IJCAIMay, 2019

视而不见不意味着不存在：一种基于答案集程序的自动驾驶视觉理解在线脱附框架

PDF
TL;DR以人为中心的视觉感知方法是实现自动驾驶的重要组成部分，引入了深度学习和回答集编程技术实现在线视觉感知。
visual sensemakinganswer set programmingautonomous drivingdeep learninghuman-centered
发现论文，激发创造
  • 自动驾驶通用神经符号联合视觉和语义的常识视觉推理

    本文系统地阐述了自动驾驶背景下，系统集成视觉和语义解决方案用于视觉意义建模的需求和潜力，提出了一种通用的神经符号方法，使用 ASP 进行在线视觉意义建模，该方法整合了最先进的视觉计算技术和深度语义学习，是一个可在混合体系结构下用于实时感知和控制的模块化框架，在 KITTIMOD，MOT-2017 和 MOT-2020 等声誉良好的基准测试中进行了评估和论证。

    Dec, 2020

  • 高层诱导下的可视化解释：基于答案集编程的机动物体推理

    我们提出了一种混合架构，用于系统地计算关于视频数据的鲁棒视觉解释，其中包括假设形成，信念修正和默认推理，并且由紧密集成的两个协同构成：以时间 - 空间为基础的踪迹上的函数回答集规划的诱导推理和基于检测的对象跟踪和动态分析的视觉处理流程。

    Dec, 2017

  • 半自动驾驶车辆中评估驾驶员情境感知能力：基于 ASP 的驾驶动力学特征建模场景解释与预测

    软件和硬件框架评估驾驶员对交通状况的感知能力，并提供人机界面辅助以增强感知能力，重点介绍基于答案集规划的驾驶员场景解释和预测方法。

    Aug, 2023

  • 利用视觉问答解释自主驾驶行为

    通过视觉问答 (VQA) 框架解释自动驾驶的决策，以提高驾驶安全性。

    Jul, 2023

  • GPT-4V (ision) 自动驾驶中的视觉语言模型的早期探索

    该研究论文评估了最新的先进视觉语言模型（VLM）在自动驾驶场景中的应用，发现该模型在场景理解和因果推理方面表现出优越性能，但在方向辨别、交通信号识别、视觉对接以及空间推理任务方面仍存在挑战。

    Nov, 2023

  • 基于全景监控系统的自动驾驶场景理解网络

    本文提出一种新的端到端解决方案，通过识别驾驶车辆在每个方向上最近的障碍物，用于计算最近障碍物的距离，并将其合并到统一的端到端架构中，实现联合物体检测、路缘检测和安全可驾驶区域检测，最终通过相机为基础系统和 3D 对象检测来在停车和行驶模式下实现这些目标的潜力。

    May, 2018

  • 面向流推理的答案集编程

    通过使用 ASP 技术，本研究在解决物联网、传感器技术、连续数据流、流推理等领域中的关键问题。

    Jan, 2013

  • 神经符号 VQA: 从视觉和语言理解中分离推理

    该论文介绍了神经符号视觉问答系统，结合深度表示学习和符号程序执行，具有更好的数据和内存效率以及对推理过程的全透明度。

    Oct, 2018

  • 使用答案集编程路由自动驾驶运输车在汽车组装中

    使用 ASP 基于运输任务的优化输送路线对梅赛德斯奔驰 Ludwigsfelde 的汽车制造过程进行优化。

    Apr, 2018

  • 人机协作装配规划：一种答案集编程方法

    提出一种基于 answer set programming 的协作装配方法，结合常识推理和丰富的通信行为，用于应对组装过程中的不确定性，适用于现实世界中的协作任务，如家具组装等。

    Aug, 2020