
借助司机助理系统,无人驾驶汽车依赖雷达、激光和摄像头看清道路,但所有信息还需要进行分析、领会。Nvidia在CES展上演示了其新款K1图形处理器如何识别街面信号、车道线与其他交通工具的全过程。
Nvidia在其展台进行了演示,安装有K1芯片的测试台记录了一段由一个摄像头拍摄到的路面行驶视频。借助图像识别资料库,K1图形芯片分析视频,将速度限制信号标为红色、其他交通工具标为蓝色,车道线标为绿色。
芯片不停地处理着视频,与现实世界并无两样。
Nvidia自动化主管丹尼·夏皮罗(Danny Shapiro)向CNET表示,早期的Tegra芯片无法达到演示中显示的K1处理水平,新款KI处理器能耗却与Tegra相似,仅为5-7瓦。
K1芯片是汽车的幕后“工作者”,分析大量传感器传来的实时数据,创建即时环境3D模型。汽车厂商负责适当的回应,通过刹车或方向盘进行控制或报警,对环境因素做出响应。
Nvidia演示时,K1芯片分析速度限制信号,并在显示屏上显示当前速度。
夏皮罗指出,Nvidia能够针对不同目标、街道标识和信号提供一个视觉识别模式基本资料库,但汽车厂商还需要通过广泛的现实世界测试细化识别模式。
奥迪、宝马和Tesla汽车目前均采用Nvidia芯片。奥迪在CES展上宣布未来一款汽车将使用Nvidia K1芯片。夏皮罗表示,Nvidia将在今年3月份举办的日内瓦车展上公布一个新客户——一家亚洲主流汽车厂商。
好文章,需要你的鼓励
AWS AI Labs研究团队发布EvalAgent,这是一套通过"评估技能"自动生成AI智能体评测方案的系统,将首次运行成功率从17.5%提升至65%,并在人类专家评测中获得79.5%的偏好选择。
亚历山大大学提出M2Retinexformer,通过融合深度、亮度和语义三种辅助模态,让AI在增强暗光图像时兼顾几何结构与视觉自然度。
浙大、西湖大学等联合提出FAAST,无需反向传播,一次正向扫描将训练样本压缩为快速权重矩阵,推理时间和内存占用分别节省90%和95%以上。
慕尼黑工业大学发布RealICU基准,用专家后见之明评测大语言模型在ICU实时决策中的真实能力,发现现有顶级AI存在有害推荐率过高和锚定偏差两大安全隐患。