“知识视界”产学研-视频播放

对不起，您不在IP段范围内，无法观看

1551 播放

播放有问题？请戳这里

自动驾驶汽车技术栈

时长：11 分钟

类别：汽车智能技术

简介：本视频简要概述了自动驾驶汽车技术栈，侧重于讨论传感器和计算硬件。讲座的内容包括关于特斯拉自动驾驶仪2.0版硬件和第二代福特自动驾驶平台的案例研究。本课程是斯坦福商学院开放道路课程的一部分，我们专注于汽车驾驶和机动性的创新。

相关视频:

传感器融合和跟踪5：如何一次跟踪多个对象

该视频介绍了跟踪多个对象时出现的两个常见问题：数据关联和跟踪维护。我们介绍了解决这些问题的几种方法，并提供了解决所有多对象跟踪问题的一般方法。我们介绍了数据关联算法，例如全局最近邻（GNN）和联合概率数据关联（JPDA），并介绍了删除和创建轨道的标准。我们还将谈论门控筛选机制，以免浪费计算资源。在视频的结尾，我们展示了一个GNN和JPDA算法在两个紧邻的对象上运行的示例。
奥迪AI拥堵巡航自动驾驶技术

新奥迪A8是第一款专门为有条件自动驾驶开发的量产汽车。TJP（Traffic Jam Pilot）是针对行车过程常见的堵车工况开发的自动驾驶功能，驾驶员只需要按下中控台中的“Audi AI”按键。
传感器融合和跟踪6：轨迹融合

深入了解轨迹级融合（或轨迹融合），需要它的跟踪情况类型以及与此相关的一些挑战。您将看到两种不同的跟踪架构——轨到轨融合和中央级跟踪，并了解选择一种架构而不是另一种架构的好处。
人工智能在自动驾驶汽车设计中的作用

Mobileye联合创始人、董事长兼首席技术官Amnon Shashua教授在本次主题演讲中讨论了实现自动驾驶必须解决的三大技术支柱。此外，通过使用虚拟模拟，他揭示了实施案例。本视频是他在2017博世互联世界大会上的演讲要点。
智能汽车：汽车工业的技术进步

我们生活在一个自动化和智能设备的时代，因此，这些发展自然而然地进入了汽车行业！让我向你们展示一些在这个领域里最激动人心的创新，科技如何改善我们的生活，让我们更有生产力，更有信心等等。感谢尼桑对本视频的赞助，尼桑是行业现状的真正挑战者，他们的目标一直是推动人们在技术和用户体验方面的创新。
AI学习泊车 — 深度强化学习

这是一个用3D物理模拟AI学习在停车场泊车的视频。模拟是使用Unity的ML-Agents框架实现的。AI由一个深度神经网络组成，包含3个隐藏层，每层128个神经元。它是用近端策略优化（PPO）算法训练的，这是一种强化学习方法。基本上，神经网络的输入是8个深度传感器的读数，汽车当前的速度和位置，以及它与目标的相对位置。神经网络的输出可解释为发动机力、制动力和转向力。
人工智能如何推动自动驾驶

人工智能在冲击着汽车产业，而所有主要汽车厂商正在利用其资源和技术尽力对应。具有人工智能的设备的好处在于它尝试从传感器输入的真实声音和图像进行学习。同样的情况下，智能应用到汽车技术。自动驾驶的新时代开始了。“在人工智能和深度学习的帮助下，我们可以把汽车变成我们的副驾驶，”英伟达首席执行官黄仁勋表示。
Mobileye自动驾驶汽车慕尼黑路驾亮点

我们已经看到Mobileye的自动驾驶汽车平台是如何应对耶路撒冷状况频发的混乱街道的。但它在慕尼黑的表现如何呢？正如你在这段视频中所看到的，我们正在开发自动驾驶汽车，以便能够应对截然不同的驾驶文化和环境。

观看记录：

标签:

相关视频:

传感器融合和跟踪5：如何一次跟踪多个对象

奥迪AI拥堵巡航自动驾驶技术

传感器融合和跟踪6：轨迹融合

人工智能在自动驾驶汽车设计中的作用

智能汽车：汽车工业的技术进步

AI学习泊车 — 深度强化学习

人工智能如何推动自动驾驶

Mobileye自动驾驶汽车慕尼黑路驾亮点