Simulation autonomer Fahrzeuge

Lernen Sie realitätsnahe Sensorsimulation für die sichere Entwicklung autonomer Fahrzeuge kennen.

Workloads

Simulation/Entwicklung/Design

Branchen

Automobile und Verkehr

Geschäftsziel

Return on Investment (Rentabilität)
Risikominderung

Produkte

NVIDIA Omniverse Enterprise
NVIDIA OVX
NVIDIA DGX

Notwendigkeit realitätsnaher Simulation autonomer Fahrzeuge

Für die Entwicklung und Validierung sicherheitskritischer Funktionen in autonomen Fahrzeugen ist die Simulation von entscheidender Bedeutung. Sie erfordert jedoch umfangreiche Tests vor der Bereitstellung. Die realitätsnahe Simulation stellt eine sichere, kontrollierte und realistische Umgebung für das Training von Systemen für selbstfahrende Kraftfahrzeuge in verschiedenen Szenarien bereit. Die Technologie simuliert effektiv Bedingungen der realen Umwelt, damit die Fahrzeuge anhand eines digitalen Zwillings sicher getestet und validiert werden können, bevor sie straßenreif sind.

Warum die Simulation für autonome Fahrzeuge wichtig ist:

Sicherheit hat Vorrang

Verschiedene Fahrbedingungen wie schlechtes Wetter, Änderungen des Verkehrsaufkommens und seltene oder gefährliche Situationen können exakt modelliert werden. 

Kosteneffizienz

Virtuelle Tests können die Entwicklungs- und Validierungskosten senken, da sich physische Tests auf ein Minimum reduzieren lassen.

Skalierbarkeit und Flexibilität

Durch Bereitstellen einer virtuellen Fahrzeugflotte können neue Sensoren und Systeme vor der physischen Umsetzung von Prototypen getestet werden.

Quick-Links

Blog: NVIDIA Research Wins CVPR Autonomous Grand Challenge for End-to-End Driving (NVIDIA Research gewinnt die CVPR Autonomous Grand Challenge für End-to-End-Driving)
Blog: NVIDIA Supercharges Autonomous System Development with Omniverse Cloud APIs (NVIDIA forciert die Entwicklung autonomer Systeme mit Omniverse Cloud APIs)
Vortrag: Advancing Autonomous Vehicle Simulation with Omniverse and Generative AI (Fortschritte bei der Simulation autonomer Fahrzeuge mit Omniverse und generativer KI)
Vortrag: Building the Next Generation of Autonomous Vehicles in Simulation (Entwicklung der nächsten Generation autonomer Fahrzeuge in der Simulation)

Physikalisch akkurate Simulation autonomer Fahrzeuge im großen Maßstab

Die auf OpenUSD und NVIDIA RTX™ basierenden NVIDIA Omniverse™ Cloud APIs für die Simulation autonomer Fahrzeuge ermöglichen es Entwicklern, ihre Simulations-Workflows für selbstfahrende Autos mit naturgetreuen Sensorsimulationen, physikalischen Eigenschaften und realistischem Verhalten zu verbessern. Mit diesen APIs können Sie Verbindungen zu einem riesigen Ökosystem von Partnern knüpfen, die Simulationswerkzeuge für Fahrzeugdynamik und Verkehr entwickeln. Sie können auch USD-Inhalte einbringen, um auf neue Gebiete zu expandieren und neue Operational Design Domains (ODD, zulässige Betriebsbereiche) in den Blick zu nehmen.

Sensor RTX Microservices ermöglichen eine physikalisch basierte und neuronale Darstellung von Sensoren, die häufig in autonomen Fahrzeugen eingesetzt werden, einschließlich Kameras, Lidar, Radar und Ultraschallsensoren. Die gerenderten synthetischen Daten und Ground-Truth-Labels können für das Training von Perzeptionsmodellen und die Validierung des Software-Stacks für autonome Fahrzeuge in Closed-Loop-Tests verwendet werden.

Sensorsimulation für autonome Fahrzeuge, unterstützt von Omniverse Cloud APIs

Erfahren Sie, wie Foretellix mit NVIDIA Omniverse Cloud APIs eine naturgetreue Sensorsimulation für die Entwicklung autonomer Fahrzeuge erzeugt.

