توسعه‌دهندگان هوش مصنوعی از فناوری‌های NVIDIA برای تغییر تجربه‌های داخل خودرو استفاده می‌کنند

خودروهای آینده چیزی فراتر از وسایل حمل و نقل خواهند بود. آنها همراهان هوشمندی خواهند بود که به طور یکپارچه فناوری و راحتی را برای افزایش تجربه رانندگی ترکیب می کنند و برای ایمنی در داخل و خارج از خانه ساخته می شوند.

NVIDIA GTC که این هفته در مرکز کنوانسیون سن خوزه برگزار می‌شود، کار پیشگامانه‌ای را که NVIDIA و شرکای آن انجام می‌دهند برای آوردن قدرت تحول‌آفرین هوش مصنوعی مولد، مدل‌های زبان بزرگ و مدل‌های زبان بصری به بخش تحرک نشان می‌دهد.

NVIDIA در غرفه خود نشان خواهد داد که چگونه دستیارهای خودرو را برای بهبود ایمنی، امنیت و راحتی راننده از طریق افزایش درک، درک و قابلیت‌های مولد مبتنی بر یادگیری عمیق و مدل‌های متحول کننده می‌سازد.

گفتگو را انجام دهید

LLM ها، شکلی از هوش مصنوعی مولد، تا حد زیادی نمایانگر دسته ای از معماری های یادگیری عمیق هستند که به عنوان مدل های ترانسفورماتور شناخته می شوند، که شبکه های عصبی در یادگیری زمینه و معنا ماهر هستند.

مدل‌های زبان بینایی مشتق دیگری از هوش مصنوعی مولد هستند که قابلیت‌هایی را برای پردازش تصویر و درک زبان ارائه می‌کنند. بر خلاف LLM های سنتی یا چندوجهی که عمدتاً داده های مبتنی بر متن را پردازش و تولید می کنند، VLM ها می توانند متن را از طریق تصاویر یا فیلم ها تجزیه و تحلیل و تولید کنند.

و نسل‌های با بازیابی بهبودیافته دسترسی به دانش از پایگاه داده یا اینترنت خاص را برای کمک به رانندگان به تولیدکنندگان می‌دهند.

این فناوری‌ها با هم، NVIDIA Avatar Cloud Engine یا ACE و مدل‌های زبان چندوجهی را قادر می‌سازند تا با پلتفرم NVIDIA DRIVE کار کنند و به خودروسازان اجازه می‌دهد دستیارهای هوشمند خود را در خودرو توسعه دهند.

به عنوان مثال، یک پیکربندی آواتار به طراحان اجازه می‌دهد تا شخصیت‌های منحصربه‌فرد و الهام‌گرفته از برند را برای خودروهای خود بسازند که با صداهای سفارشی و نشانه‌های احساسی کامل می‌شوند. این آواتارهای متحرک با هوش مصنوعی می توانند در گفتگوی طبیعی شرکت کنند و کمک، توصیه ها و تعاملات شخصی را در زمان واقعی ارائه دهند.

علاوه بر این، تجسم فراگیر با هوش مصنوعی با استفاده از بازسازی دوربین 360 درجه ایمنی خودرو را بهبود می‌بخشد، در حالی که دستیار هوشمند از اطلاعات خارجی مانند قوانین رانندگی محلی برای اطلاع‌رسانی در تصمیم‌گیری استفاده می‌کند.

شخصی‌سازی شخصی‌سازی است که در آن دستیاران هوش مصنوعی عادات راننده و مسافر را یاد می‌گیرند و رفتار آنها را با نیازهای سرنشینان تطبیق می‌دهند.

