تساعد NVIDIA صناعة النقل باستخدام تقنية الذكاء الاصطناعي

تساعد NVIDIA صناعة النقل من خلال منحها إمكانية الوصول إلى شبكاتها العصبية العميقة (DNN) للمركبات ذاتية القيادة.

توفر NVIDIA الوصول إلى نموذج AI (الذكاء الاصطناعي) الخاص بها وتقدم أدوات تدريب متقدمة. يساعد ذلك الشركة على تعزيز منصتها الشاملة لتطوير المركبات المستقلة ونشرها في النهاية.

سيحصل صانعو السيارات والشركات الأخرى التي تطور المركبات الذاتية (AVs) في سجل حاوية NVIDIA GPU Cloud على حق الوصول. يعد NVIDIA DRIVE إلى حد كبير هو المعيار لتطوير المركبات ذاتية القيادة. يتم استخدامه من قبل شركات صناعة السيارات ومصنعي الشاحنات وشركات robotaxi جنبًا إلى جنب مع شركات البرامج والجامعات ذات الصلة.

تمنح NVIDIA إمكانية الوصول إلى نماذج الذكاء الاصطناعي المدربة مسبقًا ورموز التدريب لمطوري AV. ستمكّن مجموعة الأدوات هذه النظام البيئي من توسيع النماذج وتخصيصها بحرية لزيادة متانة وقدرات أنظمة القيادة الذاتية الخاصة بهم.

"إن السيارة المستقلة التي تعمل بالذكاء الاصطناعي هي وسيلة معرفة بالبرمجيات ومطلوبة للعمل في جميع أنحاء العالم على مجموعة متنوعة من مجموعات البيانات. من خلال تزويد مطوري برامج AV بالوصول إلى DNN وأدوات التعلم المتقدمة لتحسينها لمجموعات بيانات متعددة ، فإننا نتيح التعلم المشترك عبر الشركات والبلدان ، مع الحفاظ على ملكية البيانات وخصوصيتها. في النهاية ، نعمل على تسريع واقع المركبات المستقلة العالمية ". -Jensen Huang ، المؤسس والرئيس التنفيذي لشركة NVIDIA

الذكاء الاصطناعي هو ما يمد هذه المركبات ذاتية القيادة بالطاقة. يسمح لهم الذكاء الاصطناعي برؤية محيطهم والتفاعل معه في الوقت الفعلي. يوجد في قلبه العشرات من DNNs. يساعد هذا في الإدراك الدقيق والتوطين وتخطيط المسار.

"تقود NVIDIA العالم في تطوير أعمق وأوسع مجموعة من DNNs وأدوات الذكاء الاصطناعي لصناعة النقل. إن إتاحة هذه الخوارزميات للآخرين ، جنبًا إلى جنب مع الأدوات والبنية التحتية لسير العمل لتخصيصها ، سيساعد في تمكين نشر النقل المستقل الآمن. " -Luca De Ambroggi ، مدير أبحاث الذكاء الاصطناعي في IHS Markit

إلى جانب توفير الوصول إلى DNNs ، أمضت NVIDIA سنوات في التطوير والتدريب ، أعلنت الشركة عن توفر مجموعتها من الأدوات المتقدمة التي يمكن لمطوريها استخدامها لتخصيص DNN وتحسينها باستخدام مجموعات البيانات الخاصة بهم ومجموعة الميزات المستهدفة. سيسمح هذا بمزيد من التدريب على DNNs أثناء استخدام التعلم النشط والتعلم الموحد ونقل التعلم. يعمل التعلم النشط على تحسين دقة النموذج مع تقليل تكاليف جمع البيانات. يأتي هذا من أتمتة اختيار البيانات باستخدام الذكاء الاصطناعي.

يساعد التعلم الموحد الشركات على استخدام مجموعات البيانات عبر البلدان ومع الشركات الأخرى دون انتهاك خصوصية البيانات. هذا يحمي الملكية الفكرية لكل شركة. يمنح التعلم الانتقالي عملاء DRIVE طريقة لتسريع تطوير برامج الإدراك الخاصة بهم من خلال الاستفادة من استثمار NVIDIA في تطوير AV. يمكنهم بعد ذلك تطوير هذه الشبكات لتطبيقاتهم الخاصة وقدراتهم المستهدفة.