NVIDIA 自动驾驶实验室系列视频为大家深入展示了自动驾驶软件的开发。在这一年中，我们推出了 20 集视频，内容几乎覆盖了所有领域。
该系列视频从 360 度感知到全景分割，覆盖了自动驾驶领域的多个主题，甚至对未来进行了预测。自动驾驶汽车是我们这个时代面临的巨大计算挑战之一，在这个过程中，我们从软件开发入手，针对自动驾驶汽车的各个挑战逐一击破。
自动驾驶实验室旨在传递信息并授业解惑。无论你是刚刚开始学习自动驾驶这项变革性技术，还是已经在该技术领域深耕多年，你都可以通过该系列视频了解到 NVIDIA 最为重视的开发挑战，以及我们如何应对这些挑战以寻求更安全、更高效的交通运输。
接下来让我们一起简单回顾一下过去一年的视频内容以及如何规划未来。
对感知网络的全面解析
在进行路径规划并执行驾驶决策前，自动驾驶车辆必须能够看见并了解周围的整体环境。
自动驾驶实验室系列视频详细介绍了负责车辆感知的各种深度神经网络。我们的方法依赖于冗余且多样化的 DNN ，模型涵盖了多种功能，例如检测路口、检测交通信号灯和交通标志以及理解路口结构。
这些深度神经网络还可以执行多项任务，例如发现停车位或检测传感器是否正常工作。
这些 DNN 不仅可以在行人和交通信号周围绘制边界框，还可以逐像素分解图像以提高准确性，甚至可以追踪这些像素以获得精确的定位信息。
对于夜间驾驶， AutoHighBeamNet 可实现自动驾驶汽车前照灯的控制，而主动学习的方法可以改善自动驾驶汽车在黑暗中的行人探测能力。
DNN 还可以从 2D 摄像头图像中提取出 3D 距离，以进行准确的运动规划。
同时，我们让整辆车都可以进行感知。通过环绕摄像头目标追踪和环绕摄像头-雷达融合，我们可以确保自动驾驶汽车没有感知盲点。
预测未来之路
除了感知环境外，自动驾驶汽车还必须能够掌握路上其他车辆或行人的行为，以规划安全的路径。
自动驾驶实验室系列视频还展示了，借助循环神经网络，自动驾驶汽车如何利用以往对物体运动的经验积累，来计算并预测未来运动。
NVIDIA 安全力场（ Safety Force Field ）防撞软件为计划和控制软件增加了多样性和冗余。该软件在后台不间断运行，以仔细检查来自主系统的控件，并否决其认为不安全的任何操作。
DNN 和软件组件只是自动驾驶汽车开发的一个例子。这项艰巨的挑战要求在数据中心和车辆中进行严格的训练和测试。随着交通情况的千变万化，车辆软件必须能够适应这些变化。
我们将在即将推出的自动驾驶实验室视频中探讨这些主题，同时会有更多精彩内容。随着自动驾驶汽车软件开发的继续推进，我们将持续分享 NVDIA 的行业和技术洞察。