## Nvidia 与愿景语言模型和传感器冗余有关的 " Nvidia加速自主驾驶战略 "
Nvidia的汽车司正在定位该公司,根据公司汽车单位负责人的说法,通过将端对端人工智能与传统的安全工程框架相结合的双重办法,在自主车辆市场上直接与Waymo和Tesla竞争。 新州吴新州领导Nvidia的自主驾驶工作,最近与CEOJENNSY Huang在加利福尼亚街上举行示威,乘坐一辆配有该公司无手驾驶系统的奔驰车。 从Woodside到旧金山市中心的22分钟的旅程展示了该系统在日常障碍物上航行的能力,包括建筑区、双泊车道和以交通锥形为标志的狭窄通道。 这场示威代表了Nvidia在多年来主要作为其他公司的芯片供应商运作之后,在自主驱动部门建立领导力的更广泛雄心。 Jensen Huang在今年早些时候的CES会议上揭发了阿尔帕马约,这是一整套人造情报模型、模拟蓝图和数据集的综合组合,目的是在特定条件下使4级自主驾驶能力成为可能。 黄四郎称这则公告代表了人工智能的热电波时刻。 该公司的方法通过将端对端神经网络模式与传统的人造安全堆叠相结合而有所区别,解决了在核查纯端对终端的安全合规系统方面存在的困难。 这种混合结构使Nvidia的系统能够受益于人性化驾驶行为,同时维持管理机构所要求的可核查的安全框架。 关于与Tesla的全自动驱动技术的竞争,该技术积累了超过85亿英里的真实世界驾驶数据,但在23起报告受伤事件和至少两人死亡后受到审查。 吴强调Nvidia采用多传感器方法,包括照相机、雷达、超声波感应器和激光雷达,以加强冗余能力。 行政主管表示,4万至5万美元的车辆价格在40 000至50 000美元之间,可以现实地将高级自治所需的全传感器堆叠装进去,因为里拉费用继续下降。 为了解决实际世界测试数据与Tesla等竞争者相比的局限性,Nvidia正在大量投资于模拟技术,包括神经重建和情景增强。 Tesla拥有庞大的客户船队和Waymo拥有近2亿英里完全自主的里程。 该公司还正在开发愿景语言行动模型,目的是使自主系统能够利用在互联网规模数据集方面受过培训的基本模式,通过边缘案例来理解问题,从而有可能减少对数十亿英里实际世界驱动数据的依赖。 Wu类比了传统驾驶员教育的方法,指出人类通常在学习规则书籍后只学会20小时练习才能安全开车,而不是需要数百万英里的经验。
---
- **Source**: Nvidia
- **Sector**: The Lab
- **Tags**: Nvidia, autonomous_driving, ai, self_driving, sensors, Waymo, Tesla
- **Credibility**: unverified
- **Published**: 2026-03-27 00:47:48
- **ID**: 36422
- **URL**: https://whisperx.ai/zh/intel/36422