NVIDIA a été désigné lauréat du Grand Défi Autonome dans la catégorie “Conduite à grande échelle de bout en bout” (Autonomous Grand Challenge for End-to-End Driving at Scale) lors de la conférence Computer Vision and Pattern Recognition (CVPR) qui se déroule cette semaine à Seattle pour son modèle Hydra-MDP.
Le défi End-to-End Driving at Scale CVPR de cette année demandait aux participants de développer un modèle de conduite autonome (VA) de bout en bout, entraîné à l’aide de l’ensemble de données nuPlan, pour générer une trajectoire de conduite basée sur les données des capteurs.
La construction d’un système autonome pour naviguer dans le monde physique complexe est extrêmement difficile. Le système doit percevoir et comprendre son environnement, prendre des décisions judicieuses en une fraction de seconde tout en tenant compte de l’expérience des passagers.
S’appuyant sur sa victoire de l’année précédente dans la prédiction d’occupation 3D, NVIDIA Research a dominé le défi grâce à son modèle innovant Hydra-MDP qui a surpassé plus de 400 candidatures internationales.
Le modèle, qui utilise les données provenant de caméras, de lidars et de l’historique des trajectoires du véhicule, a été évalué dans le simulateur open source NAVSIM, où il a navigué à travers des milliers de scénarios inédits, avec des scores élevés en termes de sécurité, confort des passagers et précision des trajectoires.
L’approche de l’équipe de NVIDIA Research pour améliorer “tout modèle de conduite de bout en bout à l’aide de métriques proxy en boucle ouverte apprises” lui a également permis de remporter le prix de l’innovation de la CVPR.
Cette victoire met en lumière l’importance croissante de l’IA générative dans la création d’applications pour les déploiements d’IA physique. Les technologies développées par NVIDIA pour les véhicules autonomes peuvent également être appliquées à divers autres domaines, tels que les environnements industriels, les soins de santé et la robotique.
Le processus de développement de bout en bout (E2E)
Le développement de véhicules autonomes par NVIDIA repose sur un processus intégré en trois étapes cruciales permettant des cycles de développement continus et améliorant sans cesse les performances et la sécurité des systèmes VA : l’entraînement de l’IA, la simulation et la conduite autonome :
- Les modèles sont d’abord entraînés sur des supercalculateurs d’IA, tels que NVIDIA DGX ;
- Ils sont ensuite testés et validés en simulation via la plate-forme NVIDIA Omniverse, fonctionnant sur un système NVIDIA OVX ;
- Enfin, la plate-forme NVIDIA DRIVE AGX implémente le modèle dans le véhicule, traitant les données des capteurs en temps réel.
NVIDIA a profité de la Conférence pour présenter ses avancées en matière de calcul accéléré et d’IA générative. Il a notamment annoncé le lancement de NVIDIA Omniverse Cloud Sensor RTX, un ensemble de microservices pour la simulation de capteurs physiquement précise visant à accélérer le développement de machines entièrement autonomes (véhicules autonomes, bras robotiques, robots mobiles, humanoïdes…).
