CUSTOMER DISPLAY

遇到“你”最好的时光才开始

您的位置:主页 > 新闻动态 > 行业资讯 >

基于端到端的自动驾驶系统只能做demo?

发布时间:2011-02-20 00:19
本文摘要:剑桥大学工程队创立的Wayve必须通过机器学习算法,用于照相机和基本卫星导航系统,可以构建自动驾驶车通过陌生的道路。2016年,英伟达作为自动驾驶汽车从末端到末端的深度自学技术公开以来,已经有很多公司、单位甚至爱好者使用该技术进行自动驾驶的示威。 通过非常简单的网络构成,可以构筑相机输出到刹车油门手柄输入所需的共同体。但是,预计这样的低阈值,能解决问题的问题很少,很难应对明确驾驶者在环境上的复杂性。

od体育官网

剑桥大学工程队创立的Wayve必须通过机器学习算法,用于照相机和基本卫星导航系统,可以构建自动驾驶车通过陌生的道路。2016年,英伟达作为自动驾驶汽车从末端到末端的深度自学技术公开以来,已经有很多公司、单位甚至爱好者使用该技术进行自动驾驶的示威。

通过非常简单的网络构成,可以构筑相机输出到刹车油门手柄输入所需的共同体。但是,预计这样的低阈值,能解决问题的问题很少,很难应对明确驾驶者在环境上的复杂性。他指出,不适合开发从终端到终端的简单无人驾驶系统,也有会demo的专家,大规模商用可能非常困难。

从末端到末端只配demo吗? 剑桥大学团队设立的Wayve无人驾驶软件公司没有这么指出。他们既没有使用低精细地图也没有使用激光雷达等廉价的传感器,当然没有向汽车手工输出规则,只需要训练20小时的数据,就能在没有行驶过的道路上开车。

Wayve研究开发小组指出,既然是自动驾驶,就不需要手工编码规则,需要充分表现智能的特性。团队利用现在寒冷的深度自学强化自学算法,建立了像人类一样慢慢自学驾驶者的自动驾驶系统。

通过探索、优化、评价三个步骤展开递归,利用深度确定性战略梯度(DDPG )解决问题车道维护问题。现有技术的图像分类架构具备数百万个参数,但Wayve团队的网络架构是一个深网络,有四个卷积层和三个几乎连接层,共计只有近一万个参数,所有处理都是汽车GPU 随机分解曲线车道、道路纹理和车道标记,根据收集的数据优化策略进行大幅度重复。很多融合了图像翻译和不道德克隆从末端到末端的零镜头框架由汽车公司用于仿真验证他们的系统,Wayve自动驾驶汽车在建模过程中普遍自学处理罕见的边缘状况。

od体育

Wayve训练汽车展开模拟司机,把教授的科学知识变成现实世界。Wayve不是把模拟和现实世界看作两个不同的领域,而是需要设计一个框架,把两者融合起来,为了在模拟中进行改变决策的训练,或者在现实世界中表现出类似的不道德,需要展开切实的展示。Wayve的模型由最初用作图像切换的卷积可变量自动编码器式网络对构成,作为图像翻译,即从无监视图像到图像的翻译网络(UNIT )使用。

如果两个域之间没有未知的偏移或对应关系,模型必须在它们之间切换。右图是狩猎场景的主要布局的例子。值得注意的是,模拟器的视觉保真度在自学驾驶员时不是最重要的,他们的模拟世界像漫画一样,依然可以很好地完成建模模拟。Wayve研究表明,内容的保真度比视觉的保真度更重要。

但是,有效模拟其他交通参与者的不道德仍然是一大挑战。根据现实世界的驾驶员数据和精心设计的边缘案例模拟场景的汽车由基于模型的深层强化自控系统驱动,该算法根据离线收集的现实数据,模型自学,模型想象的新Wayve致力于开发更丰富强大的时态预测模型,相信是构筑智能安全性自动驾驶车的关键。

现在,该系统部署在JaguarI-PACE车上。这辆车将获得2019年度欧洲年度车型称号,将来将在英国和整个欧洲大陆收集数据。现在逐渐积累数据,其驱动算法可能超过人类驾驶者质量的95%,需要处理信号灯、环状交叉路口、交叉路口等。

虽然也有人不是从终端到终端的自动驾驶系统,既没有智能也没有灵活性,即使再次发生问题也无法说明,但Wayve用强有力的算法证明了这种深奥的自学技术不仅可以确保demo,将来也可以确保安全性,商业化。


本文关键词:od体育,基于,端,到,的,自动,驾驶,系统,只,能做,demo

本文来源:od体育-www.jlhzzy.cn