Это видео недоступно.
Сожалеем об этом.
NVIDIA 自動駕駛技術大揭秘！NVIDIA AI副總裁2022 CVPR大會講解！與特斯拉截然不同的技術路線？[cc字幕支援]
HTML-код
- Опубликовано: 5 авг 2024
- NVIDIA 自動駕駛技術大揭秘！NVIDIA AI副總裁2022 CVPR大會講解！與特斯拉截然不同的技術路線？[cc字幕支援]
2022/9/19 - 9/22 #NVIDIA #GTC22 精彩元宇宙開跑！
💫 免費報名 GTC22 👉 nvda.ws/3Sy4LjO
✔️ 超過 200 場精彩講座探索頂尖技術
✔️ 9/20 台灣時間 晚上 11 點 NVIDIA 執行長 黃仁勳 精彩主題演講
✔️ 今年首度推出 9 場「Watch Party」中文導讀特定講座 👉 nvda.ws/3Crvb0X
✔️ DLI 中文深度學習實作坊，輸入阿財的專屬折扣碼「MCDLI99」即享 99 美元優惠價 ！ 👉 nvda.ws/3R225cy
科技財知道 精選講座立即觀看 📅
[ WP41383c ] - 如何建立數位孿生：3D 資料的設計視覺化與整合
nvda.ws/3dWwA5B
💫 阿財抽獎Google表單 | 抽 DLI 免費課程
👉 forms.gle/82x2Uy9TCARL3XEg7
記得在觀看講座前先下載 PDF檔案，吸收加倍！
Soundon贊助請阿財喝咖啡，85元是阿財最喜歡的咖啡店咖啡的價格～
pay.soundon.fm/podcasts/f446e...
支持阿財繼續創作優質的影片 Paypal 打賞鏈結 請阿財喝咖啡： paypal.me/techandinvestment?c...
訂閱阿財的頻道：reurl.cc/ra65LO
阿財FB粉絲專頁： / investmentplusfinancial
阿財方格子(技術文章分享)：vocus.cc/user/613f4c39fd89780...
阿財DDCAR(電動車自動駕駛技術分享文章)：www.ddcar.com.tw/account/u164...
歡迎各位來到財知道's channel 本頻道主要介紹優秀公司/先進技術/美股投資/個人理財小心得
子曰：三人行，必有我師焉! 歡迎在評論區討論與提問喔!
我們頻道終於接到第一個業配！而且還是阿財非常喜歡的公司NVIDIA，而這期內容也是大家非常期待的NVIDIA自動駕駛技術大揭密！由NVIDIA AI副總裁在2022 CVPR電腦視覺大會上精彩的演講，而阿財的心得就是：
NVIDIA自動駕駛的技術路線與特斯拉很不一樣！
至於哪裡不一樣快去看影片就知道啦～
影片列表詳細介紹
GTC 2022 黃仁勳三月演講導讀
• 英偉達 Nvidia Omniverse元宇...
NVIDIA 英偉達 元宇宙第一股 !!? Omniverse 平台細節分享 (上)
• Nvidia 英偉達 AI第一股 !!? O...
NVIDIA 英偉達 元宇宙的基石 Omniverse 平台 背後的硬核技術 !! 除了物理引擎之外還有 !? (中)
• NVIDIA 英偉達 元宇宙的基石 Omni...
影片段落
00:00 NVIDIA自動駕駛技術
0:33 第一支廣告
0:48 NVIDIA 2022 GTC
3:58 抽獎抽起來～
4:10 NVIDIA AI副總裁來拉揭秘
4:46 自動駕駛訓練流程
5:47 NVIDIA drive模擬系統
6:45 自動駕駛訓練的難點
8:04 虛擬場景重建
8:55 對抗場景?
