Videos Recientes De Youtube
Denna Repaci
En la cronologa de contenido multimedia de tu perfil podrs ver las fotos, los videos, los archivos GIF y los archivos de Vine que hayas subido en tus posts. Tambin puedes visitar los perfiles de otros usuarios para ver sus cronologas de contenido multimedia.
Nota: Si las fotos o los videos que tengas alojados en servicios externos no se muestran en tu cronologa de contenido multimedia o en tus posts, quiere decir que, por el momento, no ofrecemos la posibilidad de mostrar contenido multimedia de ese servicio en particular.
Ten en cuenta que si eliminas un post que contiene una foto o un video alojados en un servicio externo, estos tambin se eliminarn de tu cronologa de contenido multimedia. Si deseas eliminar la foto o el video del servicio externo, debers iniciar sesin en dicho servicio y eliminarlos all tambin.
Nota: Si copias y pegas la URL de la foto de otra persona en tu post (un repost manual), la foto de esa persona aparecer en tu cronologa de contenido multimedia. En cambio, la foto no se mostrar en tu cronologa de contenido multimedia si usas el botn para retwittear.
Comprender las seales de lmite de velocidad puede parecer coser y cantar, pero rpidamente puede convertirse en una tarea ms compleja en situaciones en las que se aplican diferentes restricciones a diferentes carriles, o cuando se conduce en un nuevo pas. En este episodio de DRIVE Labs, se muestra cmo la percepcin en directo basada en IA ayuda a los vehculos autnomos a comprender mejor las complejidades de las seales de lmite de velocidad mediante indicaciones explcitas e implcitas.
Los sensores diversos y redundantes, como la cmara y el radar, son necesarios para la percepcin AV. Sin embargo, los sensores de radar que aprovechan solo el procesamiento tradicional pueden no estar a la altura de la tarea. En este vdeo de DRIVE Labs, mostramos cmo la IA puede abordar las deficiencias del procesamiento tradicional de seales de radar en la distincin de objetos en movimiento y estacionarios para reforzar la percepcin AV.
En este episodio de DRIVE Labs, mostramos cmo DRIVE IX percibe la atencin del conductor, la actividad, la emocin, el comportamiento, la postura, el habla, el gesto y el estado de nimo. La percepcin del conductor es un aspecto clave de la plataforma que permite al sistema de AV asegurarse de que un conductor est alerta y prestando atencin a la carretera. Tambin permite al sistema de IA realizar funciones de cabina ms intuitivas e inteligentes.
En este episodio de DRIVE Labs, mostramos cmo se usan las tcnicas de IA definidas por software para mejorar significativamente el rendimiento y la funcionalidad de nuestra red neuronal profunda (DNN) de la percepcin de la fuente de luz (el rango creciente, la adicin de capacidades de clasificacin y mucho ms) en cuestin de semanas.
Los vehculos autnomos se basan en la IA para anticipar los patrones de trfico y maniobrar de forma segura en un entorno complejo. En este episodio de DRIVE Labs, demostramos cmo nuestra red neuronal profunda PredictionNet predice los movimientos que van a realizar otros conductores mediante datos cartogrficos y de percepcin en tiempo real.
La gestin autnoma de intersecciones presenta un conjunto complejo de desafos para los coches autnomos. Anteriormente en la serie DRIVE Labs, demostramos cmo detectamos intersecciones, semforos y seales de trfico con la DNN WaitNet. Tambin demostramos cmo clasificamos el estado del semforo y el tipo de seal de trfico con las DNN LightNet y SignNet. En este episodio, mostraremos cmo NVIDIA utiliza la IA para percibir la variedad de estructuras de interseccin que un vehculo autnomo podra encontrar en un viaje diario.
El aprendizaje activo permite que la IA elija automticamente los datos de entrenamiento adecuados. Un conjunto de DNN dedicadas pasa a travs de un grupo de fotogramas de imagen, marcando los que considera que son confusos. Estos fotogramas se etiquetan y se aaden al conjunto de datos de entrenamiento. Este proceso puede mejorar la percepcin de la DNN en condiciones difciles, como la deteccin nocturna de peatones.
Los mtodos tradicionales para procesar datos Lidar plantean desafos significativos, como la capacidad de detectar y clasificar diferentes tipos de objetos, escenas y condiciones climticas, as como limitaciones en el rendimiento y la robustez. Nuestra red neuronal profunda LidarNet multivista utiliza un repertorio de perspectivas, o vistas, de la escena alrededor del coche para abordar estos desafos de procesamiento Lidar.
La localizacin es una funcionalidad esencial para los vehculos autnomos, ya que procesa su ubicacin tridimensional (3D) en un mapa, incluida la posicin 3D, la orientacin 3D y cualquier incerteza en esos valores de posicin y orientacin. En este DRIVE Labs, te mostramos cmo los algoritmos de localizacin hacen posible la obtencin de una gran precisin y seguridad con mapas en alta definicin y sensores disponibles en el mercado.
