攻克仿真难题：Matt Cragun 分享利用仿真环境进行自动驾驶汽车训练

攻克仿真难题：Matt Cragun 分享利用仿真环境进行自动驾驶汽车训练本站　　自动驾驶开发人员需基于连续工作流（或数据工厂），持续更新训练场景，完善深度神经网络，以进行自动驾驶汽车的训练、测试和验证

　　自动驾驶开发人员需基于连续工作流（或数据工厂），持续更新训练场景，完善深度神经网络，以进行自动驾驶汽车的训练、测试和验证。

　　仿真则是该流程中的关键组成部分之一。通过海量的高保真、基于物理学原理的仿真场景，自动驾驶汽车开发人员可开展大规模的自动驾驶汽车测试。类似于大量人工智能（AI）相关的技术，仿真技术也在持续发展和改进，以缩小现实世界和虚拟世界之间的差距。

　　NVIDIA 自动驾驶汽车仿真高级产品经理 Matt Cragun此前在播客中介绍了自动驾驶仿真技术的发展，并讲解了 DRIVE Sim 的起源以及内部运作的详细信息。本篇文章将分享这一播客中的精彩内容。

　　自动驾驶汽车是当今时代最复杂的工程挑战之一，需要拥有由出色的开发团队带来的出色的工具。在现实世界中我们无法安全和彻底地对自动驾驶汽车进行测试，面对这一痛点，NVIDIA DRIVE Sim™构建了一个物理精准的仿真平台，能够快速、高效地进行大规模的自动驾驶汽车测试和验证。

　　NVIDIA DRIVE Sim 基于 Omniverse 平台开发，为自动驾驶汽车的测试和验证构建了虚拟试验场。NVIDIA DRIVE Sim 是物理精准的仿真平台，通过开发合成数据生成、神经重建等各种开创性工具，推动了驾驶环境和驾驶场景的数字孪生的构建。

　　DRIVE Sim 的设计使得所有团队都可以使用相同的仿真工具集。它可在本地工作站上运行 SIL，或者在一个或多个节点上扩展到多个 GPU。硬件选项十分灵活。DRIVE Sim 可以在数据中心的 OVX 服务器上本地运行，也可以使用 NVIDIA 云合作伙伴提供的机器镜像上运行。HIL 或其他 XIL 用例也可使用NVIDIA DRIVE Constellation™ 系统。

　　借助 NVIDIA DRIVE Sim，汽车制造商可以完全在虚拟世界中设计车辆，从而简化漫长的传统流程。工程师和产品经理还可使用它验证车辆设计，以确保它们符合当地安全标准。另外，汽车的潜在买家也可以从中受益，他们将能够坐在家中舒适地配置和体验汽车。

　　DRIVE Sim 是一个开放式模组化可扩展平台，兼具开放性和扩展性，可让用户根据自己的需求自定义仿真器。您可以使用随附的 SDK，为传感器模型、车辆动力学、交通模型或自定义硬件的界面轻松构建扩展程序。DRIVE Sim 还拥有丰富的合作伙伴生态系统，这些合作伙伴可以提供兼容扩展程序。

　　NVIDIA 研究人员开发了一个名为“神经重建引擎（NRE）”的 AI 工具集，可基于 NVIDIA DRIVE Sim 中记录的传感器数据，构建 3D 场景。

　　GTC22 发布的 AI 工具，能够将真实世界数据直接导入以构建仿真场景，此举可提高仿真的真实性，加快自动驾驶汽车的生产。

　　NRE 能够使用多个 AI 网络，创建交互式 3D 测试环境。开发者能对仿真场景进行修改以查看变化。开发者还可以改变场景、添加合成物体并实施随机化，使初始场景变得更具挑战性，比如在场景中加入一个追着弹跳的球并跑到路中间的孩子等。