点击不雅观看最新一期的 NVIDIA 自动驾驶实验室视频：
利用天生式 AI 增强自动驾驶仿真
00:00:00
仿真对自动驾驶系统的安全性至关主要
00:00:45
利用 MapLLM 构建逼真的道路布局
00:01:19
利用 LCTGen 天生自然的驾驶行为
00:02:18
利用场景编辑器编辑结果
00:03:24
未来与 NVIDIA NIM 路线图的整合
MapLLM 是 NVIDIA 为自动驾驶开拓的一个大措辞模型，可以基于用户输入天生高精舆图格式的驾驶场景。这种多样化驾驶场景的天生是通用自动驾驶仿真系统的第一个关键技能。
LCTGen（Language Conditioned Traffic Generation）是一个可以理解交通场景文本描述的 Transformer 措辞模型，可以天生自然、逼真的车辆、行人以及其他交通参与者的行为，还可以根据已知的文本描述，预测交通参与者可能的位置以及它们在场景中的运动。
NVIDIA Omniverse 场景编辑器可以对已有的驾驶场景进行额外编辑和细微调度，通过大略的措辞提示即可轻松修正虚拟场景，比如将白天变为黑夜，将晴天变为雨天，或向场景中添加新的交通参与者。这大大扩展了自动驾驶系统在开拓期间可以打仗到的真实设计运行范围（ODD）。通过利用 NVIDIA Blackwell GPU 架构强大的推理能力和新一代 Transformer 引擎，自动驾驶系统的反应能力和系统本身都将得到加速。
通过将布局道路环境的 MapLLM、天生逼真驾驶场景的 LCTGen，和基于大措辞模型的 Omniverse 场景编辑器结合在一起，研究职员可以高效地利用天生式 AI 从数据源创建逼真场景来准确反响现实天下、并进行全面的自动驾驶评估和演习。
干系资料
LCTGen：措辞驱动的交通场景天生
(Language Conditioned Traffic Generation)
本文提出了一种措辞驱动的、由阐明器和天生器两个紧张模块构成的交通天生模型 LCTGen。由 LLM 驱动的阐明器会将用户指定的任何自然措辞查询转换成构造紧凑的表述，还能从现实天下的舆图库中检索到与所描述的场景相匹配的得当舆图。天生器则可以利用构造化表述和舆图天生准确符合用户哀求的现实交通场景。
论文链接：
https://ariostgx.github.io/lctgen/
RealGen：适用于可控交通场景的检索增强天生
受大措辞模型中成功的检索增强天生方法的启示，本文提出了用于交通场景天生的基于检索的新型高下文学习框架 RealGen。RealGen 以无梯度的办法将多个检索示例中来自模板或标记场景的行为结合起来并合成新的场景。这种情境学习框架具有多种天生能力，包括编辑情景、合成各种行为和天生关键情景的能力。评估表明，RealGen 具有相称大的灵巧性和可控性，标志着可控交通场景天生领域的一个新方向。
论文链接：
https://realgen.github.io/
面向自动驾驶汽车的 NVIDIA AI 工具
面向自动驾驶汽车的 NVIDIA AI 工具
GTC 2024 会议：利用根本模型进行自动驾驶开拓
演讲高朋：
Marco Pavone ｜NVIDIA 自动驾驶汽车研究总监
查看回放：
https://www.nvidia.com/en-us/on-demand/session/gtc24-s62855/
理解更多
NVIDIA 中国汽车团队招聘https://qr15.cn/ClR2ijDRIVE Labs 视频合集https://www.nvidia.cn/self-driving-cars/drive-videos订阅 NVIDIA 自动驾驶电子邮件列表，获取前沿行业资讯https://www.nvidia.cn/industries/automotive/#automotive-subscribe-modal