
Japanese: 
今回の DRIVE ラボは特別編として
自動運転の試験走行に同行し
NVIDIA が開発中のソフトウェアと
自動運転を可能にする仕組みを紹介します
運転は Dennis、私は助手席です
では出発します
今は一般道ですが高速道路に入ったら
自動運転に切り替えます
その前に、車内で既に動作している
認識機能を紹介したいと思います
認識機能とは基本的に「見る」能力です
センサーの生データを取り込み
目の前の光景をセマンティックに理解します
フロント カメラの映像を見てみましょう
DriveNet DNN が周囲の障害物を検出し
バウンディング ボックスで示しています
WaitNet DNN は黄色のボックスで
交差点全体を認識し
信号機と交通標識も検出しています
LightＮet DNN は信号の状態を
正しく「赤」と分類しています
SignNet DNN は標識を判別しています

Chinese: 
今天，我们在NVIDIA自动驾驶实验室特别版中
将带你体验真正的自动驾驶，展示我们正在构建的软件
这些软件会在车辆上一起运行，让车辆能够实现自动驾驶
我们的驾驶员是 Dennis
我是你们的副驾驶
我们出发吧！
现在我们已经在路上行驶了
等到高速公路时我们就开启自动驾驶模式
但在此之前
我想先向你们介绍一下我们已经投入使用的感知功能
简单来说，感知就是让自动驾驶车辆能够看到路况的功能
我们接收原始传感器数据
并将其转换为对当下世界以及我们所处驾驶场景的语义理解
我们先来看看前置摄像头的情况
DriveNet负责检测障碍物
也就是你们看到的车辆四周的边框
WaitNet 负责检测交叉路口
也就是物体周围的黄色框
此外，WaitNet还会检测交通信号灯和交通标志
然后LightNet将信号灯准确分类为红灯
我们还使用SignNet对交通标志进行分类

English: 
Today, in a special edition of DRIVE Labs,
we're taking you on an autonomous drive and
we're going to show you the pieces of software
we're building, running together, in the car,
enabling the vehicle to drive itself.
Our pilot is Dennis.
I'm your copilot.
Let's go.
We are now on the road and we'll be engaging
autonomy once we get on the highway, but before
we do that, I want to show you our perception
functionality already in action in the car.
Perception is basically what enables the car
to see.
We take in raw sensor data and translate it
into semantic understanding of the world,
of the scene that we're in.
So take a look at that happening on our front
camera.
We have DriveNet detecting obstacles, the
bounding boxes around the cars.
We have WaitNet detecting the intersection,
the yellow box around everything.
WaitNet also detecting traffic lights and
traffic signs and LightNet is classifying
traffic lights state correctly as red.
We also have signed classification going on
using SignNet.

English: 
At the same time, DriveNet is detecting pedestrians
in the cyan bounding boxes on the far side
of the intersection.
We also have OpenRoadNet tracing out the free
space around obstacles on the scene.
And on top of that, we have our object tracking
from frame to frame.
You see the track IDs on the top of each bounding
box.
We also have our camera-based DNN, distance
estimation running, so you see the distance
in meters displayed at the bottom of each
box.
ClearSightNet is also running in the background,
assessing whether and how well the cameras
can see in our four cameras surround perception
set up, on our embedded AGX platform.
All of this rich perception functionality
is what our planning and control software
are going to use to execute the autonomous
driving maneuvers that you're about to see.
We're now getting onto the highway on-ramp
and entering the coverage area of the high
definition map that we're going to use today
for the car to create a route plan that we're
going to follow.

Chinese: 
与此同时，DriveNet正在检测交叉路口更远那一侧的行人
并以青色边框标记
OpenRoadNet会检测场景中障碍物周围的自由空间
除此之外，我们还会逐帧进行目标追踪
你可以在每个边框的顶部看到追踪ID
基于摄像头的深度神经网络 (DNN) 用于估算距离
所以你可以看到距离以米为单位显示在每个边框的底部
同样在后台运行的还有ClearSightNet
它会评估四个摄像头环绕感知配置能否看见周围环境以及视觉效果如何
它也运行在我们的嵌入式AGX平台上
以上这些丰富的感知功能都会在我们的规划控制软件上使用
用于执行接下来你将会看到的自动驾驶操作
现在我们要驶入匝道进入高速公路
这里也是高清地图的覆盖区域
今天，我们要用这份地图制定一个路线计划并让汽车按此行进

