶汽车堆栈中,规划模块负责决定车辆应如何行驶。若要对规划模块进行全面的测试,则需要收集真实且多样化的潜在交通事故场景数据集。
NVIDIA 开发了名为
STRIVE(压力试驾)
的算法,可为自动驾驶汽车的规划模块训练创建丰富的事故场景(图 1)。开发人员可通过分析该模块在仿真场景中的存在的规划短板,在自动驾驶汽车上路前进行纠正,以便改善车辆的规划行为。图 1:STRIVE 生成自动驾驶汽车的交通事故场景
利用优化方式生成潜在事故场景
STRIVE 算法从真实世界场景着手,使目标测试车辆按照预期规划行驶。而后,STRIVE 利用对抗优化来修改场景中其他车辆的 2D 轨迹,以生成碰撞场景。其中,用于与自动驾驶汽车碰撞的干扰车辆可以由用户进行指定,也可由 STRIVE 在优化过程中自动选择。
该解决方案中的另一项优化是训练自动驾驶汽车生成机动策略,来避免交通事故的发生,从而提高自动驾驶汽车的规划能力。STRIVE 创建了真实且多样化的事故场景,并提供了实用的解决方案以改善自动驾驶,如图 2 所示。
图 2:STRIVE 生成的潜在事故和解决方案示例
数据驱动型交通模型的真实性
仿真事故场景必须真实且能精确反映现实世界的交通状况和物理环境。STRIVE 使用 AI 交通模型,基于大型真实世界数据集进行自动驾驶汽车训练,以了解现实中车辆的行驶轨迹。该模型显示为“Traffic Prior”,如图 1 所示。
在优化过程中,STRIVE 使用经过训练的 AI 模型进行检查,以确保其生成的场景真实有效,即场景中需包含事故状况。
从 2D 轨迹到 3D 仿真
STRIVE 在
NVIDIA DRIVE Sim
中运行,基于十字交叉路口创建多种事故场景。STRIVE 会基于现实世界的驾驶行为,进行常规交通重建,而后创建各种自动驾驶汽车可能会与不同的车辆产生的交通事故(图 3)。图 3:NVIDIA DRIVE Sim 中产生的潜在事故,每个事故都来自对应的真实场景
结论
STRIVE 能够在仿真中自动创建罕见且危险的潜在事故场景。自动驾驶开发人员可借助 STRIVE 算法,对自动驾驶系统进行全面训练和评估,以确保其行为的安全性。
生成车辆之间可能发生的碰撞场景只是利用 AI 进行交通场景仿真的一个用例。NVIDIA 正着力将数据驱动型模型纳入所有类型的交通场景仿真之中,包括行人、自行车骑行者和场景编辑等领域。
责任编辑:hnmd003
相关阅读
-
【全球新要闻】NVIDIA 自动驾驶实验室:为自动驾驶汽车生成基于 AI 的事故场景
现实世界中存在着各种类型的交通状况,自动驾驶汽车必须能够安全应对以上状况。其中包括由于车距较近导...
2023-02-25 -
【全球新要闻】NVIDIA 自动驾驶实验室:为自动驾驶汽车生成基于 AI 的事故场景
现实世界中存在着各种类型的交通状况,自动驾驶汽车必须能够安全应对以上状况。其中包括由于车距较近导...
2023-02-25 -
天天滚动:股票行情快报:超图软件(300036)2月24日主力资金净卖出601.05万元
截至2023年2月24日收盘,超图软件(300036)报收于19 48元,上涨0 78%,换手率1 12%,成交量4 81万手,成交额9337 9万元。
2023-02-25 -
今日热门!供销大集股东新合作所持股份将悉数被司法拍卖 占总股本0.21%
2月24日,供销大集集团股份有限公司公告称,股东延边新合作所持股份将被司法拍卖。本次将被司法拍卖的股...
2023-02-24 -
当前热点-新世界发展上半财年溢利33.6亿港元 同比下降14%
中国网财经2月24日讯新世界发展昨日发布2022 2023中期业绩公告。数据显示,新世界发展在报告期内录得总...
2023-02-24
阅读排行
资讯播报
- 天天讯息:这次的新帅,能救得了...
- 全球动态:普缙集团:下财年卖地...
- 当前视点!家居丨建艺集团:副总...
- 中国汽研牵头申报的《乘用车保新...
- 世界速读:深圳控股1月份合同销...
- 环球观速讯丨建发收购红星美凯龙...
- 快看点丨久尔杰维奇担任中国国家...
- 扬科维奇担任中国国家男子足球队...
- 信息:智慧体育赋能美好生活 ...
- 焦点热讯:常州首套房贷利率下限...
- 当前观点:中关村:国美电器持有...
- 丰网快递:用差异化布局占领快递...
