“Nvidia的自主式Robocar取代了燃烧发动机”

2019年7月，在首届自动驾驶汽车赛车-roborace-古德伍德速度节举行。 比赛的优势是人与机器的配对。 因为他们测试了自动驾驶系统( ads )，展示了自主领域的最新技术。

nvidia于2019年7月在赛道上采用自主概念赛车Robocar，利用人工智能( ai )驾驶1.16英里的赛道，掌握了500英尺的垂直上升。

nvidia汽车高级总监danny shapiro表示，目前运输业正经历严重破坏。

汽车自动驾驶、电动汽车和车辆共享是影响机动性、汽车设计和制造的重要趋势，夏皮罗说。 为了实现共享自主性和移动性的新愿景并保持竞争力，OEMS ( Original EQU IP Manufacturing )需要重新思考整个车辆体系结构。

夏皮罗补充说，依赖以前流传的内燃机和车辆上的分布式计算是不可持续的。

相反，可以集中人工智能计算和无线更新的软件定义了车辆是未来车辆的绝对要求，夏皮罗补充说。

shapiro认为，未来的车辆由软件定义，由人工智能计算机(如nvidiadrive平台)提供动力。

夏皮罗说，汽车制造商需要改变他们的战术，在内部开发深厚的软件专业信息和合作伙伴，让真正的创新走向市场。 这种新方法要求首先在数据中心投资新的计算资源，以便能够在未来的车辆上安全地部署ai。

为了自动驾驶，需要多个深度的神经互联网在车内运行，解决大量的传感器数据来感知环境，做出安全的决定。

虚拟现实和仿真如何有助于提高自动驾驶车的安全性的一个例子归结于严格的测试。

现在的测试小组不可能遇到罕见的危险场景和训练自动驾驶车所需的极端条件。 夏皮罗说。 例如，穿着深色衣服的行人晚上走路。 这并不罕见，但在自动驾驶车需要安全妥善应对的情况下。

shapiro补充说，通过模拟，测试人员可以在广泛的场景中驾驶虚拟世界数百万英里，其效率、价格效率和安全性都高于现实世界中可以实现的效率、价格效率和安全性。

shapiro补充说，目前的实际车辆测试在足够的范围内无法验证。 这对于从事自动驾驶汽车工作的企业来说很有限，是一项成本高昂的工作。 随着人工智能和加速计算的进步，模拟已经成为上街前安全测试和验证自动驾驶技术的方法。

丰田和沃尔沃集团等企业为采用模拟的自动驾驶车的培训和测试开辟了道路。 两家公司都采用了基于云的nvidia仿真平台。

夏皮罗表示，nvidia与国际组织合作，支持制定自动驾驶车的标准和法规。

仿真能力对验证和验证特别有价值。 监管机构可以在不危及其他道路招聘者的情况下，比较边缘状况和其他现实世界中难以重构的状况来设计特定的测试，shapiro补充道。 通过设置详细的场景数据库进行测试，可以确保自动视听系统比任何人力驱动的车辆都安全得多。

另外，夏皮罗表示，自动驾驶车的开发可能是世界上最多、最复杂的计算挑战。

没有一家企业拥有实现这个目标的所有技术。 夏皮罗说。 仅在中国，数百家初创公司正在开发具有自主功能的电动汽车，也许只有少数公司能够在激烈的竞争中生存下来。