当前位置:首页 > 企业新闻
无人驾驶、深度学习、人工智能与社会……Mobileye的CTO在CVPR上的演讲还说了些啥?|亚博APP买球首选
时间:2021-06-07 来源:亚博APP买球 浏览量 99012 次
本文摘要:的双曲馀弦值。

的双曲馀弦值。的双曲馀弦值。分别是传感技术(Sensing):传感器获得环境数据,超过计算设备,其中的环境模型要求车辆不道德,是目前定义最清晰和成熟期的领域。

地图绘制(Mapping):自动驾驶汽车必须制作非常准确的地图,便于应对道路状况。该领域的定义不如传感技术清晰。

司机战略/路线计划(Drivingpolicy):机器不是道路上唯一的个人。就像人类必须去教学所一样,机器也必须自学遵循交通规则、什么时候回头、什么时候停车等,训练和规定。

我们必须将这些翻译成技术信息,以便机器需要解释。这三个市场需求必须同时发展,作为一个整体来考虑。否则,就不会陷入过度的市场需求。

年轻的时候,我们有测量长子车辆和各种障碍物的距离的产品,可以防止碰撞。但是,当时的业界不相信他们能做到这一点,再次自己和顾客交流,顾客对我们不可能做出反应,但实质上我们知道是可能的。我告诉他们,这种产品不需要准确到这种程度。

因为我们自己开车的时候,不能正确测量物体的距离。例如,开车的时候,能正确地表现出前面的东西离你99.8米吗不可能,也不必要,我们只要能估计它的距离。这就是过度的市场需求。只有把这三个项目放在一起综合考虑,才能防止再次发生。

传感器技术传感器是自动驾驶定义最正确的技术,传感器的自由选择和用途有两个罕见的疑问。第一,为什么要使用相机?(不是雷达、红外线传感器等,而是主要的测量依据)第一,分辨率低于其他类型的传感器。那么,为什么分辨率重要呢?因为一定要细节,细节越多越好。

可能通过一些手段增加对细节的市场需求。但是,解决问题的是另一个问题。第二,摄像头是唯一除了物体的形状外,还可以告诉他你物体的外观技巧。

许多信息不能通过扫描外观来加载,如路标、信号等。环境模型所需要的东西,我们必须创造终极的环境模型。

首先,需要多个传感器,正确识别周围的所有物体,错误率必须下降到0%。但是,ADAS(高级辅助驾驶员系统)之后的发展不会自然完成的变革,也不会有飞跃的进展。我们必须正确识别行进路线上可以使用的司机空间,并告诉我们算法可以出去哪里,不能出去哪里。

-这是一个小进步,但与自动驾驶没什么关系,只要辅助驾驶员系统发展,不到几年就能享受到这样的技术。最好的是检测所有司机的路线。必须综合道路上的所有信息,计算出自己应该怎样驾驶员去自己能去的地方,这是仅次于的挑战,也是仅次于的进步物体检测为什么需要多个方向不同的照相机?城市环境比高速公路简单得多,如下图右图所示,需要充分的传感器来收集能够保证成功和安全行驶的信息。

可以看出,自动驾驶系统在所有车辆的侧面都有立体框架。为了与车辆的关系显示不同颜色方向关系的标志是适当的。例如,如果汽车停在右侧(假设你的国家交通规则靠右行驶),门随时都有可能关闭,司机不回头,必须保持一定的距离。

只是在车上加上框架太过分了。因为城市环境太简单了。这个框架必须是3D,可以得到充分的参考数据。

因此,如果你下次看到一篇关于如何在汽车上使用特殊框架的论文,你可以跳过去看下一篇,因为你认为这没什么意义。(笑声)在说这件事之前,可以用空间来区分自学。深度自学现在的研究有点绕道。

深度自学的确切突破不反映在哪里?我认为应该提取特征。我们不应该再手动提取特征了。不要考虑LDP、自私算法。这样混乱的我们现在必须考虑的问题。

算法必须自动学习。这不是一个令人震惊的消息,因为这是常识:如果我们被指派在工作中解决一些问题,只要我们有足够的时间,我们就同意找到解决问题的方法。找到问题的特点,找到解决问题的方法。

