NVIDIA 在 CVPR 中凭借端到端驾驶模型获胜

NVIDIA 在本周于西雅图举行的计算机视觉与模式识别（CVPR）会议上被评为自主驾驶大挑战的获胜者。根据NVIDIA 博客，这家科技巨头的 Hydra-MDP 模型在大规模端到端驾驶类别中名列前茅，击败了来自全球的400多项参赛作品。

Hydra-MDP 模型的成功

NVIDIA 研究成果突显了生成式人工智能在发展自动驾驶技术应用中的关键作用。Hydra-MDP 模型的成功突显了这些技术不仅限于汽车应用，还可影响工业环境、医疗和机器人等领域。

这一里程碑进一步得到 CVPR 创新奖的认可，赞扬 NVIDIA 采用创新方法通过学习的开环代理指标来增强端到端驾驶模型。

新公告

与奖项同时出现的还有 NVIDIA 推出的 NVIDIA Omniverse Cloud Sensor RTX，这是一套设计用于精确传感器模拟的微服务，旨在加快各行业中完全自主机器的开发。

理解端到端驾驶

端到端驾驶系统代表了一种从传统模块化方法转变的范式。这些系统使用单一统一模型来处理传感器输入并生成车辆轨迹，简化了开发流程并提高了系统处理现实世界场景的能力。

该过程始于在如 NVIDIA DGX 等超级计算机上进行人工智能训练，接着在使用 NVIDIA Omniverse 平台和 NVIDIA OVX 系统的模拟环境中进行测试。最后，模型部署到车辆中，通过 NVIDIA DRIVE AGX 平台处理实时传感器数据。

构建能够在复杂环境中安全导航的自主系统需要全面的情境感知和快速决策，类似于人的反应。NVIDIA 的端到端系统通过简化传感器输入处理和轨迹生成来应对这一挑战。

驾驭大挑战

今年的 CVPR 挑战要求参与者使用 nuPlan 数据集开发端到端自主驾驶模型，以根据传感器数据生成驾驶轨迹。这些模型在 NAVSIM 模拟器中进行了测试，导航成千上万的新情景。性能评估包括安全性、乘客舒适度和与记录轨迹的偏差。

NVIDIA 的获奖模型展示了通过摄像头和激光雷达数据以及车辆轨迹历史生成安全、最佳车辆路径的能力。这一工作流程可以在高保真度的模拟环境中使用 NVIDIA Omniverse 复制，允许开发人员在实际部署前在物理精确环境中测试自动驾驶汽车。

其他成就

NVIDIA 还在 CVPR 自主驾驶大挑战的“用语言驾驶”类别中获得了第二名。该类别重点在于结合视觉语言模型和自动驾驶系统，以增强决策能力并实现可解释的驾驶行为。

在 CVPR 上了解更多

今年的 CVPR 接受了超过 50 篇 NVIDIA 的论文，涵盖了汽车、医疗和机器人等多样主题。NVIDIA 的人工智能研究副总裁 Sanja Fidler 将在 CVPR 自主驾驶研讨会上讨论视觉语言模型。

欲了解更多 NVIDIA 研究的内容，这是一支致力于推进人工智能、计算机图形学、计算机视觉、自动驾驶汽车和机器人领域的全球团队，请访问他们的官方网站。