131 1300 0010
本篇文章將以工程為重點，探討自動駕駛汽車所面臨的各項挑戰以及NVIDIA DRIVE自動駕駛汽車軟件團隊如何應對這些挑戰。
限速標志識別看似是一項簡單的任務，但在遇到不同車道具有不同限速的情況（例如高速公路出口）或者在一個陌生的國家駕駛時，這項任務可能會變得復雜。
如今，限速標志的細致程度遠勝于以前。例如，學校區域的限速標志只在一天中的特定時段有效。
有些限速要求通過電子可變信息標志顯示，這種標志能夠顯示適用于特定車道的限速、在特定條件下的限速或在不同條件下的不同限速。
有些標志（例如德國的“高速公路入口”標志）包含隱含的限速信息，因此駕駛者需要根據當地的基本規則和法規來理解限速，而不僅僅是單純地閱讀明確顯示的限速數字。
此外，外觀相似或相同的限速標志以及標志和補充文字在語義上可能會有許多變化，這些變化會調整甚至改變語義。
傳統速度輔助系統所面臨的挑戰
面對如此復雜的情況，自動駕駛汽車中的速度輔助系統（SAS，speed assist system）必須能夠在各種不同的駕駛環境中準確檢測和理解標志。在高級駕駛輔助系統中，SAS的功能對于正確告知乃至糾正人類駕駛員至關重要。
在自動駕駛應用中，SAS功能可以為規劃和控制軟件提供關鍵信息輸入，保證汽車以合法、安全的速度行駛。
傳統的SAS高度依賴于導航地圖或高清地圖，其包含了附近標志的詳細信息及語義。
但由于地圖精度限制以及在該地圖上進行定位時可能具有的精度限制，傳統方法可能會導致在經過標志后才檢測到標志的存在，從而使汽車在檢測到標志之前可能以違規的速度行駛。
此外，地圖可能已經過時或者無法正確地將不同的標志與它們所對應的車道相聯系。
SAS上線
與傳統方法相比，NVIDIA DRIVE SAS通過各種能夠檢測和理解隱性、顯性與可變信息標志的深度神經網絡（DNN）充分發揮AI實時感知的力量。
具體而言，NVIDIA WaitNet深度神經網絡負責檢測標志，SignNet深度神經網絡負責對標志進行分類，PathNet深度神經網絡負責提供路徑感知信息。
因此，理解限速標志和確定該標志與道路上不同車道的相關性（這一過程被稱為標志-路徑關聯性）所需的所有信號均來自現場感知，無需事先從地圖中獲取信息。
這種方法的另一個優點是靈活性。例如，如果某個地區或國家的隱性限速標志發生了變化，我們的SAS只需要通過改變底層的標志-路徑關聯邏輯就可以進行應對。
如果系統依賴于帶注釋的地圖，則需要在地圖中的每個地方重新注釋新規則才能執行正確的更新。
為了進一步提高穩定性，NVIDIA的實時感知SAS所提供的速度標志信息和標志-路徑相關性信息可以與地圖信息融合。通過將多樣化的信息輸入進行融合，可以使SAS覆蓋更多的現實世界情景。