- 天天观察:夺冠60年纪念日当日 ...
- 第四届川籍农民工运动会开幕
- 于右任书法集
- 新动态:淮北建投拟发行17亿公司...
- 每日消息!业绩快报:神州泰岳全...
- 天天通讯!西安17.33亿元挂牌4宗...
- 大新银行预料港今年通胀上升2%
- 奋进的春天|沪上会展业释放回暖...
- 热推荐:【走进区域看发展】加“...
- 李丹阳晋升国家象棋大师 黑龙江...
- 即时焦点:陈茂波指香港设物业空...
- 全球实时:上海临港同华物流34%...
- 全球即时看!走进天地日月 感受...
- 全球热推荐:中国男篮主帅乔尔杰...
- 焦点精选!世界摔联积分赛埃及亚...
- 当前速讯:哈尔滨市道外公安倾心...
- 【IPO观察】瑞迪智驱两官方文件...
- 世界快播:奋进的春天 | 黑土...
- 【IPO观察】长利新材研发费率不...
- 深圳公布一批次5宗拟出让地块 ...
- 用于系统性能试验的仿人机器人技...
- 天天观焦点:驾驶员注意力监测系...
- 声学和气动声学的区别是什么?
- 环球消息!绿城服务联合汇银物业...
- 重回八小时深度睡眠,这才是GABA...
- HALO life|锁定这份offer,邂...
- 哈弗二代大狗火速来袭,为什么说...
- 如何计算胶合板的成本
- 全球观速讯丨陕西延安:共有产权...
- 北京海淀区上地西路39号部分土地...
- 天天快播:福州泰禾福州湾股东会...
- 车身刚度对瞬态工况的重要性
- 天天快资讯丨汽车极端环境适应性...
- 杭州队加冕象甲联赛总冠军 王天...
- 环球头条:全国一体化算力网络甘...
- 从“队内选拔”看奥运备战,国乒...
- 即时焦点:港股商汤涨超5% 此...
- 每日动态!关于王濛纠纷的是非曲...
- 中国残联、教育部:有条件的高校...
- 碧桂园地产200亿元中期票据已获...
- 双塔食品入围2022年度中国绿色工厂
- 2023陕西高中学考目前报名时间未...
- 广州修复义齿-广东省爱牙工程助...
- 直播 | 车外声音测试分析解决...
- 天天头条:金隅集团:后两年发债...
- 实时:乘坐舒适只看行驶平顺性吗...
- 楼市回暖观察·广州 | 2月新...
- 天天即时看!青岛动车小镇投资集...
- 天天快看:福州晋安125亩东峦郡...
- 当前讯息:“昨天还是4.1%,今天...
- 焦点关注:Keysight宣布收购,扩...
- 半岛超声炮开启全国培训考核会,...
- 当前快播:海昌海洋公园与湖北交...
- 环球消息!碧桂园200亿中票获交...
- 焦点关注:新鸿基地产:中期收入...
- 热文:中交集团分别与河南省政府...
- 天天观点:俄乌冲突这一年 多少...
- 2023陕西高中学考报名暂未开始 ...
- 过坎冲击试验分析方法
- 焦点速讯:汽车安全之声 | 特...
- 世界最资讯丨家居|曲美家居拟定...
- 环球要闻:武汉楼市“暖”起来:...
- 环球热点评!热点城市土拍升温 ...
- 天天热门:厦门古龙地产二度挂牌...
- 全球简讯:淬炼赛事品牌 提升比...
- 标准立项|《智能网联汽车自动驾...
- 世界资讯:中国女足,加油!(体...
- 乔尔杰维奇率中国男篮取胜
- 世界资讯:体育电影依旧非燃不可?
- 当前热议!中国乒乓不再苦大仇深
- 当前头条:地图、玩法全部还原,...
- 焦点消息!行业首个《线控底盘》...
- 艾滋病的前期症状是什么样的_艾...
- 孔凡钰夺得2022-2023赛季自由式...
- 当前消息!新世界发展:中期综合...
- 天天看点:中国残疾人冰雪运动季...
- 吉林速度滑冰后备人才集结练兵
- 有惊无险取胜,中国男篮新帅首秀...
- 天天讯息:家居丨无锡消保委:青...
- 中交地产拟向特定对象发行股票 ...
- 新消息丨房产税费计算_房产税怎么算
- 环球资讯:走进区域看发展 重庆...
- 柔性执法传递法治温度(金台锐评)
- 每日看点!短道速滑新人借赛砺锋...
- 环球微资讯!【体育】易建联、郭...
- 雅居乐20亿元中票获交易商协会接...
- 焦点日报:这一轮楼市回暖的真相...
- 环球速递!新华全媒+|卫星瞰京津...