自动驾驶计算系统:现状和挑战
自动驾驶车辆的知觉系统及其与计算机视觉和传感器相关的技术发展和应用进行了综述,概述了自动驾驶车辆的发展、传感器和数据集、计算机视觉应用以及公众意见和担忧,并分析了当前技术挑战和未来研究方向。
Nov, 2023
本文概述了自动驾驶技术及其存在的问题,重点探讨了自动驾驶系统中的感知、地图定位、预测、规划和控制、仿真、车联网及安全等方面,并着重介绍了数据闭环解决自动驾驶问题的框架。
Jun, 2023
本研究通过对 AI,计算机视觉和自动驾驶领域进行综述,提出了本领域的问题,数据集和方法,分析了当前的研究状况和历史上最重要的文献,包括自动驾驶的认知,重构,运动估计,跟踪,场景理解和端到端学习,并分析了在 KITTI,MOT 和 Cityscapes 等数据集上的性能,讨论了该领域的挑战和未来方向。
Apr, 2017
本文主要介绍了自动驾驶汽车的自主系统架构,包括感知系统和决策系统,以及相关的感知和决策方法的研究,并介绍了巴西联邦大学开发的自动驾驶汽车 IARA 的自主系统架构,最后列举了一些知名的自动驾驶汽车研究平台。
Jan, 2019
本文系统分析了 250 多篇论文,涵盖了自主驾驶的动机、路线图、方法论、挑战和未来趋势,并深入探讨了多模态、可解释性、因果混淆、健壮性和世界模型等若干关键挑战,同时讨论了基础模型和视觉预训练的最新进展,以及如何在端到端驾驶框架中整合这些技术。
Jun, 2023
自动驾驶汽车中的计算平台通过机器学习模型记录大量传感器数据,并进行决策以确保车辆的安全运行。传统的计算机处理器缺乏感知和机器视觉要求的能力和灵活性。硬件加速器是专用的协处理器,可帮助自动驾驶汽车满足更高级别自主性的性能要求。本文概述了机器学习加速器的用途,特别是在自动驾驶汽车的机器视觉方面。我们为研究人员和实践者提供建议,并突出了该新兴领域的持续和未来研究的轨迹。
Aug, 2023
本文旨在调查深度学习技术在自驾车领域中的最新进展及其强项与局限性,涵盖了基于人工智能的自动驾驶架构、卷积和循环神经网络、深度强化学习范式等内容,以及感知、路径规划、行为仲裁和运动控制算法。同时,重点探讨了当今在设计自动驾驶人工智能架构中所面临的挑战,如安全性、训练数据源和计算硬件等。
Oct, 2019
自动驾驶引起学术界和工业界的广泛关注,但目前的自动驾驶系统大多基于单一车辆,存在较大限制,可能威胁驾驶安全。基于连接和自动驾驶车辆的协作感知被认为是解决这些限制的一种有前景的方法。本文首先确定了协作感知的挑战,如数据共享异步性、数据量和姿态误差等。然后,我们讨论了使用各种技术解决这些挑战的可能方法,并阐述了相关的研究机会。此外,我们提出了一种应对通信效率和延迟问题的方案,即一种通道感知的协作感知框架,通过动态调整通信图并减小延迟,提高感知性能和通信效率。最后,我们进行实验证明了我们提出方案的有效性。
Jan, 2024