Shadowing Practice: Enhancing AV Simulation with Generative AI - DRIVE Labs Ep. 36 - Learn English Speaking with Video
Ders oluşturuluyor...
1
Simulation is critical to ensuring the safety of autonomous driving systems before real -world deployment.
2
However, creating realistic scenarios that accurately depict rare and potentially dangerous situations can be extremely labor -intensive,
3
especially when creating 3D assets and adding natural behavior.
4
In this episode of Dryer Labs, together we'll discuss three key advancements from NVIDIA that uses generative AI to create realistic environments,
5
generate natural driving behaviors, and edit the resulting scenarios to enable rigorous AV evaluation and training.
6
First, NVIDIA has developed Map LLM,
7
a large language model that generates realistic driving environments in the form of high -definition maps based on user input. For example,
8
it can use text from a crash report to generate multiple possible high -definition maps
9
that match the original description the generation of diverse driving environments
10
provides the first key components of general realistic av simulation the
11
road layout the second key capability is placing agents within these environments
12
and generating natural driving behaviors once the virtual world is constructed
13
we can use nvidia lctgen a language condition traffic generation model to populate vehicles pedestrians
14
and other agents exhibiting natural realistic behaviors lctgen is a transformer based language model
15
that interprets text descriptions of traffic scenarios it predicts where both
16
agents are likely to be as well as their motion through the environment all according to the given text prompt.
17
Again, using the example of a crash report,
18
LCTGen can place vehicles at their specified locations and generate the trajectories described in the report, as well as possible variations.
19
This is designed to help AV developers turn previously dormant data sources, such as text -based crash reports, into SIM -ready evaluation scenarios.
20
This not only increases data diversity,
21
but also enhances the training and testing of AVStacks in simulation to maintain safety across a wider variety of scenarios.
22
If we still need to fine -tune the scenario, we can use editing tools built on NVIDIA Omniverse,
23
which incorporates large language models to easily modify elements of the virtual world using simple language props.
24
In this example, the scenario editor can immediately change a daytime scene into a nighttime scene, adjust the weather from sunny to rainy,
25
or add agents to the scene.
26
This greatly expands the range of real -world operational design domains, or ODDs, that AVs are exposed to during training.
27
The responsiveness of these systems will be accelerated by the NVIDIA BlackWild GPU architecture,
28
taking advantage of its expanded inference and next -generation transformer engines designed for generative AI workloads.
29
When we combine the capabilities of MapLM for generating realistic environments,
30
LCTGen for populating those environments with naturalistic agents, and the LM Power Scenario Editors for customizing simulation in all the verse using text,
31
we can officially tap into Generative AI to create limitless ultra -realistic scenarios in new ways,
32
as well as rigorous AV evaluation and training that accurately mirrors the real world.
33
Stay tuned for these innovative capabilities to be integrated into NVIDIA Inference Microservices, or the NIMM roadmap.
📺 Aynı Kanal
✨ Video Öner
C13
75 cümleler
What AI can (and can't) currently do in a real lab | Jennifer Doudna
Daily ConversationUniversity StudentsWorking Adults
C11
108 cümleler
How I Learned Procedural Generation
Business EnglishUniversity StudentsWorking Adults
C21
46 cümleler
Bebop: Accelerating LLM RL Training via MTP
Daily ConversationUniversity StudentsWorking Adults
C13
188 cümleler
NVIDIA GTC 2025 - Keynote Highlights by NVIDIA CEO Jensen Huang
Business EnglishUniversity StudentsWorking Adults
C12
169 cümleler
What Is Jev? The AI Model That Doesn't Generate Text
Daily ConversationUniversity StudentsWorking Adults
C11
126 cümleler
Therapy for the Vibe-Coded Brain
Daily ConversationUniversity StudentsWorking Adults
C185 cümleler
We Can Now Simulate a Human Brain, Scientists Show
Daily ConversationUniversity StudentsWorking Adults
C11
183 cümleler
How F1 Cars Collect Data in Real Time
Daily ConversationWorking Adults
C13
54 cümleler
Did Google just kickstart the intelligence explosion?