هوش مصنوعی مولد برای بخش خودرو با قدرت کامل در GTC

چندین شریک NVIDIA در GTC همچنین آخرین پیشرفت‌های هوش مصنوعی مولد خود را با استفاده از فناوری لبه به ابر NVIDIA ارائه خواهند کرد:

• Cerences CaLLM یک LLM مخصوص خودرو است که به عنوان پایه و اساس پلتفرم محاسباتی درون خودروی نسل بعدی این شرکت است که بر روی NVIDIA DRIVE اجرا می شود. این پلتفرم که اواخر سال گذشته رونمایی شد، آینده تعامل درون خودرو است، با دستیار مخصوص خودرو و حرکت، تجربه یکپارچه داخل کابین را ارائه می‌کند. Cerence با تیم های مهندسی NVIDIA کار می کند تا CaLLM را با مدل های بنیادی NVIDIA AI ادغام کند. از طریق تلاش های مشترک، Cerence از NVIDIA DGX Cloud به عنوان یک پلتفرم توسعه استفاده می کند، از نرده های محافظ برای بهبود عملکرد استفاده می کند و از NVIDIA AI Enterprise برای بهینه سازی استنتاج استفاده می کند. NVIDIA و Cerence به همکاری و پیشروی این راه حل با چندین OEM خودرو در سال جاری ادامه خواهند داد.
• موج دار به آغاز دوره جدید Embody AI برای استقلال کمک می کند، رویکرد نسل بعدی AV2.0 آنها دارای یک مدل پایه بزرگ Embody AI است که می آموزد با استفاده از هوش مصنوعی به طور خودکار رانندگی کند – از حس کردن به ورودی تا خروجی اقدامات رانندگی این استارت آپ بریتانیایی قبلاً از GAIA-1 خود، یک مدل جهانی مولد برای توسعه AV که بر روی NVIDIA اجرا می شود، رونمایی کرده است. در کنار LINGO-1، یک مفسر رانندگی حلقه بسته که از زبان طبیعی برای بهبود یادگیری و توضیح مدل‌های رانندگی هوش مصنوعی استفاده می‌کند.
• لی خودکار مدل شناختی چندوجهی خود، Mind GPT را در ماه ژوئن رونمایی کرد. این بر اساس NVIDIA TensorRT-LLM، یک کتابخانه منبع باز ساخته شده است و به عنوان پایه ای برای دستیار هوش مصنوعی Lixiang Tongxue سازنده خودروهای الکتریکی برای درک صحنه، تولید، حفظ دانش و استدلال عمل می کند. Li Auto در حال حاضر در حال توسعه DriveVLM برای افزایش قابلیت‌های رانندگی خودکار است و به سیستم اجازه می‌دهد سناریوهای پیچیده را درک کند، به‌ویژه آنهایی که خطوط لوله سنتی AV را به چالش می‌کشند، مانند جاده‌های بدون ساختار، اشیاء کمیاب و غیرمعمول، و رویدادهای ترافیکی غیرمنتظره. این مدل پیشرفته بر روی پردازنده های گرافیکی NVIDIA آموزش دیده است و از TensorRT-LLM و NVIDIA Triton Inference Server برای تولید داده در مرکز داده استفاده می کند. با استنباط بهینه شده توسط NVIDIA DRIVE و TensorRT-LLM، DriveVLM ها به طور موثر در سیستم های تعبیه شده عمل می کنند.
• NIO NOMI GPT خود را راه اندازی کرد که تعدادی از تجربیات کاربردی از جمله پرسش و پاسخ دایره المعارف NOMI، استاد جو کابین و دستیار خودرو را ارائه می دهد. NOMI GPT با قابلیت‌های LLM و یک پلتفرم محاسباتی کارآمد با پشته‌های هوش مصنوعی NVIDIA، قادر به تشخیص گفتار و توابع اجرای دستورات اولیه است و می‌تواند از یادگیری عمیق برای درک و پردازش جملات و دستورالعمل‌های پیچیده‌تر در ماشین استفاده کند.
