获奖名单
用户 | 昵称 | 联系方式 |
1 | 樊海荣 | 186XXXX0832 |
2 | 孙磊 | 137XXXX9746 |
3 | 张传雷 | 138XXXX6837 |
4 | 万辉 | 139XXXX1827 |
5 | 曾春辉 | 137XXXX5960 |
6 | L | 182XXXX6962 |
7 | 陈一新 | 186XXXX2886 |
8 | 陈先生 | 158XXXX0273 |
9 | 聂九辉 | 138XXXX7172 |
10 | 曹学鹏 | 136XXXX5782 |
11 | 焦盼冬 | 134XXXX4495 |
12 | 邱小勇 | 159XXXX8267 |
13 | 张勇 | 137XXXX5856 |
14 | 杨世熙 | 185XXXX6381 |
15 | 胡仡 | 158XXXX1080 |
16 | 陈予力 | 151XXXX8117 |
17 | 翁泽钦 | 173XXXX0270 |
18 | 沈建明 | 135XXXX8955 |
19 | 蔡先生 | 137XXXX0996 |
20 | 庞运河 | 136XXXX9069 |
21 | 赵卫东 | 138XXXX6974 |
►精彩内容回顾
本次直播课的主题为《NVIDIA 技术打造未来智驾之路》。下面,请大家和小丽一起回顾本次直播的精彩内容。
►精彩问答
Q1
NVIDIA 技术主要使用在汽车领域吗?
NVIDIA 是一家通过 GPU 或者并行计算的方式加速各个领域的工作负载的公司。在汽车领域,利用端到端技术,从自动驾驶的模型训练(在数据中心中进行),到模型应用以及车端,例如车载芯片,以及车载芯片上层的软件栈,NVIDIA 均可以提供。所以,NVIDIA 的技术不仅仅用在汽车领域。
Q2
NVIDIA 的 DRIVE Sim 从哪些方面进行自动驾驶仿真?
首先是基于物理属性的仿真来打造一个安全可扩展且具有经济效益的自动驾驶仿真平台。其次是依托于 Omniverse 实现实时渲染。第三是自动驾驶合成数据的生成,将摄像头,雷达,激光雷达甚至是超声波的数据生成在 Omniverse 的 DRIVE Sim 平台上,生成仿真数据,从而协助进一步训练自动驾驶的感知网络。
Q3
V2I 场景是否有相关解决方案?
相关解决方案比较多。V2I 技术目前主要应用在车与道路的通信协同上,例如如今的道路基础设施上会装载 NVIDIA Jetson 系列产品,此外,也会采用一些 X86 架构的产品,利用 NVIDIA RTX GPU 来做前端的一些推理计算。除此之外,我们也会利用到 EGX 解决方案,采用 X86 架构加高端计算卡,例如 NVIDIA A100 Tensor Core GPU 或者 NVIDIA A30 GPU 这类的计算卡,通过外部网络联络到数据中心来做数据交互。V2I 场景不论是在边缘端还是在数据中心端都有相应解决方案。