This site requires Javascript in order to view all its content. Please enable Javascript in order to access all the functionality of this web site. Here are the instructions how to enable JavaScript in your web browser.

Vidéos NVIDIA DRIVE

L’équipe NVIDIA DRIVE, qui innove constamment, développe des solutions de conduite autonome de bout en bout qui transforment toute l’industrie.

Découvrez de nouvelles innovations pour la conduite autonome

Sélectionnez l’onglet ci-dessous pour en savoir plus.

NVIDIA DRIVE Labs
NVIDIA DRIVE Dispatch

Vidéos de courte durée mettant en exergue des algorithmes spécifiques pour la conduite autonome.

Amélioration de la simulation de véhicules autonomes grâce à l’IA générative

Dans cet épisode de DRIVE Labs, nous évoquons trois avancées clés de NVIDIA exploitant l’IA générative (par exemple du texte à la simulation) pour créer des environnements réalistes, générer des comportements de conduite naturels et modifier les scénarios résultants afin de permettre une évaluation et un entraînement rigoureux des véhicules autonomes.

Conduite autonome de bout en bout : vue d’ensemble

Le modèle de conduite de bout en bout par NVIDIA combine la détection, le suivi, la prédiction et la planification en un seul réseau à la conception minimaliste. La planification provient directement de la vue d’ensemble d’une carte de caractéristiques générée générées à partir des données de capteurs.

Lire l’article

Le guide du code de la route basé sur les LLM simplifie la conduite

L'addaptation des comportements de conduite à des environnements et codes de la route inédits est un défi à long terme pour la conduite autonome. LLaDA (Large Language Driving Assistant) est un réseau LLM facilitant la navigation dans des lieux inconnus grâce à des conseils en temps réel sur les règles de circulation régionales dans différentes langues, à la fois pour les conducteurs humains et les véhicules autonomes.

Lire l’article

Reconstitution auto-supervisée de scénarios de conduite dynamique

La simulation de véhicules autonomes n’est efficace que si elle peut reproduire avec précision le monde réel. Le besoin de fidélité augmente et se complexifie à mesure que les scénarios deviennent plus dynamiques et complexes. Dans cet épisode, découvrez EmerNeRF, une méthode permettant de reconstituer des scénarios de conduite dynamique.

Lire l’article

Précision assurée grâce à la synthèse de visualisation dynamique

Alors que les constructeurs automobiles intègrent l’autonomie dans leurs flottes, des défis peuvent émerger avec l’extension de la technologie des véhicules autonomes à différents types de véhicules. Dans cette édition de NVIDIA DRIVE Labs, nous nous intéressons à la fiabilité des points de vue et découvrons comment les avancées récentes offrent une solution utilisant la synthèse de visualisation dynamique.

Lire l’article

Élagage des modèles d’IA pour des performances optimales

HALP (Hardware-Aware Latency Pruning), est une nouvelle méthode conçue pour adapter les réseaux de neurones convolutifs (CNN) et les architectures basées sur des transformateurs pour favoriser des performances en temps réel. Dans cette vidéo, découvrez comment HALP optimise les modèles pré-entraînés pour maximiser l’utilisation du calcul.

Vers la prédiction de l’occupation des véhicules autonomes vers la troisième dimension

Le concept de "prédiction de l’occupation 3D" est essentiel au développement de systèmes de conduite autonome sûrs et fiables. Dans cet épisode, nous dépassons l’approche traditionnelle de la vue d’ensemble pour présenter la technologie de perception 3D de NVIDIA, qui a remporté le défi "prédiction de l’occupation 3D" de la conférence CVPR 2023.

Lire l’article

Évitement des obstacles amélioré pour le stationnement autonome dans des espaces restreints

L'Early Grid Fusion (EGF) est une nouvelle technique qui améliore l’évitement des obstacles à proximité via l’aide au stationnement automatique. EGF combine des caméras d’apprentissage automatique et des capteurs à ultrasons pour détecter et percevoir les obstacles environnants avec précision en offrant une vue panoramique à 360 degrés.