现在的深度自学算法,运算速度可能比人慢,比人准确,但它不是革命性的,而是比什么突破。现在不能解决问题。我们已经理解的东西,确实是简单的算法,必须能够解决问题。

但是,深度神经网络获得的变革依然有点高兴,我们也在我们的驾驶算法中应用于深度自学,其表现良好,有助于区分环境特征是最重要的。这是一个例子,上图中的绿色区域是算法标记的活动空间。可以看出,算法意识到楼梯上不能去,下面可以去。我们回到那张图,看右图的右边。

算法意识到旁边的人行道不是可以行走的地区,材料是一样的。没有任何探测器不会告诉他你的材料有什么区别,但是算法可以区分环境,所以可以告诉他旁边的路进不去。这就是深度自学网络的功劳。

除了绿色,我们还有各种各样的表现方式来应对道路的特征。道路干燥时,算法也可以识别,制定应对司机路线的计划是最好的技术。

根据整体环境规划车道,计算机必须学会计算合理的驾驶员路线。首先,必须对驾驶员路线进行正确的定义。人类只能解读驾驶员的过程和目的,但计算机制作这一点并不容易。

可以看出,这张图的路线没有车道,但算法可以准确地描绘虚拟世界的车道,并准确地预测它将走向方向。车道整合在这个视频中,尽管周围的几条线不稳定,但中间这条紫线的方向还是稳定的线很重要,是很多算法整合才能超过的结果。车道信息解读算法还可以检测到路上有几条车道,识别自己在哪条路线上的要点,如路径交叉、分离点等标可以协助算法解读和决定下一步的行动。

算法可以用不同的颜色来标记这些点。在下图的上半部分,我们甚至可以找到道路建设者在道路上做了错误的标记——在道路末端点附近的路面上画出了相应的虚线,但是算法找到了错误,在最后的标记中也标记为虚线(蓝色)。深度自学算法显着提高了最后的识别效果。司机战略这一部分在我们的车辆如何被带入现有的交通系统之前提到过,我们不是道路上唯一的车辆,所以说有适当的司机战略。

感觉(Sensing)和计划(Planning)的意思是,当我们提到感觉时,我们的意思是知道我们周围的一切,无论是基于什么形式,无论是声音还是图像,我们周围都有什么,比如算法是我前面有车结果非常容易预测。构建这些技巧有监管深度自学等技巧。计划是指未来的计划,过程中自己不是唯一必须考虑的因素,也有很多额外的变量。加强自学是用来构建这一点的技术。

加强自学的上图显示了加强自学的过程右图是RNN深度自学的过程图以下是算法的例子。很多人的车通过岛屿,右图中红色的车是自动驾驶的车,蓝色的车是有侵略性的车,找到南流车也想进入岛屿的时候,意味着不会从你面前滑行,绿色的车是礼貌的车。找到你想转入车流的时候,不会滑倒。算法最初不知道什么样的车是有侵略性的什么样的车是礼貌的,但是通过大的实验,可以找到其中的规则,最后礼貌的车来的时候南流车流(他跳了几个幻灯片,时间不够,但是我们敲了)地图的绘制现在想谈谈地图的绘制。

地图绘制(与导航系统不同)是最重要的,但与传感器不同有正确的定义。其定义和手段尚未具体和成熟期。人类开车时不需要在地图上画这个技能。我们需要开车出去,地图好还是地图好,导航系统可以告诉我们去哪里,怎么去,那不是我们开车的必要条件,没有地图我们可以开车。

但是,AI不同,没有这个能力的电脑就不能开车。为什么人工智能不需要同样的能力?我们不能用不需要地图的地图画,只要导航系统就能开车的AI吗?请注意这里所说的AI地图。