Japanese: 
DriveNet は交差点奥にいる歩行者も
水色のボックスで検出しています
OpenRoadNet DNN は障害物の周囲の
フリー スペースを把握します
さらに、オブジェクトは毎フレーム追跡され
各ボックス上部に ID が振られます
DNNがカメラの画像からオブジェクトまでの距離を推定し
各ボックスの下に表示しています
バックグラウンドで動く ClearSightNet は
組み込みの AGX プラットフォームでの
カメラ 4 台による周辺認識の視界が
どの程度良好かをモニターします
充実した認識機能で集めた情報を
プランニング・制御ソフトウェアで処理することで
これからお見せする自動運転が実現します
高速道路に入りました
ここからは HD マップの提供エリアです
ルート プランの作成はこのマップを基に行われます

Japanese: 
自動運転車は基本的に地図上で自己位置を把握し
走路を計画して、レーンを維持または変更したり
高速道路を下りたりするべきときには教えてくれます
それではいよいよ Dennis の手動運転から
自動運転モードへと
切り替えていきたいと思います
画面右上を見てください
ACC は「オート クルーズ コントロール」
LK は「レーン キープ」です
両方がオフのときは Dennis が運転中で
オンになれば自動運転に移行します
それでは見ていてください
LK がオンになりました
ACC もオンになり
自動運転に切り替わりました
安全上の理由からハンドル近くに手を添えていますが、
自動運転中です
現在はレーンを維持して走行していますが
どう処理しているのでしょうか
太い緑色の中心進路が表示されています

Chinese: 
简单来说，汽车会在地图上找到自己的位置并制定车道行驶计划
该计划会告诉我们何时需要留在当前车道
何时需要变道以保持当前路线
以及何时需要驶入高速公路立交桥
接下来，我们要从人工驾驶模式切换为自动驾驶模式
也就是说开车的不再是 Dennis 而是汽车本身在自行前进
现在我们看屏幕的右上角
能够看到自动巡航控制 (ACC) 和车道保持 (LK) 标志
如果这两个标志呈现关闭的状态，就说明是Dennis在驾驶
而当它们呈现打开状态时，就是汽车在进行自动驾驶
好的，现在我们看到屏幕上车道保持已经打开
自动巡航控制也已经打开
现在汽车完全处于自动驾驶状态
Dennis的双手已经离开方向盘
但出于安全考虑并未离得太远，汽车正式开始自动驾驶模式
好的，现在汽车完全处在自动驾驶模式了
汽车保持在当前车道
我们来看看这是如何实现的
大家可以看到这条绿色的粗线，它代表车道的中心路径

English: 
Basically, the car will localize itself onto
the map and create a lane plan that tells
us when it needs to stay in the lane, when
it needs to take a lane change to stay on
the route, and when it needs to take a highway
interchange.
The second thing that's about to happen is
that we're going to transition out of human-driven
mode, driven by Dennis, into autonomous machine
driving mode, where the car is going to drive
us.
So taking a look at the top right of our screen,
we see automatic cruise control, ACC, and
Lane Keep, LK.
When they're both off, Dennis is driving.
When they come on, the car will be driving
us.
So here we go.
Taking a look at the screen Lane Keep is now
on.
ACC is now on.
We're driving fully autonomously.
Dennis, his hands are off the wheel but staying
close for safety reasons and we are officially
starting our autonomous drive.
Okay.
We are now in full autonomy.
The car is keeping us in the lane.
Let's take a look at how that is happening.
That thick green center path that you see.

English: 
That is the Path Perception Ensemble, DRIVE
Labs episode one and it is computing, not
just the center path and the edges of our
lane but also the center path and edges of
the left adjacent lane and the right adjacent
lanes.
And we visualize that with different colors.
So green is our Ego lane, left adjacent is
red and right adjacent is blue.
Next, we need to determine which of the obstacles
belong in which of these different lanes.
The way that we do that, we have the bounding
box detections from DriveNet.
We have free space boundary detections from
OpenRoadNet.
Where those two meets is what is called the
object fence and that fence is off where that
object is in space.
We combined this object fence information
with lane geometry information from Path Perception
Ensemble and this now enables us to do obstacle-to-lane
assignment.
The car fence takes on the color of it's assigned
lane.

