要將一輛傳統汽車變成自動駕駛車，說真的，並不容易。NVIDIA 以打造感知、定位及規畫／控制軟體等不同的自動駕駛基本模組，還用上了高效能運算技術來解決這個問題。
我們除了藉助於 DRIVE Constellation 平台進行模擬測試，還在 NVIDIA 位於加州聖塔克拉拉的總部附近及全球多處的公路上，實際駕駛測試車進行道路測試，以求測試和驗證我們的 DRIVE AV 軟體。
車上有取得安全認證的駕駛員坐在方向盤後面，另有輔助駕駛員監控著整套系統，放手讓這輛自動駕駛測試車處理進出高速公路、切換車道和其它操作，在現實路況中測試軟體的不同元件項目。
借助全新人工智慧技術看見世界
深度神經網路（DNN）是自動駕駛車上感知建構模組的核心，這些演算法是根據人類大腦的運行方式進行設計，且通過經驗來進行學習的數學模型。
我們利用 DriveNet DNN，透過其中的豐富資料來理解車輛及行人等障礙物的存在，同時計算自動駕駛車到這些障礙物的距離；也利用 LaneNet DNN 來偵測車道資訊，加上使用一整套 DNN 來感知可以行駛的路徑。
WaitNet、LightNet 及 SignNet 這三種 DNN 分別用於偵測和分類需要等待的情況，比如十字路口、交通燈號及交通標誌。ClearSightNet DNN 也同時在後台運行，以評估攝影機拍攝到的影像是否清晰，或者是否被遮擋。
我們也針對物體追蹤等特定功能，使用了傳統的電腦視覺技術，以大幅提高運作效率。以深度神經網路為基礎及傳統電腦視覺這兩項功能，在多台環繞立體感知攝影機的輔助下，可讓自動駕駛車清楚掌握車身四周360度的路況資訊。
地圖與定位
定位功能是軟體中重要的組成部分，它讓自動駕駛車能精準明白自己在道路上所處的位置。取得高解析度地圖的資訊、預計行駛路線資訊與即時定位結果，自動駕駛車就能規畫從出發地到目的地的合理路線。
繪製好的車道規畫內容，為自動駕駛車提供了所需的道路資訊，像是車輛何時該行駛在原有車道、何時切換車道，還有何時處理車道岔開／他車鑽車縫／車道縮減等情況，這些車道規畫模式的內容會發送通知到規畫及控制軟體中以供執行。
定位資訊還能用來計算關鍵資訊，比如計算預計到達目的地的時間（ETA），還有按照建立好的車道規畫內容即時追蹤車輛位置。
實際上路
規畫與控制層利用感知及定位功能輸入的資料，使得自動駕駛車能夠獨立行駛。而規畫軟體運用感知和定位的結果，判斷汽車完成特定操作所需的實際軌跡。
舉例來說，在上面影片中所演示的自動切換車道操作中，規畫軟體先利用車身四周的環繞攝影機和雷達感知功能來檢查切換車道是否安全，以確保可以執行預定的操作內容。
接著規畫軟體會計算縱向速度曲線，還有從當前車道的中央移動到目標車道中央所需的橫向路徑計畫。控制軟體發出加速／減速及左／右轉向的命令，以執行切換車道的規畫內容。
高效能又有著出色節能表現的 NVIDIA DRIVE AGX 平台，是在背後運行這些元件的引擎。NVIDIA DRIVE AGX 可以即時同步運行有著豐富功能的360度環繞感知、定位，以及規畫和控制軟體。
這些組成部分共同創造出多樣性和備援能力，以實現安全的自動駕駛。
如需更多於我們所發展出的軟體功能資訊，敬請觀看我們 DRIVE Labs 系列的其它影片。