How World Foundation Models Are Making Self Driving Cars Safer With Better Simulations

Comment les modèles de la World Foundation rendent les voitures autonomes plus sûres grâce à de meilleures simulations

Les véhicules autonomes, ou voitures sans conducteur, doivent être testés dans d'innombrables situations afin de garantir leur sécurité sur la route. Traditionnellement, ces tests sont chronophages et coûteux, et certains scénarios peuvent être trop risqués pour des essais en conditions réelles. C'est là que la simulation entre en jeu. Au lieu de conduire une voiture sur des routes réelles, les ingénieurs peuvent utiliser des mondes numériques pour entraîner et tester les véhicules de manière sûre et économique.

Pour créer ces environnements numériques réalistes, NVIDIA a développé des modèles de base du monde avancés. Il s'agit de systèmes d'intelligence artificielle qui comprennent la physique et les lois du monde réel. Ils peuvent créer des scénarios routiers complets à partir des données collectées par les capteurs et les caméras des flottes de véhicules, ou générer des situations totalement inédites. Cela permet aux ingénieurs de simuler des événements rares et dangereux aussi souvent que nécessaire.

Les récentes mises à jour technologiques de NVIDIA ont rendu ces simulations bien plus réalistes et performantes. Le nouveau modèle Cosmos Predict 2 peut prédire le déroulement de différentes scènes à partir de descriptions textuelles, d'images et de clips vidéo. Cela permet de générer des données synthétiques, c'est-à-dire des exemples d'entraînement artificiels très proches de la réalité. Avec Cosmos Transfer, les développeurs peuvent rapidement modifier des détails comme la météo ou l'éclairage d'un scénario, facilitant ainsi grandement les tests de véhicules dans toutes sortes de conditions.

Ces outils de simulation fonctionnent avec des plateformes comme CARLA, un simulateur populaire utilisé par plus de cent cinquante mille chercheurs en conduite autonome dans le monde. Les développeurs peuvent également accéder à d'immenses bibliothèques de données d'entraînement synthétiques produites par ces modèles d'IA, accélérant ainsi leurs propres projets.

NVIDIA Omniverse regroupe tous ces outils. Il utilise une norme ouverte appelée OpenUSD, qui permet à différentes équipes et programmes de collaborer harmonieusement. Avec Omniverse, il est plus facile pour les entreprises de créer et de gérer des jumeaux numériques de voitures et d'environnements, de reproduire des données de capteurs réels, de créer de nouveaux cas de test et de s'assurer que chaque élément s'intègre parfaitement au processus de développement.

De grandes entreprises comme Uber, Oxa et Plus AI utilisent déjà ces nouveaux modèles et plateformes pour améliorer leurs véhicules. Ces nouveaux outils contribuent également à renforcer la sécurité en permettant aux ingénieurs de tester des cas extrêmes et des événements rares qui seraient difficiles ou dangereux en situation réelle. La plateforme Halos de NVIDIA associe les dernières avancées en matière d'IA à du matériel et des logiciels spécialement conçus pour la sécurité des véhicules autonomes, permettant de tester quasiment tous les scénarios avant même qu'une voiture ne prenne la route.

Les travaux de NVIDIA dans ce domaine ont été récompensés, démontrant ainsi leur position de pionnier dans la simulation sûre et efficace du comportement des véhicules autonomes. Pour en savoir plus, de nombreuses ressources, notamment des tutoriels en ligne et des forums communautaires, aident les débutants et les développeurs à se familiariser avec ces puissantes technologies.

Article et image originaux : https://blogs.nvidia.com/blog/wfm-advance-av-sim-safety/

Retour au blog