Sicherheit von Robotaxis und autonomen Fahrzeugen

Bietet Tools und Richtlinien, um einen glaubwürdigen Sicherheitsnachweis von L2-ADAS bis hin zu L4-Robotaxis zu entwickeln, wobei die Lösung auf über 330 Forschungsarbeiten und mehr als 1.000 Patenten in NVIDIA Halos zurückgreift.

Umfassende Bewertungen mit Open-Loop-Metriken, Closed-Loop-Simulationen und realen Fahrzeugtests zeigen, dass Alpamayo 1 in mehreren Aspekten (einschließlich Reasoning, Trajektoriengenerierung, Abgleich, Sicherheit, Latenz und mehr) auf dem neuesten Stand der Technik ist.

Das Erfassen und Annotieren realer Daten für sicherheitskritische physische KI-Systeme wie autonome Fahrzeuge (AVs) ist zeitaufwendig und kostspielig. Um dieser Herausforderung zu begegnen, stellen wir Cosmos-Drive-Dreams vor, eine Pipeline zur Generierung synthetischer Daten (SDG) zur Erstellung anspruchsvoller Szenarien, um nachgelagerte Aufgaben wie die Wahrnehmung und das Training der Fahrstrategie zu erleichtern.

Die Sicherheit stellt nach wie vor eine grundlegende Herausforderung im Bereich des autonomen Fahrens dar. Die Entwicklung eines Systems zur Sicherheitsauswertung, das unsichere (d. h. unfallträchtige) Szenarien zuverlässig erkennen kann, ist daher ein wichtiger Schritt.

HydraSafe ist ein Framework, das sich mit der Problematik der Sicherheit autonomer Fahrzeuge in gefährlichen Situationen befasst, die durch bessere Datenverfügbarkeit und Robustheit der Planer sichergestellt werden soll.

Das Aufkommen von durchgängigen Autonomie-Stacks – denen es oft an interpretierbaren Zwischenmodulen fehlt – hat die Anforderungen an die Gewährleistung der Sicherheit der Endergebnisse, d. h. des Bewegungsplans, erhöht, um die Sicherheit des gesamten Stacks nachweisen zu können.