NVIDIA 自發表 Omniverse 平台技術後，迅速將這項技術拓展到各式領域，其中一項就是借助 Omniverse 打造數位孿生環境，提供自駕車技術進行 AI 模型訓練的安全環境；在今年 GTC 大會， NVIDIA 執行長黃仁勳宣布將以北美、西歐與亞洲的主要道路，在數位孿生環境建構長達 50 萬公里的公路，並透過數百萬輛客車擴充與更新模擬，作為自駕車技術的虛擬訓練環境，旨在為自駕車車隊打造距地球規模的數位孿生並探索新演算法與設計，並作為導入實際道路測試前的把關驗證。
NVIDIA 將借助兩種情境模擬方式建構不同的數位孿生環境，包括以 NVIDIA DRIVE Map 高解析 3D 圖資建立的環境，另一種則是透過預錄真實環境影像與神經繪圖人工智慧進行建模的環境。無論是哪種情境，皆可借助數位孿生特色，在環境中增添如不同的車色、忽然衝出的行人、出現在道路中的障礙物、各式駕駛行為、天氣變化、白天或是黑夜等情境，並可多次還原現實世界可能會發生但機率極低的意外狀況。
▲以 NVIDIA DRIVE Map 為基礎的環境有著精確的 3D 規格，但除道路外的物件皆為另行產生與載入環境當中
▲各式動態物件可套用動畫或 AI 操作，包括產生各式三寶駕駛行為與突如其來的意外
NVIDIA DRIVE Map 是一種多模式地圖引擎，可見力高準確度的 3D 世界，透過將資料載入 Omniverse 後，加入包括建築物、植物與路旁物件，在自先前駕駛里程的資訊以推論、定位方式產生動態物件、車輛與行人，畫面中的動態物件可透過動畫處理或是指派 AI 模型，並可套用領域隨機化產生各式突發情況。
▲透過神經繪圖人工智慧將預錄駕駛影片轉為 3D 場景
▲透過 AI 技術移除動態物件保留背景，後續再透過虛擬技術添加各式動態物件與情境
另一種方式是透過車輛的攝影機蒐集的實際駕駛影片，結合神經繪圖人工智慧技術進行場景轉換，除了把 2D 影片轉化為 3D 建構的場景，還可辨識與消除畫面中的動態物件，僅保留背景部分，後續再添加各式的動態物件進行不同情境的模擬。
1 則回應
這個月剛滿19歲 line“043821”