• جیلی با NVIDIA همکاری می کند تا تجربیات کابین هوشمند را همراه با استقرار سریع لبه به ابر ارائه دهد. به طور خاص، Geely از فناوری مولد AI و LLM برای ارائه تجربیات رانندگی هوشمندتر، شخصی‌شده و ایمن‌تر، با استفاده از پردازش زبان طبیعی، سیستم‌های گفتگو و تجزیه و تحلیل پیش‌بینی‌کننده برای ناوبری هوشمند و دستیارهای صوتی استفاده می‌کند. هنگام استقرار LLM ها در تولید، جیلی از NVIDIA TensorRT-LLM برای دستیابی به استنتاج بسیار کارآمد استفاده می کند. برای کارهای پیچیده‌تر یا سناریوهایی که نیاز به پشتیبانی گسترده داده دارند، جیلی قصد دارد مدل‌های مقیاس بزرگ را در فضای ابری مستقر کند.
• وابی در حال ساخت هوش مصنوعی برای خودرانی است و از قابلیت‌های هوش مصنوعی مولد NVIDIA DRIVE Thor برای راه‌حل‌های پیشگامانه کامیون‌های خودمختار خود استفاده می‌کند و استقلال ایمن و قابل اعتماد را به صنعت حمل‌ونقل ارائه می‌کند.
• لنوو یک موتور شتاب دهنده هوش مصنوعی جدید به نام UltraBoost رونمایی می کند که روی NVIDIA DRIVE اجرا می شود و دارای یک موتور مدل AI و زنجیره ابزار کامپایلر هوش مصنوعی برای تسهیل استقرار LLM در وسایل نقلیه است.
• SoundHound AI از NVIDIA برای اجرای رابط صوتی درون خودروی خود استفاده می‌کند – که هم قابلیت‌های هوش مصنوعی در زمان واقعی و هم قابلیت‌های مولد هوش مصنوعی را ترکیب می‌کند – حتی زمانی که وسیله نقلیه فاقد اتصال ابری است. این راه‌حل همچنین به رانندگان امکان دسترسی به محصول هوشمند خودرو SoundHound را می‌دهد، که تنظیمات، عیب‌یابی و سایر اطلاعات را مستقیماً از دفترچه راهنمای خودرو و سایر منابع داده از طریق گفتار طبیعی و نه از طریق یک سند فیزیکی ارائه می‌دهد.
• خدمات مشاوره تاتا (بخشی از گروه TATA)، از طریق فناوری مبتنی بر هوش مصنوعی و نوآوری فنی، مجموعه Automotive GenAI خود را با پردازنده های گرافیکی و چارچوب های نرم افزاری NVIDIA ساخته است. طراحی، توسعه و اعتبار سنجی وسایل نقلیه نرم افزاری تعریف شده را تسریع می بخشد و از LLM ها و VLM های مختلف برای سیستم های درون خودرو و سیستم های ابری استفاده می کند.
• مدیاتک چهار سیستم خودرو روی یک تراشه را در مجموعه Dimensity Auto Cockpit خود اعلام می کند، که تجربیات قدرتمندی با هوش مصنوعی در داخل کابین را برای نسل بعدی وسایل نقلیه هوشمند، از سطح بالاتر تا سطح پایه، ارائه می دهد. برای پشتیبانی از قابلیت‌های یادگیری عمیق، چیپست‌های Dimensity Auto Cockpit از محاسبات هوش مصنوعی با پردازنده گرافیکی شتاب‌دهنده نسل بعدی انویدیا و گرافیک‌های مجهز به NVIDIA RTX برای اجرای LLM‌های داخل خودرو، ادغام می‌کنند، و وسایل نقلیه را قادر می‌سازد از چت‌بات‌ها پشتیبانی کنند، محتوای غنی را به نمایشگرهای متعدد و تشخیص هوشیاری راننده ارائه دهند. و سایر برنامه های ایمنی و سرگرمی مبتنی بر هوش مصنوعی.

در هفته GTC، بسیاری از صحبت‌های خودرو درباره هوش مصنوعی و LLMهای مولد را بررسی کنید.

امروز ثبت نام کنید تا شخصاً در GTC شرکت کنید، یا به صورت مجازی تماشا کنید و کشف کنید که چگونه هوش مصنوعی مولد حمل و نقل را ایمن تر، هوشمندتر و سرگرم کننده تر می کند.