NVIDIA - 自动驾驶安全报告（Part 3）

最新推荐文章于 2022-03-26 23:11:09 发布

筋斗云与自动驾驶

最新推荐文章于 2022-03-26 23:11:09 发布

阅读量383

点赞数

分类专栏：自动驾驶

本文链接：https://blog.csdn.net/ckc108727ckc/article/details/107638053

版权

本文详述了NVIDIA在自动驾驶安全设计上的关键步骤，包括仿真测试、二次仿真、道路安全测试、网络安全保障以及开发者培训。DRIVE Constellation提供高保真仿真模拟，通过硬件在环测试验证自动驾驶性能。二次仿真实现对真实传感器数据的测试，道路测试则遵循严格的《DRIVE道路测试操作手册》。网络安全措施遵循国际标准，确保系统防御能力。开发者培训与教育通过NVIDIA深度学习学院进行，培养专业人才。

摘要由CSDN通过智能技术生成

自动驾驶安全设计要点解析

Simulation
Re-Simulation
Safety of On-Road Testing
Cybersecurity
Developer Training and Education

6、自动驾驶安全设计 - 仿真

尽管交通事故发生率一直在增加，但一辆试验车发生危险事故的情况却极为罕见，因此很难准确评估其安全性。例如，美国驾驶员大约每500,000英里经历一次警方报告的撞车事故。为了证明自动驾驶系统的碰撞率低于人类驾驶需要相当大的测试车队行驶相当长里程。因此，仅单通过道路测试很难验证车辆的自动驾驶性能。

DRIVE Constellation 旨在实现最大的灵活性，吞吐量和风险消除，并依赖于高保真仿真模拟。它还利用两个不同服务器的计算能力来提供基于云的计算平台，该平台能够产生数十亿虚拟里程的自动驾驶汽车测试。

图1. DRIVE Constellation 服务器支持硬件在环测试

DRIVE Constellation中的第一台服务器运行DRIVE Sim软件来模拟自动驾驶车辆的多个传感器和车辆动力性能。强大的GPU可以准确地呈现出代表各种环境和场景的传感器数据流。这使工程师可以测试一些比较罕见的场景，例如白天和晚上的不同时间内段内的暴雨，暴风雪或强烈的眩光等罕见条件。每种场景可以被重复测试，并可以调整多个变量，例如路面和周围环境，天气状况、交通流量以及一天中不同时刻等&#x