Sehen Sie sich das Video an

Quick-Links

Tech-Blog: End-to-End Driving at Scale with Hydra-MDP (End-to-End-Driving im großen Maßstab mit Hydra-MDP) >
Tech-Blog: Simulating Realistic Traffic Behavior with a Bi-Level Imitation Learning AI Model (Simulation eines realistischen Verkehrsverhaltens mit einem Bi-Level Imitation Learning AI Model)
Tech-Blog: Using Synthetic Data to Address Novel Viewpoints for Autonomous Vehicle Perception (Synthetische Daten als Basis neuartiger Perspektiven für die Wahrnehmung autonomer Fahrzeuge)
Tech-Blog: Building Spatial Intelligence from Real-World 3D Data Using Deep-Learning Framework fVDB (Aufbau von räumlicher Intelligenz aus realen 3D-Daten mit dem Deep-Learning-Framework fVDB)
Vortrag: Advancing Autonomous Vehicle Simulation with Omniverse and Generative AI (Fortschritte bei der Simulation autonomer Fahrzeuge mit Omniverse und generativer KI)
Vortrag: Building the Next Generation of Autonomous Vehicles in Simulation (Entwicklung der nächsten Generation autonomer Fahrzeuge in der Simulation)

Nutzen Sie ein gemeinsames Ökosystem kompatibler, für Simulationen bereiter Inhalte.

Mehr über CARLA

Erweitern Sie schnell die V&V-Funktionen der Omniverse Cloud für die Simulation autonomer Fahrzeuge, indem Sie die abdeckungsorientierte Validierungsplattform Foretify™ von Foretellix nutzen.

Mehr erfahren

Importieren Sie Umgebungen mit MathWorks RoadRunner schnell in die Omniverse Cloud.

Mehr erfahren

Melden Sie sich bitte mit unserem Interesseformular an, um die neuesten Informationen zu erhalten.

Mehr Anwendungsfälle für die Automobilbranche

Foretellix

Autonome Fahrzeuge sicher bereitstellen

Foretellix, ein Entwickler von Validierungs-Tools für autonome Fahrzeuge, ermöglicht Sensorsimulation mit Omniverse Cloud APIs, um die Sicherheit zu verbessern, Arbeitsabläufe zu beschleunigen und Kosten zu senken.

Demo ansehen

WPP

Verbessern Sie 3D-Markenerlebnisse

Produzieren Sie hochwertige Inhalte mit Tools für generative KI, die auf NVIDIA Picasso basieren, und veröffentlichen Sie interaktive Markenerlebnisse mit dem NVIDIA Graphics Delivery Network (GDN).

Demo ansehen

Informieren Sie sich über die Entwicklung durchgehend autonomer Fahrzeuge

Mit NVIDIA Omniverse Cloud Sensor RTX Microservices können Sie Ihre Workflows in einer physikalisch akkuraten Umgebung testen und validieren, bevor Sie sie in der realen Welt testen.

Demo ansehen

News

NVIDIA forciert die Entwicklung autonomer Systeme mit Omniverse Cloud APIs

Die NVIDIA Omniverse Cloud APIs sind dafür konzipiert, diese Herausforderung durch umfangreiche, naturgetreue Sensorsimulation zu meistern. 

Blog lesen

NVIDIA Research gewinnt die CVPR Autonomous Grand Challenge für End-to-End-Driving

NVIDIA wurde bei der CVPR zum Gewinner der Autonomous Grand Challenge in der Kategorie „End-to-End Driving at Scale“ gekürt und übertraf weltweit mehr als 400 Einreichungen.

Blog lesen

End-to-End-Driving im großen Maßstab mit Hydra-MDP

NVIDIA stellt Hydra-MDP vor, ein innovatives Framework für schnellere Fortschritte auf dem Gebiet des durchgehend autonomen Fahrens.

Blog lesen

Simulation eines realistischen Verkehrsverhaltens mit einem Bi-Level Imitation Learning AI Model

Das NVIDIA Research-Team skizziert ein neuartiges Konzept für die Simulation des realen Verkehrsverhaltens, das es Entwicklern ermöglicht, Systeme zu entwickeln und bereitzustellen, die in mehreren zulässigen Betriebsbereichen (ODDs) mit unterschiedlichem Verkehrsverhalten agieren können.

Blog lesen
Informationen zum Unternehmen
Neuigkeiten und Events
Beliebte Links