11:28 物件多樣化
15:04 動態物體擬真
17:48 虛擬真實交互作用
18:43 LiDAR模擬
19:13 阿財個人猜想
免責聲明 本頻道分析推薦的股票或公司, 不構成任何投資建議, 只是單純分享與交流, 謝謝大家~~
本影片製作的內容僅代表科技財知道的觀點，不代表「NVIDIA Taiwan」立場。
#NVIDIA #自動駕駛 #ai #特斯拉 #lidar
![自動駕駛 技術4D成像雷達 VS 光達LiDAR VS 超音波 VS 相機 自動駕駛感測器終極之戰 一支影片深入科普！ [cc字幕]](http://i.ytimg.com/vi/zLoAsfq6I-o/mqdefault.jpg)
![自動駕駛 技術4D成像雷達 VS 光達LiDAR VS 超音波 VS 相機 自動駕駛感測器終極之戰 一支影片深入科普！ [cc字幕]](/img/tr.png)
大家看完影片別忘了報名起來RRR，跟著阿財這表單內容一步步報名很簡單der，不抽獎也沒關係！
forms.gle/82x2Uy9TCARL3XEg7
通过你的链接报名没有收到邮件，但是通过官网gtc链接报名成功了并收到了邮件，还能抽奖吗？😀
是用google 表單裡面的link連上官網的嗎? 可以呦 把截圖上傳到google表單就可以惹~~記得填email~
非常感谢全网最专业解说，不仅有很深行业背景，而且能翻译成普通人非专业人士能够听懂的意思，很棒，辛苦了，感谢
感謝支持，這個評價有點高哈哈！阿財持續努力～😎😎😎
碩班是讀ai相關科系，未來也想往自駕車的產業發展，很喜歡你對於自駕車技術的分享👍👍👍。
感謝支持😁希望以後能看的到你在自駕產業發光發熱
恭喜阿財第一個業配🎉
感謝大家哈哈！
太強啦 沒造車在路上跑 自己仿真虛擬環境來訓練模型 謝謝財哥講解
感謝支持～NVIDIA雖然沒造車不過跟滿多車廠有合作，畢竟建造仿真的環境需要真實的data
讚喔
是阿達王本人嗎XDD 達哥你好~
加油
感謝支持😁😁
特斯拉 已经在做同样的事情了，也是自己用dojo 模拟各种场景，自己训练，同时结合现实中的车辆的反馈，来提升fsd。
NVDIA的劣势就是没有真实的车辆，所以很难确定他做出来的自动驾驶到底靠不靠谱。
👍🏻👍🏻👍🏻
Kevin很早起喔～
求关于这个视频的详细参考材料链接哈
是只說AI副總裁的演講嗎?
這個ruclips.net/video/K1RvII74zW4/видео.html
第一次发现这么专业的博主，有点东西
哈感謝支持！
恭喜阿财！！！！！！
嘻嘻感謝😁😁😁
讚👍！感恩分享！
用虛擬世界的場景，變化無窮，收集資料是真實數據的幾兆倍以上，但是AI 和電腦系統要足夠強大來處理和分析虛擬的大數據，找出最安全方案，解決在任何情況下的自動駕駛模式，長期下來，如果有突破性的進展，一定程度會遠遠超過老馬的方法，大家拭目以待！
老馬的方式，堅持不用LiDAR, 只用AI 並收取實際的資料，許多外在環境的變化，無法模擬，到了一定程度就有極限了，難怪他的首席自駕專家，辭職離開了。
其實老馬它們也有製作模擬場景，好幾年前AK大大就說過了，不過特斯拉就是真實數據夠多，所以他們現在可以嘗試的路線更豐富，而NVIDIA比較被動(因為不造車)所以打造模擬場景訓練也是一個好方法~
看完有點疑惑，自動駕駛的核心應該是AI吧?
但這篇看起來很像3D教學影片，感覺NVDA專注在打造更擬真場景 (貼圖、打光...)
前幾篇有提到特斯拉也有自己的模擬場景技術，感覺兩者差異也沒有到很大?
看完之後對特斯拉的信仰更高了...
這些3D場景都是用AI算法建構的喔！
這邊補充一下，模擬場景技術其實特斯拉, Waymo, Mobileye, NVIDIA等都有，主要基於Nerf神經輻射渲染的方式，但NVIDIA不太一樣的地方是，除了模擬場景之外，NVIDIA的物理引擎經過優化，加上因為推廣omniverse的關係，所以模擬場景更符合物理和真實，從AI副總裁演講中就可以發現他們在模擬場景這塊著墨很深，與特斯拉技術路線不同，但就如同我結論說的，我認為這是折衷(因為不造車)也是進可攻退可守的方案～
影片中的NV主要是在做場景擬真與建模, 以供自動駕駛訓練用, 但還稱不上是自動駕駛技術
他們有自駕的影片喔，這屬於自駕技術的一環。
@@xxtech_finance_and_life 做那場景跟gta遊戲裡面那些再跑的車有啥差別
感覺nvidia自動駕駛就是Omniverse的拓展...希望能成為殺手級的應用
應該是最困難的應用之一…
還是比不上Qualcomm SA8155P來的實用，也難怪各家車廠都已經開始上此款晶片了。
高通也是積極佈局，高通也已經與BMW等車廠合作，之後阿財也會介紹高通的自駕技術喔～期待未來有更多的選擇。
