穿梭于虚拟与现实,窥探“软件定义汽车”的智能未来
汽车制造商正在大力投资自动驾驶技术,例如,使用仿真和数字孪生技术,来训练、测试和验证在自动驾驶汽车上运行的深度神经网络(DNN)。“软件定义”这一概念不但在改变汽车的研发,也在重塑汽车所带来的客户体验。
软件定义成为移动出行领域的未来趋势
曾经,电子设备的功能是固定且不可更新的,而如今,不管是智能电视,还是智能手机,消费者都期待能够通过软件更新,设备得到升级。同理,新一代软件定义汽车也将从根本上改变汽车行业。
传统的汽车架构并未围绕软件而设计,这是因为早期分布式的 ECU 架构,因而很难进行更新。但未来的汽车将拥有一个集中式的高性能计算平台,比如广泛应用于全球汽车制造商的 Drive Orin,或是预计于 2025 年上车的 Drive Thor,它们能够运行复杂的软件堆栈,以同时实现自动驾驶、车载信息娱乐系统(IVI)等先进的智能功能。此外,该计算系统还必须留出充足的冗余,为目前阶段暂未设想到的应用而“未雨绸缪”。
NVIDIA DRIVE Orin
区别于传统汽车,软件定义汽车可在其整个生命周期,通过 OTA 无线更新,为用户提供从自动驾驶到车内数字助理等最新功能。传统汽车随着时间的推移其产品价值会有所下降,但软件定义汽车在落地第一天仅维持了最基本的水平,其产品功能将在未来不断得到升级与优化,因此车辆的价值也将持续提升。
软件定义架构开拓了新的商业模式。汽车制造商不仅可以获得车辆销售时的“一次性收入”,还可以在汽车生命周期内获得软件服务方面的“持续性收入”。例如,汽车制造商在提供新功能时可选择免费、一次性收费、按使用收费或订阅收费等多种模式。
NVIDIA DRIVE Thor
在虚拟世界中开发智能汽车
软件定义汽车的设计是非常耗时且昂贵的,且需要全球各地团队投入其中,因此汽车行业的产品开发周期往往会长达多年。
NVIDIA Omniverse 等可扩展的开放式平台正在通过新的方式简化汽车设计流程、提高工作效率以及生产力。
借助 Omniverse,设计师和工程师可以紧密合作,进行沉浸式、协作型的设计概念讨论与测试,并对车辆模型和仿真进行高度精准的评估。团队可以在设计早期阶段发现问题,并对性能和外观等关键因素做出快速决策。
另外,通过在虚拟平台上审核车辆设计,项目团队既可以降低成本,又可以加快设计和制造流程的进度。
借助 NVIDIA DRIVE Sim 将设计和工程制造集成到虚拟工作室
这项技术也可用于在虚拟展厅中向潜在客户展示最新车型。客户可以在虚拟环境中轻松地对汽车进行配置,并查看如真皮座椅缝线,漆面反光等最新设计的细节,以及“体验”该车型各种先进功能。由于能够更直观地看到效果,客户的购买意向将进一步提高。
自动驾驶汽车的虚拟试验场
除了复杂、全面的设计流程之外,自动驾驶汽车在上路前还需要在不同场景中进行大规模的开发和测试。
为了尽可能地保证车辆及驾乘人员的安全,自动驾驶汽车必须有能力应对道路上的各种突发情况,例如车辆紧急制动或转向、行人、恶劣的天气条件等,以及各种由于危险系数过高而无法在现实世界中测试的情况。
在真实环境中,针对上述所有情况来进行车辆测试几乎是不可能的,而且道路测试也缺乏可控性、可重复性、充分性以及足够的效率,因此仿真显得尤为重要。在自动驾驶汽车正式上路前,开发人员可以在虚拟世界中进行充分测试。
由 Omniverse 赋能的 DRIVE Sim 场景重建
伴随近期 AI 领域的技术突破,开发人员现在可以直接使用现实世界的数据构建仿真场景,在提高准确性的同时,节省宝贵的时间和金钱成本。
这个新的 AI 流程被称为神经重建引擎(Neural Reconstruction Engine,NRE),它能够自动提取仿真所需的关键组成部分,包括环境、3D 资产和场景等,然后将这些部分重建成仿真场景。这些场景具有现实世界的真实性,还能够按需操作,并且按照真实环境做出反应。如果通过人工来实现相同的细节水平和多样性,不仅成本高,耗时长,而且无法扩展。