Descubre cmo ha evolucionado nuestra DNN de LaneNet hasta convertirse en la DNN de MapNet de alta precisin. Esta evolucin ha trado consigo un aumento en las clases de deteccin para cubrir tambin las marcas viales y los puntos de referencia verticales (por ejemplo, los postes), adems de la deteccin de lneas de carril. Tambin aprovecha la deteccin integral, que ofrece una inferencia ms rpida en el vehculo.
La capacidad de detectar y reaccionar a los objetos alrededor del vehculo permite ofrecer una experiencia de conduccin cmoda y segura. En este vdeo de DRIVE Labs, explicamos por qu es esencial tener una tubera de fusin de sensores que combine seales de entrada de cmara y radar para obtener una percepcin envolvente robusta.
En escenarios de conduccin muy complejos, es til que el sistema de percepcin del vehculo autnomo proporcione una comprensin ms detallada de su entorno. Con nuestro enfoque DNN de segmentacin panptica, podemos obtener resultados detallados que segmentan el contenido de la imagen con precisin a nivel de pxel.
Las luces de haz alto pueden aumentar significativamente el rango de visibilidad nocturna de los faros delanteros estndar. Sin embargo, pueden deslumbrar peligrosamente a otros conductores. Hemos entrenado una red neuronal profunda (DNN) basada en cmara, llamada AutoHighBeamNet, para generar automticamente salidas de control para el sistema de luz de haz alto del vehculo, lo que aumenta la visibilidad y la seguridad de la conduccin nocturna.
El seguimiento de caractersticas calcula las correspondencias y los cambios a nivel de pxel entre fotogramas de vdeo adyacentes, de modo que proporciona informacin temporal y geomtrica crucial para la estimacin de movimiento/velocidad de objetos, autocalibracin de la cmara y odometra visual.
La red neuronal profunda de ParkNet puede detectar un aparcamiento libre de acuerdo con una serie de condiciones. Descubre cmo se desenvuelve tanto en espacios interiores como exteriores, separados por marcas de carril simples, dobles o descoloridas, adems de cmo diferencia entre plazas ocupadas, libres y parcialmente ocultas.
En este episodio especial de DRIVE Labs se muestra cmo el software NVIDIA DRIVE AV combina los aspectos ms bsicos de la percepcin, la localizacin, la planificacin y el control para conducir de forma autnoma en la va pblica alrededor de nuestra sede en Santa Clara (California).
El software NVIDIA DRIVE AV utiliza una combinacin de DNN para clasificar las seales de trfico y los semforos. Mira cmo nuestra DNN LightNet clasifica la forma del semforo (por ejemplo, slido frente a flecha) y su estado (es decir, el color), a la vez que identifica el tipo de seal de trfico.
Nuestro software de prevencin de colisiones Safety Force Field (SFF) acta como un supervisor independiente de las acciones del sistema principal de planificacin y control del vehculo. SFF comprueba los controles elegidos por el sistema principal y, si no los considera seguros, veta y corrige la decisin de este.
El procesamiento de redes neuronales profundas (DNN) ha surgido como una importante tcnica basada en IA para la deteccin de carriles. Nuestra DNN de LaneNet aumenta el rango de deteccin de carriles, la recuperacin del borde del carril y la robustez de deteccin de carriles con precisin a nivel de pxel.
El clculo de la distancia de los objetos mediante los datos de imgenes de una nica cmara puede conllevar desafos en terrenos montaosos. Con la ayuda de las redes neuronales profundas, los vehculos autnomos pueden predecir distancias en 3D a partir de imgenes en 2D.
Descubre cmo usamos nuestro sistema de seis cmaras para ver 360 grados alrededor del coche, as como para realizar un seguimiento de los objetos a medida que se mueven en el entorno que rodea al vehculo.
Consulta los avances ms recientes en la percepcin de los vehculos autnomos de NVIDIA DRIVE. En esta episodio de Dispatch, utilizamos sensores ultrasnicos para detectar la altura de los objetos circundantes en reas de baja velocidad, como los aparcamientos. La red neuronal profunda RadarNet detecta el espacio libre de circulacin, mientras que la red neuronal profunda Stereo Depth estima la geometra del entorno.
Drive Dispatch vuelve para la segunda temporada. En este episodio, mostramos avances en agrupaciones integrales de radares basadas en redes neuronales profundas, Real2Sim, supervisin de conductores y ocupantes, entre otros elementos.
En este episodio de NVIDIA DRIVE Dispatch, mostramos avances en datos sintticos para mejorar el entrenamiento DNN, percepcin solo por radar para predecir el movimiento futuro, creacin de MapStream para mapas HD colaborativos y mucho ms.
Explora el progreso en la deteccin de plazas de estacionamiento, la ubicacin 3D en la deteccin de puntos de referencia, nuestra primera unidad autnoma que usa un mapa MyRoute generado automticamente y un plano de carretera, as como la estimacin de la suspensin.
Echa un vistazo a los avances en la clasificacin y prevencin de scooters, deteccin de semforos, estabilidad cuboide 2D, espacio libre 3D de anotaciones de cmara, tubera de percepcin Lidar y percepcin de faros/luz trasera/alumbrado pblico.
d3342ee215