GTC25|3月18日智能驾驶分论坛

智能汽车技术开发精选会议精彩看点

会议主题：NVIDIA 全面赋能端到端自动驾驶 

会议代码：S74412

会议时间：3 月 18 日 09:30 - 10:10

演讲介绍：

我们将从以下四个部分介绍 NVIDIA 如何赋能端到端自动驾驶：世界模型、神经重建引擎（NRE）、模型的训练加速和自动驾驶端侧优化部署。世界模型部分将介绍其起源，自动驾驶中世界模型的应用场景以及 NVIDIA Cosmos 这一前沿的世界模型；第二，我们将介绍为什么需要NRE，并从完善可用的传感器建模、为相机和 LiDAR 渲染新视角传感器帧等方面介绍神经重建引擎；第三，我们将从视频、图像训练 Pipeline、Core Lib 和损失计算加速介绍模型在数据中心的训练加速；最后针对自动驾驶的端侧优化，我们将探讨针对 Thor 的模型优化，以及模型部署的优化内容。

会议主题：VLA：迈向自动驾驶物理智能体的关键一步

会议代码：S72557

会议时间：3 月 18 日 10:30 - 11:10

演讲介绍：

在 GTC2024 大会上，我们介绍了 DriveVLM-Dual，一种快-慢思考混合的自动驾驶系统，可协同发挥端到端（传感器数据输入、轨迹输出）模型和视觉语言模型（VLM）的优势。两个模型均基于大量人类驾驶数据进行训练，并展现出符合数据量扩展定律（data scaling law）的特性，系统在真实驾驶环境中的表现随训练数据量的增加而提升。双系统被部署在双 NVIDIA DRIVE AGX 车载平台上，并已经大规模交付给终端客户，覆盖超过 40 万辆汽车。今天，我们将介绍理想 VLA（视觉-语言-行动）模型。理想 VLA 模型将快慢系统结合为一个单一大模型并赋予该模型自主决定何时采用慢思维的能力。它实现了空间感知与理解、开放世界知识、语言推理和行动策略的统一并进行联合训练和优化。此模型已经部署在下一代单 NVIDIA DRIVE AGX 的车载平台上，展现出了诸多令人兴奋的特性和能力。这套系统可以被视为一个物理世界智能体的雏形，通过语言自然地与用户互动，执行复杂、开放世界的驾驶任务。这一进步不仅标志着技术上的飞跃，也预示着一种全新、前所未有的自动驾驶产品形态的出现。

会议主题：从智能驾驶到 AGI：下一代自动驾驶技术的演进

会议代码：S74501

会议时间：3 月 18 日 11:30 - 12:10

演讲介绍：

传统自动驾驶系统对复杂环境的理解和决策能力有限，元戎启行研发的 VLA 模型（Vision-Language-Action）通过融合视觉、语言理解与行动，并借助 Chain of Thought 思维链更显性地逐步解释其逻辑推理过程，显著提升了对长时序场景的精准理解和判断能力，从而让自动驾驶系统在复杂且动态变化的道路环境中，做出更加透明、更具可解释性且值得被消费者信赖的决策。展望未来，VLA 模型不仅将在智能驾驶领域持续创新，还将扩展到更广泛的物理 AI 应用，推动行业迈向更自主、智能的 AGI 时代。

会议主题：端到端全场景智能驾驶

会议代码：S74366

会议时间：3 月 18 日 14:00 - 14:40

演讲介绍：

汽车是具身智能的首个大规模载体，在载人帮助用户出行同时，也载着AI规模化进行着物理世界探索并数字化。小米智驾借助 SU7 在物理世界的探索，使用AI持续提升对物理世界建模的完整性和精准度。同时，基于 NVIDIA Triton 重构云端推理服务 pipeline，GPU 吞吐提升提升一倍以上，基于 NVIDIA DALI、CV-CUDA 等技术进行模型训练加速，小米持续迭代拓展智驾能力。自 SU7 量产交付后 9 个月内，完成了有图、无图、端到端三代技术升级。