神经重建引擎(NRE)赋能自动驾驶仿真
合成数据生成也是加快仿真环境中自动驾驶汽车开发的一个重要手段。除真值数据外,所生成的基于物理学的摄像头、雷达、激光雷达和超声传感器数据,现在也可加入用于训练自动驾驶汽车 AI 感知网络的数据集。
使用合成数据可以减少时间和金钱成本,并始终保持准确性,还能生成真人无法标记的真值数据,如深度、速度和被遮挡的物体等。此外,它还能生成罕见场景和危险场景的训练数据来对真实数据加以补充,从而有针对性地解决自动汽车所面临的巨大挑战。
通过使用物理准确的仿真平台生成真值合成数据,自动驾驶汽车开发者可以提高生产力、效率和测试覆盖范围,进而加快产品上市时间,同时最大限度地减少在现实世界中的驾驶测试。
更加安全、智能和个性化的自动驾驶未来
AI 正在变革汽车行业。汽车制造商正在使用仿真平台开发自动驾驶汽车,并采用以软件为中心的的汽车设计来实现自动驾驶功能和其他智能服务。梅赛德斯·奔驰、捷豹路虎等汽车制造商计划在近期开始生产高度自动化的软件定义汽车,消费者将很快能够享受到技术所带来的便利。
此外,随着个人出行方式变得更加电气化和自动化,汽车正在变成一个生活空间。借助 NVIDIA DRIVE 新一代的集中式架构,DRIVE Concierge 能够无缝编排驾驶员信息、座舱和车载信息娱乐功能。汽车制造商可以轻松地自定义和扩展其 IVI 产品,为每位乘客带来个性化的体验。
通过 DRIVE Concierge,车上每位乘客都能享受到专属的智能体验
最后,安全性一直是自动驾驶汽车的重中之重。当我们谈及驾驶安全的时候,这意味着我们只有一次机会。我们坚信自动驾驶汽车将成为新一代的交通工具,因此 NVIDIA 把自动驾驶技术开发作为一项使命,通过将安全性纳入到设计、生产、车辆运行等每一个开发环节,为所有人提供更加安全、便捷和愉悦的驾乘体验。
本文相关精彩视频下载地址:
https://pan.baidu.com/s/1ze3gia5rnv3CBcFLDWckXw
提取码:b174
好文章,需要你的鼓励
美光发布新款2600客户端QLC固态硬盘,采用自适应写入技术动态优化缓存,使QLC闪存达到TLC级写入性能。该技术通过顶层SLC缓存处理新写入数据,二级TLC缓存应对SLC满载情况,空闲时将数据迁移至QLC模式。硬盘无DRAM设计,采用Phison四通道控制器和美光276层3D NAND,提供512GB至2TB容量选择,相比竞品QLC和TLC固态硬盘,顺序写入速度提升63%,随机写入速度提升49%。
清华和AIRI研究团队提出循环一致性图像编辑方法,仅需4步即可实现高质量图像编辑,速度比传统方法快10倍。该方法通过训练AI反复练习"看图-重画"过程提升图像理解能力,结合智能引导机制确保编辑质量,在多项评测中超越现有快速方法,为AI图像编辑的普及应用奠定基础。
在AMD AI推进大会上,CEO苏姿丰展示了公司在AI硬件和软件方面的显著进展。新一代MI350系列GPU性能提升4倍,高端MI355X在内存、计算吞吐量和性价比方面均优于英伟达B200。公司计划2026年推出Helios机架级平台,ROCm 7推理性能提升3.5倍。尽管在GPU训练、TCO优势等方面表现良好,但在NIMs微服务、企业级GPU市场渗透等领域仍需加强,以进一步缩小与英伟达的差距。
中科院、北大、清华联合开发的DualTHOR平台首次为双臂人形机器人提供真实家庭环境仿真训练。该平台不仅支持双手协作任务,还引入意外机制模拟现实不确定性。实验发现现有AI模型在双手协调方面表现不佳,为未来家庭服务机器人发展指明方向。