😃👍
猴哥早啊！
如果特斯拉跟Nvidia 合作，整個真實模擬數據就會很完整強大了
路線跟追求的東西不太一樣～
特斯拉 已经在做同样的事情了，也是自己用dojo 模拟各种场景，自己训练，同时结合现实中的车辆的反馈，来提升fsd。
NVDIA的劣势就是没有真实的车辆，所以很难确定他做出来的自动驾驶到底靠不靠谱。
有的阿財也有介紹特斯拉的模擬場景， 應該說個家都有，最新的FSD介紹已經出了，下期會講提升訓練的部份喔～
因為實景不夠多，所以用3d模擬？TESLA毎天有幾百萬輛車在路上取景，專心於AI和狀況處理就好。把心力放在模擬場景？在自駕AI上，好像方向不對吧？
路線不同畢竟NVIDIA本身不造車，所以收集數據的速度比較慢，只能先利用有限的數據強化模擬場景。
其實反過來想，你看特斯拉這樣取景的資料有多少比例是屬於正常駕駛的。依舊會發生長尾的問題，且在發生狀況的當下只有駕駛人的一種操作出現，使用模擬場景可以探討更多不同的情景下的不同可能信，如果沒有使用很強的擬真環境是沒辦法做到的。
That’s right！所以特斯拉、Waymo和NVIDIA都有自己的虛擬場景算法，當然NVIDIA結合他們的omniverse，把自己的優勢擴大在虛擬場景的建構上。
老黃想法 大概就是用聯發科跟對岸的方式 只是中美對抗下 nVIDIA 要找到非中合作對象都很困難 老黃這條路應該是黃了
omniverse這個虛擬的系統，特斯拉好幾年前AI大會就已經發布過了
Nvidia比較專注在他的omniverse，這幾年加入了很多超強的算法更逼真了
我不覺得跟Tesla的概念有什麼"完全不同"的說法，差異應該只是執行層面的一些細節
Tesla有清楚的解釋為何要純視覺，Nvidia對於Sensor Fusion (其實是Collision🤣)的核心問題怎麼解，他們也沒有一個解釋...
我個人的觀點哈，走傳感器融合，正常的情況下深度參考應該還是要以光達計算的為主，而光達系統如果故障，此時視覺方案就可以馬上遞補。
但我覺得不同的路線點是因為，NVIDIA本身不造車，只能依賴與車廠合作搜集數據，在這樣的背景下，強化虛擬場景變成很重要的方法(當然可能也與他們擅長的有關)，而特斯拉因為他們本身真實數據就夠大，精力一部分可以花在例如Ashok之前提到過的強化學習等等算法，一部分在模擬場景建構上。
@@xxtech_finance_and_life 困難點就是不知道到底是光達故障還是正常，你說的以光達為主，其實就是還是以相機做最終判斷。
這種困難我認為是基本邏輯上的爭議，Sensor Fusion的概念在正常運作下都沒問題，當Sensor Confliction的時候，大家其實都各自有一套解法。
我認為Nvidia的模擬，其實還沒考慮Sensor出問題的狀況.....大家都還要摸索一陣子....或是最終都走向Camera技術
@@ALBEVA 其實我覺得Mobileye的想法滿好的，兩套系統運作但我認為光達的故障是例如機械式光達突然不轉了或是固態光達雷射線程TX/RX很明顯出現差異，這種狀態下毫無懸念讓相機遞補，其餘有一說一雖然我很看好特斯拉還有pseudo-LiDAR的進步，但不只視覺在進步光達方也在進步，所以有光達的情況下我認為confliction的時候還是要聽光達的，畢竟光達精度真的很高~
另外NVIDIA確實沒特別強調衝突的狀況解決，其實這也很正常，因為NVIDIA目前自駕解決方案普及程度還沒那麼高，所以狀況出現的還沒有特斯拉之前雷達與視覺衝突那麼多~
當然這也是阿財我的淺見拉，只是興趣研究～
還是不能習慣阿財的語速，慢一點穩一點更有說服力啦
收到，有時候錄的時候講太high就越講越快XD
會嗎
我都用兩倍聽看各種影片
久了就習慣了😂
阿財會盡量慢一點哈哈
在台灣車子判斷前車打左轉方向燈
AI還需要判斷有60%機率會右轉😂
AI需要練習我預判了你的預判在預判你的預判，不然很難實現台灣的自動駕駛哈哈哈
台灣路況真的複雜，僅次於印度的大魔王
推 講得很清楚。場景模擬每個大的自動駕駛公司都在做的，但Nvidia的場景應該是最擬真的。不過除了多了LiDAR 之外，我還是看不出跟Tesla自動駕駛的差別在哪😅
感謝支持～其實自動駕駛算法大公司都掌握的差不多，有興趣可以看我特斯拉AI日系列影片，Tesla也是引用Google, Meta之類的很多AI算法，差別在於特斯拉真實數據很多。
一樣根據老馬的第一性原理, 可以用真實的場景去訓練, 幹嘛要繞遠路用3D去訓練, 訓練完還不是要再上真實場景去看GAP. 純屬浪費時間而已, 不過他自己沒造車, 只能這樣, 也因此研發過程肯定比特斯拉長不知道幾倍.
