跳到正文
NVIDIA Newsroom·· 13 天前精选AI 评分64

NVIDIA 在 GTC Berlin 宣布多家欧洲车企基于 Hyperion 平台开发自动驾驶与 Robotaxi,并发布 Halos SAFE 及新 Alpamayo 模型

European Mobility Leaders Build Safe Vehicles and Robotaxi Fleets on NVIDIA Hyperion

AI 导读

NVIDIA 在 GTC Berlin 宣布 Bolt(与 Lucid)、Mercedes-Benz、大众商用车、Einride 等欧洲出行企业在 NVIDIA Hyperion 计算平台上展示自动驾驶应用案例,Volvo Cars 将采用 Hyperion 与 Alpamayo Stack 用于安全自动驾驶。Bolt 计划在马德里于 2027 年开始收集真实道路驾驶数据(待监管批准)。

AI 生成摘要 · 以原文为准

关注理由

官方公告汇总了 Bolt、奔驰、大众商用车、沃尔沃等欧洲车企在 Hyperion 平台上的自动驾驶布局及新模型与安全框架,可用于梳理 NVIDIA 车载 AI 生态版图。

正文 · AI 翻译

新闻摘要:

  • Bolt 与 Lucid、梅赛德斯-奔驰、大众商用车和 Einride 正在 NVIDIA Hyperion 计算平台上展示精选的自动驾驶出行用例,展示 L3 和 L4 车辆以及未来 robotaxi 车队的潜在应用;沃尔沃汽车将采用 Hyperion 和 NVIDIA Alpamayo Stack 实现安全自动驾驶。
  • NVIDIA 推出 Halos SAFE,这是 NVIDIA Halos 安全系统中的新框架,它结合仿真与物理测试,帮助开发者生成可衡量、可追溯的自动驾驶安全证据。
  • NVIDIA 宣布推出 Alpamayo 2 Edge、Alpamayo Agentic Factory 以及新的 Cosmos 3 Nano 模型变体,帮助开发者面向不同车辆、运行条件和地区构建、定制和评估自动驾驶。

GTC 柏林大会——NVIDIA 今日宣布,欧洲领先的汽车制造商和出行服务提供商,包括 Bolt 与 Lucid、梅赛德斯-奔驰、大众商用车和 Einride,正在 NVIDIA Hyperion 计算平台上展示精选的自动驾驶出行用例,展示 L3 和 L4 车辆以及未来 robotaxi 车队的潜在应用。

此外,沃尔沃汽车将采用 Hyperion 和 NVIDIA Alpamayo Stack 软件实现安全自动驾驶。NVIDIA 还推出了新的 AI 和安全技术,帮助开发者大规模构建、验证和部署自动驾驶车辆(AV)。

自动驾驶出行代表着数万亿美元的机遇,其中 robotaxi 正引领 L4 级商业化部署的进程。NVIDIA Hyperion 和 NVIDIA Halos 全栈安全系统为汽车制造商和出行服务提供商提供计算性能、安全基础和长期支持,帮助他们将自动驾驶车辆和 robotaxi 车队大规模推向市场。

“Robotaxi 是机器人和物理 AI 的首个大众市场应用,正在重塑人员和货物的移动方式,”NVIDIA 创始人兼首席执行官黄仁勋表示,“NVIDIA Hyperion 加上我们的 Halos 安全操作系统,为合作伙伴提供了一个旨在实现完全自动驾驶和最高安全水平的全栈 robotaxi 平台,让我们更接近万物皆可自主移动的未来。”

欧洲出行领域领军企业基于 NVIDIA Hyperion 展开构建
欧洲的汽车制造商和出行服务提供商正在探索多种自动驾驶路径,从乘用车、robotaxi 车队到自动驾驶货运卡车。NVIDIA Hyperion 的模块化架构支持所有这些项目,与 NVIDIA Alpamayo Stack 自动驾驶软件以及合作伙伴自有的驾驶软件兼容。

Bolt 已为其欧洲 robotaxi 项目选定 NVIDIA Alpamayo Stack,首先从基于 Hyperion 构建的未来 Lucid 车辆开始。Bolt 和 NVIDIA 将针对欧洲道路对软件进行适配,并将其集成到多家制造商的车辆中,将 NVIDIA 的驾驶和安全技术与 Bolt 的车队管理系统、运营经验和本地市场专知相结合。

Bolt 计划于 2027 年在马德里开始采集真实世界驾驶数据,以支持自动驾驶技术的开发和验证(需获得监管部门批准);德国是未来部署的重点,作为其规划的欧洲推广计划的一部分,该计划将部署至少 25,000 辆基于 NVIDIA Hyperion 构建的、具备 L4 能力的未来 Lucid 车辆。

在柏林 GTC 大会上,大众商用车(Volkswagen Commercial Vehicles)展示了其搭载 Hyperion 的自动驾驶 ID. Buzz AD 车辆平台,以支持多种自动驾驶系统。Hyperion 提供统一的计算与传感器架构,旨在简化集成与验证,帮助开发商和出行运营商将 robotaxi 和商业运输服务推向市场。

