自動駕駛汽車的發展與規模有關。工程師必須收集并標記大量數據，以訓練自動駕駛神經網絡。

然后，這些數據被用于測試和驗證自動駕駛系統，這也是確保魯棒性的一項巨大任務。仿真是達到這一規模的重要工具，但準確性是其有效性的關鍵。

NVIDIA DRIVE Sim建立在NVIDIA Omniverse的基礎上，通過基于物理的端到端仿真平臺解決了這一挑戰，該平臺從一開始就構建為運行大規模、物理精確的多傳感器仿真。它使您能夠生成合成數據，以訓練自動駕駛感知，并在具有高保真度和精確傳感器數據的閉環模擬中驗證運動控制。

自動駕駛傳感器可分類如下：

• 被動：攝像機

• 主動：激光雷達、雷達和超聲波

這種驗證 NVDIA 模型與現實相符的能力確保了 DRIVE Sim 產生值得信賴的結果?，F在，NVIDIA 將分享為將激光雷達模型與現實世界相關聯所做的工作。在Lidar Validation白皮書中，NVIDIA 介紹了用于驗證 DRIVE Sim 激光雷達模型的準確性和精度的過程。

圖 1 ：NVIDIA DRIVE Sim 中的主動傳感器管道

NVIDIA 探索了多種方法來實現傳感器驗證，例如比較基于真實數據訓練的神經網絡和基于合成數據訓練的網絡。此外，NVIDIA 還通過將合成數據本身與傳感器的規格和真實世界的實驗進行比較來驗證傳感器的準確性。

推薦閱讀：傳感器驗證系列文章

• 驗證 NVIDIA DRIVE Sim 攝像頭模型

  詳情請見：

  https://developer.nvidia.com/zh-cn/blog/validating-drive-sim-camera-models/

• Lidar Validation 白皮書

  詳情請見：

  https://images.nvidia.cn/aem-dam/en-zz/Solutions/self-driving-cars/NVIDIA-DRIVE-Sim-Lidar-Validation-whitepaper.pdf

歡迎自動駕駛領域的各位有志之士加入NVIDIA Developer Program，復制鏈接“https://developer.nvidia.cn/login”在瀏覽器中打開即可注冊（請在 Industry Segment 注冊選項中選擇 Automotive）。

點擊“閱讀原文”或掃描下方海報二維碼，即可免費注冊 GTC 23，切莫錯過這場 AI 和元宇宙時代的技術大會！