Chinese: 
这就是NVIDIA自动驾驶实验室第一期中提到的路径感知集成
它正在进行计算，不仅计算我们所处车道的中心路径和边缘
还在计算左右两侧相邻车道的中心路径和边缘
我们使用不同颜色将计算结果可视化
当前我们所处的行驶车道为绿色
左右两侧相邻车道分别为红色和蓝色
接下来，我们需要判定各个障碍物分别位于哪一条车道
要做到这一点，我们可以利用DriveNet的边界框
和OpenRoadNet的自由空间边界检测功能
两者交界处称为目标围栏
目标出现时，围栏便会关闭
我们将这种目标围栏信息与路径感知集成提供的车道几何信息相结合
由此便可判定障碍物与车道的归类
汽车目标围栏会与所属车道同色

Japanese: 
これが「進路認識アンサンブル」で処理された結果です
自レーンの中心とその境界だけでなく
左右のレーンの中心と境界も識別しています
色で視覚化してみましょう
自レーンは緑、左レーンは赤
右レーンは青で区別されています
次に他の車両がどのレーン上にいるのかを
判断する必要があります
DriveNet のバウンディング ボックスで他の車両を検出し
OpenRoadNet でフリー スペースを識別します
この 2 つを組み合わせることで
「オブジェクト フェンス」という
スペースを移動する境界を形成します
オブジェクト フェンスの情報と
進路認識アンサンブルのレーン配置情報を組み合わせ
他の車両がどのレーン上にいるかを判断しています
フェンスには走行するレーンと同じ色が付けられます

English: 
We are now approaching our first maneuver,
first autonomous maneuver.
The car is letting us know that based on our
route plan, we need to take a lane change
to the right.
Here we go.
The car is performing a surround radar and
camera lane change safety check, and we are
now moving from Lane Keep mode into Speed
Adaptation in order to figure out the speed
profile to get into the next lane and into
Lane Change mode.
Moving from the center path of the current
lane into the center path of the target lane.
And we have now completed that lane change.
Okay.
We're now getting ready for our second set
of autonomous driving maneuvers.
Going straight into the highway interchange
onto 280.
Now, although we know this is coming up based
on localization to the HD map, we will not
be using any clues from the map to actually
navigate this maneuver.
We are handling this using Path Perception
Ensemble only.
Lane Handling mode on the screen is split
because this is a lane split interchange and

Japanese: 
ではここからは
別の自動走行技術をお見せしたいと思います
ルート プランに基づいて右のレーンに移動するようです
レーダーとカメラで
安全にレーン変更できるか確認します
「レーン維持」モードから
「スピード適応」モードに移行し
適切なスピードに調整しながら
「レーン変更」モードに移行しました
現在のレーンの中央から
目的のレーンの中央まで移動できました
問題なくレーン変更できましたね
それでは次の自動運転技術をお見せしましょう
ジャンクションで 280 号線に入ります
現在の走行は HD マップでの
自己位置特定に基づき処理されていますが
ジャンクションの走行には HD マップの情報は使わず
進路認識アンサンブルの機能のみで処理します
本線から分岐するため
画面のレーン処理モードが「分岐」となりました

Chinese: 
现在我们来进行第一次操作
也是汽车的第一次自动驾驶操作
汽车正显示，根据路线计划我们需要变换到右侧车道
让我们开始变道吧！
汽车正在执行环绕雷达和摄像头变道安全检查
我们现在从车道保持模式进入速度自适应模式
以便找出进入相邻车道的速度曲线，然后进入车道变更模式
我们正在从当前车道的中心路径移动到目标车道的中心路径
现在，我们已经完成了变道操作
好的，我们正在准备进行第二组自动驾驶操作
直接驶入高速公路立交桥，然后进入280号公路
虽然我们知道这个操作基于在高清地图上的定位
但我们不会使用地图提供的任何线索来引导这次操作
我们只会使用路径感知集成
屏幕上的车道处理模式正在分岔，因为这是一个车道分岔立交桥
现在我们面临的挑战是

Chinese: 
路径感知集成如何在曲率和坡度都很大的立交桥上保持可靠性
现在看一下路径感知集成
它还是绿色的，这说明它的可靠性很高
并且正在顺利通过这个又弯又陡又棘手的高速公路立交桥
现在我们来见证下一组自动驾驶操作
完成操作后，我们将驶入87号公路
首先，我们要再次变道，进入右侧车道
这样才能驶入正确的出口车道
然后再驶入一个车道分岔立交桥
紧跟着完成另一次时间紧迫的变道
让我们开始吧！首先是变道
我们可以看到车道处理模式切换为速度自适应模式
汽车正在寻找驶入相邻车道的横向路径
在汽车驶入目标车道的过程中
路径感知集成从红色变成绿色
这表明它确信自己找到了正确的车道
我们刚刚又完成了一次并道操作

