最近有些日子没和大家见面了，今天我想和大家聊一聊“英伟达“变软”，自动驾驶“破圈””的话题。如果你对这个话题还比较陌生，那么这篇文章就是为你而写的，让我们一起来了解一下吧。
文章目录列表:
英伟达“变软”，自动驾驶“破圈”
一个月前，黄仁勋用一小颗自动驾驶SoC芯片完成了整个GTC?CHINA?2019的“新品发布”。
发布会当天，这位“皮衣男子”赶在闭馆前匆匆去了自动驾驶汽车展位，用半个小时逐一聆听了几家自动驾驶初创企业的思路。那晚的黄教主，向在场工程师们释放出了一种近乎惺惺相惜的善意。
这种情愫很好理解——
要知道，在这届GTC?CHINA散场时，很多观众发出的感慨是：“十分硬核，不够性感。”毕竟远道而来的大家直到演讲后半程，才终于等到黄仁勋掏出一块200?TOPS深度学习算力的自动驾驶新品“Orin”。取而代之的，是各种“空口无凭”的软件技术升级。
面对一张张略显失望的脸，老黄也很无奈：“我这么努力，你都看不到。就好像你老婆做了一整天家务，你却说她什么都没做。”
众口难调，但这确实是英伟达在接下来的业务发展中必须要面对的问题。与“看得见摸得着”的硬件发布不同，软件迭代周期短、初期人力成本高、落地成果却很难形成清晰的概念……这些都让这家人工智能计算公司的技术发布开始与公众预期逐渐拉开差距。
而就在车云菌险些被观众情绪带跑节奏时，我们在英伟达的官方公众号上发现了一系列由NVIDIA?DRIVE?Labs出品的视 。视 内容从工程技术的视角，直观展现出NVIDIA?DRIVE?AV软件团队如何完成一个个自动驾驶的日常任务，诸如从路径感知到交叉路口处理等一系列挑战。
那么，以自动驾驶为起点，车云菌尝试回答：当英伟达不再抛出核弹，他们到底做了些什么？
“ ”自动驾驶
严格来说，目前没有任何一家企业成功制造出一台全自动驾驶汽车，绝大多数玩家仍旧在奔向这一目标的路上相互博弈。
近年，英伟达正式加入战局。公司内部的软件开发人员已经远远超过了硬件工程师的数量。
他们首先打算解决自动驾驶汽车的三个问题：
知道自己在哪里：不光要掌握车辆具体位置，还得知道是在主路的第几条车道上，将定位 到厘米级；
知道自己周围有什么：像人类大脑一样判断，前方卡车在减速、左后方有辆SUV驶来、右侧人行道有小孩、下一个路口是绿灯且不能左转……
作出正确的驾驶决策：判断从左侧超车可以安通过路口，然后控制车辆完成相应动作。
如今这些工作，都被团队一一摆上了台面。与常规“秀肌肉”的视 演示不同，英伟达实验室将自动驾驶最困难的感知层面的工作拆解成一个个小任务，条分缕析地告诉大家：我们是怎么做到的，以及我们为什么能做到。
任务的分解也很有意思。车队顺利攻克了包括建立感知路径、通过传感器融合实现环绕感知功能、打造像素级感知能力、借助特征追踪确保安全性、自主识别停车位、障碍物分类、车道线识别及自动补偿、测算车辆与障碍物距离、实现准确可靠的目标跟踪、预测目标的未来移动轨迹、不借助地图的情况下识别交叉路口。
/self-driving-cars/drive-labs/
?
本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。
好了，关于“英伟达“变软”，自动驾驶“破圈””的话题就讲到这里了。希望大家能够对“英伟达“变软”，自动驾驶“破圈””有更深入的了解，并且从我的回答中得到一些启示。