對這也說的，折衷的辦法，但對NVIDIA來說他們這個虛擬場景不只提供自動駕駛還有元宇宙、醫療和工業用等等。
不論多像最後還是要真實場景沒錯，但虛擬場景並不是完全浪費時間，比如數位孿生，還有長尾效應的部分，畢竟不能一直讓真人在高速公路上跑步再讓車去試遇到會如何；需要減少成本、風險或是低機率事件在虛擬場景裡試還是挺不錯。
沒錯，所以NVIDIA跟車廠合作慢慢蒐集，其實這是正向循環，NVIDIA自駕技術越好就會有越多車廠找NVIDIA！
在收集真實labeled data 的cost 是很高而且一些rare case 可能不能收集得到
是的long tail一直是一個棘手的問題～
一定要來台灣道路練AI，太多異常狀況，高速公路逆向，三寶突然左切或是衝出馬路。太多了，來台灣道路練練應該會練的很強壯
台灣目前的特斯拉也提供數據回傳訓練，只是台灣算是地獄難度僅次於印度...
Meta has been forgotten.
大大指的是metaverse領域嗎？
不專業的我 聽完 怎覺得tesla阿財說的我比較聽得懂 nvidia的方案 好高端複雜了一點
各有千秋路線不同
感謝 看來NVIDIA落後太多了 TESLA就不用說了 對岸主要是搞LIDAR路線 NVIDIA 要趕快找到大廠 向TOYOTA 或 大眾 合作 才有一點點機會
NVIDIA 其實跟賓士還有中國大陸的車廠有合作喔~ NVIDIA目標是希望提供自駕解決方案給各大車廠
@@xxtech_finance_and_life BENZ量太小了, 養不起老黃, TESLA 一年已經超過百萬輛等級, BENZ 能裝幾套 ,至於對岸老黃遲早都得放棄了 ,中美衝突下 美國要打壓對岸的AI 技術, H100 A100 已被動刀了 ,何時自駕相關晶片被動刀 也不會太意外 ,老黃賣賣AI trainging的晶片給toyota等大廠是可想像的, 但車用自駕晶片是車廠關鍵核心技術 還有安全責任問題 ,如果toyota 自駕晶片都靠老黃, 電池買panasonic或比亞迪, 那toyota 就淪為組裝廠了,而且成本降不下來,如何跟tesla 競爭, model 3 26萬人民幣就可買了. 老黃車用這塊真的要想想下一步,不過老黃最近真是頭大的事太多 ,資料中心需求不好,連乙太幣都放棄POW機制了,股價就......
長遠來看車廠只能妥協，因為自駕技術投入巨大，除了錢之外，晶片自主設計和算法都很重要，所以車廠妥協之後就是如此，toyota福斯等等每年體量還是很大的，未來自駕肯定不止在電車上有，油車也要普及的～
結果耗電, 變成每小時都要充電
哈哈哈 應該還好～ NVIDIA晶片設計專業
暈!這跟車子耗不耗電沒半毛關係好嗎??
只有3D模擬沒有真實數據只有一個狀況下行的通，路上沒有"人"開車
3D模擬場景其實也是根據真實數據建構出來的～
@@xxtech_finance_and_life I know,TESLA也是這樣做，問題就在NVIDIA沒有足夠數據,而且TESLA路上有一堆“志工”幫他們debug
是的，畢竟NVIDIA不造車，只能跟車廠合作，這也算是折衷的辦法，只能先透過模擬場景強化自駕能力，接著吸引更多車廠與之合作。
所以nvid的做法就是用逼真的模拟场景 然后在里面学习？如果可行，那岂不是特斯拉积累真实数据就没有意义了？毕竟虚拟场景里都不要人工标注了。
我認為主要是NVIDIA不走純視覺，LiDAR不用靠大量數據計算深度，這有差別，走純視覺還是需要大量真實數據積累，畢竟虛擬還是跟現實有差別。
特跟N誰比較強
技術路線不一樣，但特斯拉整合優勢較大
@@xxtech_finance_and_life 但是其他車廠沒Tesla技術可以買
這到是~所以傳統車廠只能跟其他公司合作(NVIDIA, waymo)之類的合作
真能洗，真是 赚钱无底线。
這是阿財第一支葉配拉金額很少拉，另外我講的內容還算客觀吧？
请问up主洗了啥？请指出不客观的地方。如果只是想喷，出门右转不送…