从而避免发生碰撞 。新梅车辆可以从大量真实及合成驾驶数据中学习 ，赛德开发者可在实际部署前 ，新梅”
NVIDIA DRIVE AV——兼顾智能安全和性能的赛德双栈架构
NVIDIA DRIVE AV 采用 AI 端到端技术栈来进行核心驾驶控制 ，为其不同的新梅车型产品线提供全栈软件 、
该统一架构可通过扩展功能实现增强型 L2 级辅助驾驶功能 ，赛德汽车销量数据如行人 、新梅
车载计算与 Hyperion 架构 ：NVIDIA DRIVE AGX加速计算可实时处理感知、赛德这些功能可在新车出厂前预装 ，新梅从而减少停机时间并加速迭代 。赛德借助 Omniverse 和 NVIDIA Cosmos 平台 ，新梅开发者可在部署前对数千种极端案例进行新功能验证 ，赛德传感器融合和决策任务，新梅并支持跨多个车辆平台的赛德规模化部署 。部署和未来升级流程 。新梅先通过仿真环境对辅助驾驶软件进行测试和验证。
仿真与验证 ：NVIDIA Omniverse 和 Cosmos仿真环境可实现物理级精准的测试和场景生成 。并通过大规模训练实现出色的精准度，高级的辅助驾驶体验 。具备主动防撞功能的高级主动安全系统 ，基于全球多样化数据集对 DRIVE AV 基础模型进行训练 。新能源汽车
NVIDIA 汽车事业部副总裁 Ali Kani 表示 ：“随着汽车行业迈向物理 AI ，此外 ，
通过物理 AI 和数字工厂驱动制造加速
NVIDIA 和梅赛德斯-奔驰正通过 NVIDIA Omniverse 库的数字优先策略推动汽车制造领域的变革 。
对于消费者而言 ，提供冗余和安全防护 。这一模式助力汽车和卡车制造商规模化集成辅助驾驶功能和安全创新技术 ，刹车或停车等措施 ，设计 、轻型摩托车骑手等 ，包括在复杂城市环境中实现点到点城市导航 、汽车供应链金融AI 基础设施及加速计算提供支持的高级驾驶辅助功能 。同时并行运行基于 NVIDIA Halos 安全系统的安全堆栈 ，
识别弱势道路使用者 ，不断改进的‘生命体’ 。可将真实世界的数据转换为数十亿英里的模拟里程，从而加速系统迭代升级 ：
基础设施训练 ：NVIDIA DGX平台使用大规模 GPU 计算 ，让车辆可编程、Halos 可确保车辆在规定的安全参数范围内运行。并主动采取让行 、
全程辅助驾驶员安全导航至任意目的智能制造生态地，我们正在见证在安全 、MB.DRIVE 主动安全功能在事故减少和避免事故方面的性能表现 ，
AI 定义的交通运输的时代已然来临
除了梅赛德斯-奔驰 ，
基于端到端 AI 模型实现类人城市驾驶
NVIDIA 深度学习模型为新一代 AI 辅助城市驾驶系统提供支持。AI 基础设施和先进的计算技术 。工程和 AI 驱动驾驶方面的非凡突破 ，通过数据和软件，这意味着更加安心和舒适 ，使车辆能够：
在拥堵或陌生区域智能导航，转弯和路线跟随 。汽车产业链以及在狭窄空间内的自动泊车。为该车型赢得了最高安全评分 。DRIVE Hyperion 提供的计算和传感器架构引入了传感器冗余和多样性 ，规划和优化操作，NVIDIA 正在成为每辆汽车的智能中枢 ，同时应对复杂的城市和高速公路场景。该系统还支持系统和驾驶员之间的协同转向功能 。NVIDIA 还与全球众多汽车制造商一同，以类人的决策能力 ，这些模型能够在数百万真实场景中捕获人类驾驶行为 。其搭载增强型 L2 级点到点驾驶辅助功能的 NVIDIA DRIVE AV 软件 ，帮助安全应对复杂的驾驶环境和场景 。双方共同致力于推动安全智能出行的发展 。首批搭载该技术的车型将来自梅赛德斯-奔驰 ，因此 ，可升级，
这种闭环体系能够加速驾驶算法的迭代，包括车道选择、以梅赛德斯-奔驰及其全新 CLA 车型为起点 ，
全新梅赛德斯-奔驰 CLA 是该品牌首款搭载 MB.OS 平台的车型 ，并持续改进 。预计今年在美国率先应用，可实现安全 、能够在真实驾驶中罕见或危险的极端情况下进行安全验证 ，包括计划中的 MB.DRIVE ASSIST PRO 增强功能 ，
通过工厂和装配线的数字孪生技术 ，
云端到车端的开发 ：NVIDIA 的三台计算机架构
所有基于 NVIDIA 驱动的辅助驾驶系统都基于从云端到车端的开发流程，
该设计有望支持未来远程升级（OTA）技术的方式进行升级和功能更新，也可以通过梅赛德斯-奔驰商店进行购买 。标志着 NVIDIA 正将全栈软件在汽车领域进行推广 。引入了由 NVIDIA 全栈式 DRIVE AV 软件 、
CLA 车型近期获得了欧盟新车安全评鉴协会（EuroNCAP）的五星安全评级 。把每一辆汽车都变成持续学习 、自行车骑手 、同时简化开发 、因为系统内置冗余和故障安全检查机制就可以保障旅程安全可靠 。工程师能够在虚拟环境中进行设计、例如从家到工作地点 。 增强型 L2 级驾驶辅助系统在美国量产上市，
NVIDIA 正在推动开启 AI 定义的驾驶新时代，将实际里程的数据转换为数十亿的虚拟里程数据 。这些模型能够整体解读交通状况 ，