Japanese: 
ジャンクション通過の肝となるのが
進路認識アンサンブルの精度の維持です
カーブが急で傾斜しているからです
自レーンは緑のまま表示されており
認識精度の高さが確認できます
カーブと傾斜のある複雑なジャンクションでも
正確に走行できています
これから 87 号線に入るポイントで
次の自動運転技術をお見せしたいと思います
まず正しい出口車線に入るために
右のレーンに移動する必要があります
次にジャンクションのレーン分岐を経て
速やかにもう一度レーン変更を行います
では最初のレーン変更です
「スピード適応」モードに切り替わり
隣レーンへと移る道筋を見つけます
目的のレーンに移ったところで
自レーンが赤から緑になります
確実にレーンを識別しています

English: 
now the challenge is going to be for Path
Perception Ensemble to maintain confidence
throughout this interchange because it has
both high curvature and high grade.
But take a look at Path Perception Ensemble.
It's still green, meaning it has high confidence,
that it's navigating this difficult curved
graded highway interchange correctly.
We are now coming up on our next set of autonomous
driving maneuvers to get onto highway 87.
The first thing that we're going to need to
do is another lane change to the right to
get into the correct exit lane, and then handle
another lane split highway interchange, followed
by another lane change under time pressure.
So here we go.
First lane change.
You see Lane Handling mode, go into Speed
Adaptation, finding the lateral path into
the next lane.
Ensemble going from red to green as it's landing
in the target lane.
Finding confidence that it's found the lane.
We have just handled another lane merge and
we are going to have a little bit of grade

Chinese: 
在接下来的道路上，坡度纵剖面会略有变化
就是这里，这就是为什么我们必须一直在车里开着校准功能的原因
我们可以看到车道处理模式切换为车道分岔模式
汽车必须从岔道口准确驶入右侧车道，以避免不小心驶出公路
现在，路径感知集成正在引导汽车通过另一个高曲率立交桥
我们可以看到，中心路径仍为绿色
我们现在要驶入右侧车道，进行第三次操作
这次变道时间很紧
为了避免错误地驶离计划路线
我们从右侧车道驶入相邻左侧车道的时间不多
开始变道！
汽车从车道保持模式切换为速度自适应模式，再切换为变道模式
然后驶入目标车道的中心，完成整套操作
接下来我们要完成剩下的自动驾驶路线，然后回到车库

Japanese: 
今ちょうど合流しました
この先あたりから道路の傾斜が少し変わるようです
継続的なキャリブレーションが必要な理由がわかりますね
レーン処理モードが「分岐」となりました
誤ってルートを外れないように
右分岐のレーンを正確に走行する必要があります
進路認識アンサンブルが
急カーブのジャンクションを誘導します
中心進路の緑色が維持されています
そしてここからが
時間的余裕のない状況でのレーン変更です
ここでは限られた時間で
左のレーンに移動しなければなりません
すぐにレーン変更しないと
予定ルートから外れてしまいます
モードが「レーン維持」から「スピード適応」
そして「レーン変更」に変わります
目的のレーンの中央に移動して
一連の動作が無事に終わりました
残りのルートも自動運転でガレージに戻りたいと思います

English: 
profile changes in the road coming up.
Right there, this is why it's important to
have calibration continuously running in the
car.
We see the Lane Handling mode move into Split
Mode.
The car needs to correctly take that lane
split to the right to not unintentionally
exit the route.
Path Perception Ensemble is now navigating
another high curvature interchange.
We see the center path staying green, and
we are now moving right into that third maneuver.
This is a lane change under time pressure.
We don't have a lot of time here to move from
the right lane into the next adjacent left
lane, in order to not incorrectly exit from
our planned route.
So here we go.
We're switching from Keep mode into Speed
Adaptation into Change mode and landing in
the center of the target lane to complete
that set of maneuvers.

English: 
And we are now going to complete the rest
of our autonomous route and head back to the
garage.
And we're back.
We hope you enjoyed our autonomous drive today
and enjoyed seeing how our software is enabling
the car to drive itself.
For any questions, reach out to us through
the comments section.
Check out our other DRIVE Labs videos, and
we'll see you next time.

Japanese: 
戻ってきました
今回は自動運転車で実際に走行しながら
それを実現する技術についてご紹介してきました
ご質問はコメント欄へお寄せください
それでは次回の DRIVE ラボ でお会いしましょう

Chinese: 
我们回来啦！
希望大家喜欢我们今天的自动驾驶之旅
在了解到我们的软件如何助力自动驾驶的同时也发现了乐趣
如果有任何问题，请在评论区向我们提问
欢迎观看NVIDIA自动驾驶实验室的其他视频
我们下期再见！