Lire l’article

Amélioration des modèles de segmentation de l’IA pour la sécurité des véhicules autonomes

Une perception précise de l’environnement est essentielle pour la sécurité des véhicules autonomes, notamment en cas d’imprévu. Dans cet épisode de DRIVE Labs, nous présentons un modèle de Vision Transformer appelé SegFormer qui génère une segmentation sémantique fiable tout en maintenant une efficacité élevée. Cette vidéo présente le mécanisme assurant la fiabilité et l’efficacité de SegFormer.

Voir toutes les vidéos DRIVE Labs

Brèves mises à jour présentant de nouvelles innovations relatives à notre flotte de véhicules autonomes.

Novembre 2023

Dans cette nouvelle édition de NVIDIA DRIVE Dispatch, découvrez comment générer une reconstruction 4D à partir d’un seul lecteur ainsi que PredictionNet, un réseau de neurones profonds (DNN) pouvant être utilisé pour prévoir le comportement et les trajectoires futurs des agents routiers dans les applications pour véhicules autonomes. Nous examinons également les tests du programme de certification NCAP (New Car Assessment Program) avec NVIDIA DRIVE Sim.

Janvier 2023

Découvrez les dernières avancées de NVIDIA DRIVE en matière de perception pour les véhicules autonomes. Dans ce nouvel épisode, nous utilisons des capteurs ultrasoniques pour mesurer la hauteur des objets environnants dans des zones à vitesse réduite telles que les parkings. Le DNN RadarNet détecte les espaces libres au sein desquels il est possible de manœuvrer, tandis que le DNN Stereo Depth évalue la géométrie de l’environnement.

Février 2022

Découvrez la saison 2 de DRIVE Dispatch. Dans cet épisode, nous vous présentons les avancées majeures pour les réseaux de radars de bout en bout basés sur les DNN, les techniques Real2Sim, la surveillance du conducteur et des passagers, et bien plus encore.

Juillet 2021

Dans cet épisode de NVIDIA DRIVE Dispatch, nous vous présentons de nouvelles innovations en matière de prévision du trafic, de détection du marquage routier, de visualisation des données synthétiques 3D et bien plus encore.

Juin 2021

Dans cet épisode de la série NVIDIA DRIVE Dispatch, nous vous présentons les dernières avancées en matière de perception des trajectoires, de localisation des caméras et des radars, de détection des places de stationnement et bien plus encore.

Mars 2021

Dans cet épisode de NVIDIA DRIVE Dispatch, nous vous présentons les dernières avancées technologiques relatives aux données synthétiques permettant d’améliorer l’entraînement des réseaux de neurones profonds, les nouvelles applications de la perception radar pour l’anticipation des mouvements, la mise en œuvre de MapStream pour la cartographie HD en crowdsourcing, et bien plus encore.

Février 2021

Découvrez les dernières avancées de DepthNet et de nouvelles innovations relatives à la détection du marquage routier, à l’estimation de l’auto-déplacement multi-radars, au suivi des caractéristiques inter-caméras, et bien plus encore.

Janvier 2021

Prenez connaissance des progrès réalisés pour la détection des places de stationnement, la localisation 3D des points de repère et l’estimation des interruptions, et découvrez notre premier système de conduite autonome basé sur une carte MyRoute et un plan de route générés automatiquement.

Décembre 2020

Découvrez les progrès relatifs à la classification et à l’évitement des scooters, à la détection des feux de circulation, à la stabilité cuboïde 2D, à la génération d’espaces 3D à partir d’annotations de caméra, à notre pipeline de perception par modules de télédétection et aux techniques de perception des phares, des feux arrière et de l’éclairage routier.

Voir toutes les vidéos DRIVE Dispatch

Recevez les dernières vidéos DRIVE directement dans votre boîte de réception avec la newsletter de NVIDIA pour l’automobile.