沃尔沃汽车(Volvo Cars)将其业界领先的车辆安全系统和工程专业知识与 Hyperion、Halos OS 和 Alpamayo Stack 相结合,让未来的沃尔沃汽车能够安全地从门到门地应对复杂的真实世界环境。

梅赛德斯-奔驰(Mercedes-Benz)正在扩展与 NVIDIA 在 Hyperion 和 Alpamayo Stack 上的合作,以支持该汽车制造商 L3 和 L4 能力的开发。该公司还宣布,与 NVIDIA 合作开发的 MB.DRIVE ASSIST PRO 即将在德国获得城市点对点城市驾驶辅助的批准,帮助驾驶员在复杂的城市交通中完成旅程。

除了乘用车和 robotaxi 之外,Einride 正在 Hyperion 上构建其下一代 Einride Driver,用于自动驾驶货运卡车,使用 Halos、Alpamayo 和 NVIDIA Cosmos™ 开放世界模型来开发和验证其驾驶系统;与此同时,TIER IV 和慕尼黑工业大学计划集成 Hyperion,以开发和验证德国自动驾驶公共交通系统。

NVIDIA 的技术与制造合作伙伴也在帮助扩展自动驾驶生态系统,Aptiv、Valeo 和 Schaeffler 正在构建基于 Hyperion 的计算平台,供汽车制造商集成,用于 L4 自动驾驶汽车和 robotaxi。

借助 NVIDIA Halos 扩展安全自动驾驶
Halos 为 NVIDIA 的自动驾驶平台提供安全基础,将 AI 计算、安全软件和验证整合在一起,覆盖从开发到部署的全过程。

为了让开发者能够以可重复的方式评估驾驶行为和仿真精度,NVIDIA 今天推出了 Halos SAFE —— 安全保证评估框架(Safety Assurance Framework for Evaluation),dSPACE、IVEX 和 TÜV Rheinland 正在协作制定评估工作流程。Halos SAFE 通过定义的场景、测试和可衡量的性能指标,将仿真、软件与硬件在环评估、道路测试和车队监控连接起来,生成可追溯的安全证据以支持部署。

Halos SAFE 生态还包括 JLR、梅赛德斯-奔驰、沃尔沃汽车、51Sim、aiMotive、AVL、Deepen AI、Foretellix 和 Synopsys。

加速自动驾驶开发
开发自动驾驶汽车意味着教会 AI 应对真实世界驾驶的多样性,然后将这种智能引入车辆。NVIDIA 最新的模型、工具和蓝图帮助开发者准备驾驶数据、改进模型并评估性能:

  • Alpamayo 2 Edge 是一款基于 NVIDIA Cosmos 3 Edge 的 NVIDIA Nemotron™ 基础构建的 20 亿参数推理模型,针对 NVIDIA DRIVE AGX Thor™ 平台进行了优化,设计以 10Hz 运行,用于车载场景理解和运动规划。
  • AlpaJudge 是一款经人工校准的评估与奖励模型,可为驾驶解释打分,以评估推理质量、过滤低质量标注并减少对训练数据的人工审查。
  • Foundation4D 无需激光雷达输入即可为多摄像头视频添加标注,支持感知模型训练和 NVIDIA Omniverse™ NuRec 场景重建。
  • 全新 Cosmos 3 Nano 模型变体通过在多种驾驶场景下同步生成多视角、多摄像头和激光雷达数据,扩展了自动驾驶的合成数据生成和闭环仿真能力。
  • Cosmos Data Factory 的 AV 数据集生成蓝图可将驾驶视频和车辆信号转化为经过整理、可搜索的标注数据,并利用合成数据扩展场景覆盖范围。
  • Alpamayo Agentic Factory 是一个预计将于 2027 年初推出的开放蓝图,利用 AI 智能体连接数据准备、模型后训练和仿真评估,减少集成工作。
  • 面向 Alpamayo 1.5 和 NuRec Harmonizer 的 NVIDIA NIM™ 微服务将这两个模型以优化的推理容器形式提供,为自动驾驶推理和场景协调提供了简化的部署路径。

Uber 和 NVIDIA 正在开发一个由 Cosmos 驱动的数据工厂,用于为自动驾驶开发整理和处理数据。这项工作是更广泛合作关系的一部分,涵盖 AI 开发基础设施、基于 Hyperion 的车辆以及 Uber 的全球打车网络。

保时捷正通过 Voxel51 主导在大众集团各品牌间开发数据飞轮工作流,在 Microsoft Azure 上使用 NVIDIA Cosmos Data Factory 和 Omniverse NuRec,将车队数据转化为用于评估自动驾驶模型的数据集和仿真。这预计可将重复的实车测试驾驶减少多达 90%,并将开发周期缩短多达 85%。

观看黄仁勋的 GTC 柏林主题演讲并 探索更多会议。

来源:NVIDIA Newsroom · nvidianews.nvidia.com