تحقیقات NVIDIA برنده چالش رانندگی خودکار، جایزه نوآوری در CVPR شد

NVIDIA نزدیک به 30 مقاله و ارائه در CVPR ارائه می کند. کارشناسانی که در مورد رانندگی خودکار بحث خواهند کرد عبارتند از:

در مقابل، پیش‌بینی اشغال سه‌بعدی اطلاعات غنی در مورد جهان به مجموعه برنامه‌ریزی یک وسیله نقلیه خودران ارائه می‌کند که برای رانندگی خودکار سرتاسر لازم است.

وسایل نقلیه تعریف شده توسط نرم افزار را می توان به طور مداوم با پیشرفت های جدید که در طول زمان اثبات و تایید شده اند، ارتقا داد. به‌روزرسانی‌های نرم‌افزار پیشرفته‌ای که از ابتکارات تحقیقاتی ایجاد می‌شوند، مانند مواردی که در CVPR به رسمیت شناخته شده‌اند، ویژگی‌های جدید و قابلیت‌های رانندگی ایمن‌تری را امکان‌پذیر می‌کنند.

Zhiding Yu، دانشمند ارشد تحقیقاتی برای یادگیری و درک در NVIDIA گفت: “راه حل برنده NVIDIA دارای دو پیشرفت مهم AV است.” “این طراحی یک مدل پیشرفته را نشان می دهد که درک عالی از دید پرنده را ارائه می دهد. همچنین اثربخشی مدل‌های فونداسیون بصری با حداکثر 1 میلیارد پارامتر و پیش‌آموزی در مقیاس بزرگ در پیش‌بینی اشغال سه بعدی را نشان می‌دهد.

NVIDIA هفته آینده به عنوان برنده چالش پیش‌بینی اشغال سه‌بعدی برای توسعه رانندگی خودران در نمایشگاه معرفی خواهد شد. کنفرانس بینایی کامپیوتر و تشخیص الگو (CVPR)، در ونکوور، کانادا.

در حالی که تشخیص اشیاء سه بعدی سنتی – تشخیص و نمایش اشیاء در یک صحنه، اغلب با استفاده از جعبه‌های مرزبندی سه بعدی – یک وظیفه اصلی در ادراک AV است، اما محدودیت‌های خود را دارد. به عنوان مثال، فاقد بیان است، به این معنی که جعبه‌های مرزی ممکن است اطلاعات کافی در دنیای واقعی را نشان ندهند. همچنین مستلزم تعریف طبقه بندی و حقایق زمینی برای همه اشیاء ممکن است، حتی آنهایی که به ندرت در دنیای واقعی دیده می شوند، مانند خطرات جاده ای که ممکن است از کامیون سقوط کرده باشند.

بخوانید:   تمام شش آیتم Unique فوق کمیاب Diablo 4 کشف شده اند

را رقابت بیش از 400 ارسال از نزدیک به 150 تیم در 10 منطقه داشت.

سایر گفتگوهای موجود در دستور کار را مشاهده کنید و در مورد آن بیشتر بدانید NVIDIA در CVPRکه از 18 تا 22 ژوئن برگزار می شود.

درک رانندگی خودمختار در طول سال‌های گذشته از انجام وظایف دوبعدی، مانند تشخیص اشیاء یا فضاهای آزاد در تصاویر، تا استدلال درباره جهان به‌صورت سه بعدی با تصاویر ورودی متعدد، تکامل یافته است.

علاوه بر کسب مقام اول در چالش، NVIDIA در این رویداد جایزه نوآوری دریافت خواهد کرد. تشخیص دادن به گفته کمیته کارگاه CVPR، «بینش تازه‌ای در مورد توسعه ماژول‌های تبدیل دیدگاه» با «عملکرد قابل ملاحظه بهبود یافته» در مقایسه با رویکردهای قبلی.

پیش‌بینی اشغال سه‌بعدی فرآیند پیش‌بینی وضعیت هر وکسل در یک صحنه است، یعنی هر نقطه داده در یک شبکه سه‌بعدی دید پرنده. Voxel ها را می توان آزاد، اشغال شده یا ناشناخته شناسایی کرد.

تصویر برجسته از OccNet و Occ3D.

منبع: https://blogs.nvidia.com/blog/2023/06/15/autonomous-driving-challenge-cvpr/

را درایو انویدیا پلتفرم مسیری را به سوی تولید برای خودروسازان ارائه می‌کند و سخت‌افزار و نرم‌افزار تمام‌پشته را برای توسعه ایمن و ایمن AV، از خودرو تا مرکز داده ارائه می‌دهد.

بیشتر در مورد چالش CVPR

چالش پیش‌بینی اشغال سه‌بعدی در CVPR شرکت‌کنندگان را ملزم به توسعه الگوریتم‌هایی کرد که تنها از ورودی دوربین در طول استنتاج استفاده می‌کردند. شرکت‌کنندگان می‌توانند از مجموعه داده‌ها و مدل‌های منبع باز استفاده کنند و کاوش الگوریتم‌های مبتنی بر داده و مدل‌های مقیاس بزرگ را تسهیل کنند. سازمان‌دهندگان یک سندباکس پایه برای جدیدترین الگوریتم‌های پیش‌بینی اشغال سه‌بعدی در سناریوهای دنیای واقعی ارائه کردند.

بخوانید:   GFN پنجشنبه: 20 بازی در ژوئن عرضه می شود

NVIDIA در CVPR

به گفته خوزه آلوارز، مدیر تحقیقات کاربردی AV و دانشمند برجسته در NVIDIA، این اکنون یک نمایش ریز منعطف و دقیق از اشیاء در صحنه‌های ترافیکی پیچیده را ارائه می‌کند، که برای دستیابی به الزامات درک ایمنی برای رانندگی خودکار بسیار مهم است.

NVIDIA را بخوانید گزارش فنی در مورد ارسال

وسایل نقلیه ایمن تر با پیش بینی سه بعدی اشغال

برای توسعه سیستم‌های خودران ایمن و قوی، پیش‌بینی شبکه اشغال سه‌بعدی اطلاعاتی را به پشته‌های برنامه‌ریزی و کنترل وسایل نقلیه خودران (AV) با استفاده از شبکه‌های عصبی کانولوشنال و مدل‌های ترانسفورماتور ارائه می‌کند که توسط درایو انویدیا سکو.

یو ارائه خواهد شد تحقیقات انویدیا کار تیم برنده جایزه در CVPR کارگاه رانندگی خودکار سرتاسر یکشنبه، 18 ژوئن، ساعت 10:20 صبح PT، و همچنین در کارگاه آموزشی رانندگی خودمختار Vision-Centric دوشنبه، 19 ژوئن، ساعت 4:00 بعد از ظهر PT.