其细节的精度低于我们现在经常看到的。目前,谷歌和许多其他模仿他们的公司正在发展这种准确的地图技术。

如果你想使用地图来导航系统,你只需要一个精度超过几米的全球定位系统。然而,如果你必须使用这个精致的地图作为控制汽车的基础,那么你的精度将超过10厘米。

全球定位系统接近这种精度。此外,城市还有高层建筑和隧道这样的干扰来源。所以,不仅要制作这样正确的地图,还要制作给定的正确的定位技术。

这两个互补的地图怎样才能协助自动驾驶?这里的联系似乎有点直白,但我向你说清楚后,你找不到只是很简单。地图是自动驾驶中非常适当的构成部分,安全性最重要。如果没有这个地图,算法可能无法构筑司机。因此,首先具体来说,该地图的改版必须非常及时,必须完全处于动态状态,因此保持该地图的有效性必须非常大的数据流量。

因此,数据不能统一收集,必须从装备自动驾驶系统的所有车辆共同收集。因为无人驾驶车的数量不太多,所以每辆车产生的地图数据必须非常小——预计每公里10公里的数量,无论用什么方法传输,一天只能赚到1MB左右的流量上传和iTunes数据,这样的数量是可以拒绝的另外,iTunes数据的进一步处理必须在车内的计算设备当地完成。整个改建不需要添加新的硬件,一切都应该在汽车原来的硬件中完成。

这样,我们只需要担心设施的软件,做好软件工作,就可以建立自动驾驶的车辆,综合获得这些系统,就像SLAM系统的变种一样。但是,比SLAM聪明得多。我们称之为道路经验管理系统(REM),是我们开展的地图绘制计划。

经过公路的前车也可以为经过同一道路的后车提供数据。预计2020年左右,所有车辆都配备了前照相机,可以为该计划提供数据。总结一下自动驾驶进化的时间表,我们现在处于第一阶段的中间,2016年,现在我们可以构筑的程度是高速公路的自动驾驶,但这不应该叫自动驾驶,应该叫不安全的辅助驾驶员,说不安全是因为现阶段有可能出错。有些人看到同样的东西精度超过95%时,他可能没有100%精确的错觉,但并非如此。

现在这还不能叫自动驾驶。但是,预计从2018年到2020年可以在高速公路上构筑自动驾驶。这也是我们做的项目。

虽然只限于高速公路,但当时的精度必须超过非常低的程度。上高速公路后,可以转录该系统,读书,睡慧等。

不必担心安全性的难题,假如汽车必须你醒来的那时候,它不会提早警示你,假如你没醒来,汽车就不会自动滑行靠边,随后去找个地方停车。确实的进步在2021年左右不会到来,根据我们的等级方法,当时的自动驾驶等级不会在Lv.4到Lv.5之间,可以构筑确实的全自动驾驶。

当时,社会预计不会逐渐拒绝接受自动驾驶系统的不存在,有可能在一段时间内,司机不会躺在驾驶座上以防万一算法错误。此时的自动驾驶系统主要流行于公共交通和出租车等方式,如Uber等,私家车司机不偏向于手动驾驶。2023年,在一切条件成熟期的情况下,人们对自动驾驶汽车的应用不会更上一层楼,人们可以让车送到自己下班,自己回家,送车去接自己的孩子……私家车之间自动驾驶也不会普及,随时让自己的车去必要的地方。租车等汽车的用途也更成熟。

这是一个非常幸福的未来。今天我的演讲来到这里,感谢大家的倾听。

亚博APP买球英超首选

原始文章允许禁止发布。下一篇文章发表了注意事项。


本文关键词:亚博APP买球,亚博APP买球英超首选,亚博APP买球首选

本文来源:亚博APP买球-www.mkd-edu.com

版权所有崇左市 亚博APP买球首选科技股份有限公司 桂ICP备21646738号-9

公司地址: 广西壮族自治区崇左市虞城县代预大楼508号 联系电话:068-14405340

Copyright © 2018 Corporation,All Rights Reserved.

熊猫生活志熊猫生活志微信公众号
成都鑫华成都鑫华微信公众号