自动驾驶汽车的开发和验证需要能够在仿真中复制真实场景。

　　在GTC会议上，NVIDIA创始人兼首席执行官黄仁勋先生展示了适合NVIDIADRIVESim的新型AI工具，可以准确重建和修改实际驾驶场景。这些工具得到了NVIDIA研究团队利用NVIDIAOmniverse平台和NVIDIADRIVEMap技术取得的突破性成果的支持。

　　黄仁勋先生展示了开发者如何在快速迭代中轻松测试多个场景：

　　在模拟中重建任何场景后，这些场景都可以作为许多不同变化的基础，包括改变车辆的轨迹，或在驾驶路径上增加障碍物，以帮助开发人员改善人工智能驱动。

　　然而，在模拟中重建真实的驾驶场景并生成真实的数据是一个的过程。这需要有经验的工程师和艺术家，但即便如此，也很难做到。

　　NVIDIA实施了两种基于人工智能的无缝方法：虚拟重建和神经重建。第一种方法复制真实场景，作为完全合成的3D场景，第二种方法使用神经仿真来增强真实的传感器数据。

　　这两种方法不仅可以重现单个场景，还可以扩展和生成许多具有挑战性的新场景。该功能加速了自动驾驶汽车的持续训练、测试和验证工作流。

　　虚拟重建

　　在上述主题演讲视频中，NVIDIADRIVEMap、Omniverse和DRIVESim以3D形式重建了NVIDIA总部周围的整体驾驶环境和场景。

　　借助DRIVEMap，开发者可以在Omniverse中查看道路网络的数字双胞胎。使用基于Omniverse的工具，详细的地图可以转换为可以与NVIDIADRIVESim一起使用的可驾驶仿真环境。

　　利用重建的模拟环境，开发人员可以使用真实驾驶中获得的摄像头、激光雷达和车辆数据来重现事件，如交叉口的惊险时刻或通过施工区域。

　　该平台的人工智能有助于重建场景。首先，对于每个跟踪对象，人工智能将查看相机图像，并从DRIVESim目录中找到非常相似的3D材料，以及非常接近视频中对象颜色的颜色。

　　最后，重现跟踪物体的实际路径;然而，通常会有空白。在这种情况下，基于人工智能的交通模型将应用于跟踪物体，以预测其运行，并填补其轨迹中的空白。

　　使用真实驾驶中的摄像头、激光雷达数据和人工智能重建场景。

　　借助虚拟重建，开发人员可以通过基于物理传感器和人工智能行为模型生成的高保真数据，发现具有挑战性的潜在情况，对自动驾驶汽车系统进行训练和验证，创建许多新场景。场景中的数据也可以训练行为模型。

　　使用人工智能从原始场景中生成看似合理、具有挑战性的场景。

　　神经重建

　　另一种方法依赖于神经仿真，而不是通过合成生成场景，首先使用真实的传感器数据，然后进行修改。

　　传感器重放(回放录制的传感器数据测试自动驾驶汽车系统性能的过程)是自动驾驶汽车发展的主要内容。这是一个开环过程，意味着自动驾驶汽车栈的决策不会影响世界，因为所有的数据都是提前录制的。

　　NVIDIA研究团队提供的神经重建方法预览将这些录制的数据转换为一个完全反应的可修改环境，就像演示一样，当最初录制的卡车经过时，汽车可以重新设置为右转。这种革命性的方法可以实现自动驾驶栈与驾驶环境之间的闭环测试和完全交互。

　　这个过程从录制的驾驶数据开始。人工智能可以识别场景中的动态对象，并将其删除，以创建一个可以从新角度呈现的3D环境的精确副本。然后，将动态对象重新融入3D场景，呈现基于人工智能的现实行为和外观，并考虑照明和阴影。

　　利用AI基于预录的驾驶数据创建3D交互环境。

　　然后，自动驾驶系统将在这个虚拟世界中行驶，场景会做出相应的反应。你可以通过增强现实使场景更加复杂，插入其他虚拟物体、车辆和行人，使渲染结果看起来像真实场景的一部分，并可以与环境进行物理交互。

　　车辆上的每个传感器(包括摄像头和激光雷达)都可以在场景中使用人工智能进行模拟。

　　在Omniverse中，可以在驾驶环境中插入虚拟物体和车辆。人工传感器数据(包括激光雷达)是根据场景生成的。

　　充满可能性的虚拟世界。

　　这些新方法由NVIDIA在渲染、图形和人工智能方面的专业知识驱动。

　　DRIVESim作为一个模块化平台，在确定性仿真的基础上支持这些功能。它提供基于人工智能的车辆动态、交通模型、场景工具和综合SDK，以构建所需的任何工具。

　　通过这两种强大而新颖的人工智能方法，开发者可以很容易地从现实世界转移到虚拟世界，从而加快自主驾驶的发展和部署。