迄今為止最先進的人工智能模型驅動的自動駕駛汽車

迄今為止最先進的人工智能模型驅動的自動駕駛汽車

日本豐橋工業(yè)大學的專家創(chuàng)新了一種人工智能(AI) 模型，可以同時處理自動駕駛汽車的感知和控制。

AI 模型通過各種視覺任務熟練地感知周圍環(huán)境，同時控制自動駕駛汽車，因為它遵循一系列路線點。該模型可以在各種場景下安全地在各種環(huán)境條件下導航車輛，并已通過點對點導航任務的測試，在標準模擬設置中實現了最近測試模型中的最佳駕駛性能。

自動駕駛的挑戰(zhàn)

自動駕駛是一個極其復雜的系統(tǒng)，包括管理感知和控制任務的各種子系統(tǒng)。然而，使用多個特定于任務的模塊既昂貴又低效，因為仍然需要多種配置來形成一個集成的模塊化系統(tǒng)。

此外，由于許多參數是手動調整的，因此集成過程可能會導致信息丟失。然而，這可以通過快速的深度學習研究來解決，以訓練具有端到端和多任務方式的單個 AI 模型。

這使模型能夠根據傳感器的觀察為自動駕駛汽車提供導航控制。不再需要手動配置，因為模型可以自己管理信息。

端到端模型仍然存在的困難是如何為控制器提取有用信息以正確估計導航控制。這可以通過向感知模塊提供大量數據來克服，以便它可以更好地了解環(huán)境。此外，可以實施傳感器融合技術來提高性能，因為它融合了不同的傳感器以獲得多個數據方面。

然而，需要這個更大的模型來處理更多的數據并導致大量的計算負載。此外，它需要數據預處理技術，因為多個傳感器可以產生不同的數據模式。訓練過程中的不平衡學習也會導致問題，因為模型同時執(zhí)行感知和控制任務。

精煉人工智能

為了克服這些限制，研究人員開發(fā)了一種經過端到端和多任務方式訓練的 AI 模型，其中包括兩個主要模塊——感知模塊和控制器模塊。感知階段首先處理來自單個 RGBD 相機的 RGB 圖像和深度圖。

除了由控制器模塊解碼以估計導航控制的車輛速度測量和路線點坐標之外，然后從感知模塊中提取信息。

為保證所有任務均等執(zhí)行，該團隊利用一種稱為修正梯度歸一化 (MGN) 的算法來平衡整個訓練過程中的學習信號。該團隊使用模仿學習，允許模型從更大的數據集中學習，以實現接近人類的表現。研究人員還設計了 AI 以使用比其他人更少的參數來減少計算負載。

使用稱為 CARLA 的標準自動駕駛模擬器表明，融合 RGB 圖像和深度圖以創(chuàng)建鳥瞰 (BEV) 語義圖可以提高整體性能。這是因為感知模型更好地理解場景，控制器模塊可以利用數據來優(yōu)化導航控制。

該團隊得出結論，人工智能模型更適合部署在自動駕駛汽車中，因為它比其他模型以更少的參數實現了更好的駕駛性能。他們現在正在努力改進模型，以便在夜間和大雨等光照條件差的情況下表現更好。

深圳市晶光華電子有限公司專注石英晶振生產26年，強大的專業(yè)團隊，服務超過5000+客戶，年產能6億PCS，1天試樣，3天測試，1周交貨；如果您對我們的石英晶振感興趣，歡迎咨詢我們的客服，獲取詳細資料，我們將為您提供專業(yè)貼心的服務。