American AccentBusiness EnglishDaily ConversationUniversity Students
B21
331 cümleler
Dear Higgsfield, I reverse engineered you in 12 hours
Daily ConversationUniversity StudentsWorking Adults
![How to friction-max your learning with software engineer Jessica Rose [Podcast #216]](https://img.youtube.com/vi/pxMUG3gcoik/mqdefault.jpg)
B21
730 cümleler
How to friction-max your learning with software engineer Jessica Rose [Podcast #216]
Daily ConversationUniversity StudentsWorking Adults
C11
315 cümleler
How Disruptive Will Generative AI Be? A Micro-Level Analysis of Evidence and Expectations
Daily ConversationUniversity StudentsWorking Adults
Bu dersin kelimeleri ve konuşma notları
Bu videoda gölgeleme çalışması için 33 cümle ve 500 kelime var. Konuşma bölümü 3:37 sürüyor. Konuşmacı dakikada yaklaşık 138 kelimelik dengeli bir hızla konuşuyor; gölgeleme için rahat bir tempo. Kelimelerin yalnızca %67’i İngilizcede en sık kullanılan 3.000 kelime arasında, bu yüzden kelime dağarcığı zorlayıcı.
Bu videodaki önemli kelimeler
Videodan öğrenmeye değer 15 kelime, telaffuzu ve anlamıyla:
| Kelime | Telaffuz | Anlam |
|---|---|---|
| scenario isim | /sɪˈnɛəɹioʊ/ | senaryo |
| realistic sıfat | /ˌɹɪəˈlɪs.tɪk/ | gerçekçi |
| simulation isim | /ˌsɪm.jəˈleɪ.ʃn̩/ | simülasyon |
| evaluation isim | /ɪˌvæljuˈeɪʃn̩/ | değerlendirme |
| virtual sıfat | /ˈvɜɹt͡ʃuəl/ | sanal |
| edit fiil | /ˈɛdɪt/ | değiştirmek |
| rigorous sıfat | /ˈɹɪɡəɹəs/ | dakik, dikkatli |
| mirror isim | /ˈmiɹɚ/ | ayna, gözgü |
| element isim | /ˈɛləmənt/ | öğe, eleman |
| architecture isim | /ˈɑː.kɪˌtɛk.t͡ʃə/ | mimarlık |
| component isim | /kəmˈpoʊ.nənt/ | parça, bileşen |
| diversity isim | /daɪˈvɜː(ɹ)sɪti/ | çeşitlilik |
| asset isim | /ˈæsɛt/ | varlık |
| developer isim | /dɪˈvɛləpɚ/ | geliştirici |
| verse isim | /ˈvɝs/ | ayet |
Dikkat edilecek telaffuzlar
- “sh” ve “zh” sesleri: simulation /ˌsɪm.jəˈleɪ.ʃn̩/, evaluation /ɪˌvæljuˈeɪʃn̩/, potentially /pəˈtɛnʃ(ə)li/, operational /ˌɑ.pəˈɹeɪ.ʃə.nəl/, variation /ˌvɛəɹiˈeɪʃn̩/
- Uzun kelimeler — vurguyu doğru yere koyun: evaluation /ɪˌvæljuˈeɪʃn̩/, capability /ˌkeɪ.pəˈbɪl.ɪ.ti/, accurately /ˈæk.jə.ɹɪt.li/, architecture /ˈɑː.kɪˌtɛk.t͡ʃə/, potentially /pəˈtɛnʃ(ə)li/
Bu videoyla nasıl çalışılır
- Videonun tamamını konuşmadan bir kez dinleyin ve bilmediğiniz kelimeleri not edin.
- Normal hızda cümle cümle tekrar edin; ritminiz konuşmacıyla aynı olana kadar her cümleyi yineleyin.
- Kendinizi kaydedin ve orijinaliyle karşılaştırın; scenario, realistic, simulation gibi kelimelere özellikle dikkat edin.
Gölgeleme Tekniği Nedir?
Gölgeleme, başlangıçta profesyonel tercüman eğitimi için geliştirilen ve çok dilli Dr. Alexander Arguelles tarafından popüler hale getirilen, bilim destekli bir dil öğrenme tekniğidir. Yöntem basit ama güçlüdür: ana dili İngilizce olan bir sesi dinler ve hemen yüksek sesle tekrar edersiniz — konuşmacıyı 1-2 saniye gecikmeyle takip eden bir gölge gibi. Pasif dinleme veya dilbilgisi alıştırmalarının aksine, gölgeleme beyninizi ve ağız kaslarınızı gerçek konuşma kalıplarını eşzamanlı olarak işlemeye ve yeniden üretmeye zorlar. Araştırmalar, telaffuz doğruluğu, tonlama, ritim, bağlı konuşma, dinleme anlama ve konuşma akıcılığını önemli ölçüde geliştirdiğini göstermektedir — bu da onu IELTS Konuşma hazırlığı ve gerçek dünya İngilizce iletişimi için en etkili yöntemlerden biri yapar.