迄今为止最先进的人工智能模型驱动的自动驾驶汽车

日本丰桥工业大学的专家创新了一种人工智能(AI) 模型，可以同时处理自动驾驶汽车的感知和控制。

AI 模型通过各种视觉任务熟练地感知周围环境，同时控制自动驾驶汽车，因为它遵循一系列路线点。该模型可以在各种场景下安全地在各种环境条件下导航车辆，并已通过点对点导航任务的测试，在标准模拟设置中实现了最近测试模型中的最佳驾驶性能。

自动驾驶的挑战

自动驾驶是一个极其复杂的系统，包括管理感知和控制任务的各种子系统。然而，使用多个特定于任务的模块既昂贵又低效，因为仍然需要多种配置来形成一个集成的模块化系统。

此外，由于许多参数是手动调整的，因此集成过程可能会导致信息丢失。然而，这可以通过快速的深度学习研究来解决，以训练具有端到端和多任务方式的单个 AI 模型。

这使模型能够根据传感器的观察为自动驾驶汽车提供导航控制。不再需要手动配置，因为模型可以自己管理信息。

端到端模型仍然存在的困难是如何为控制器提取有用信息以正确估计导航控制。这可以通过向感知模块提供大量数据来克服，以便它可以更好地了解环境。此外，可以实施传感器融合技术来提高性能，因为它融合了不同的传感器以获得多个数据方面。

然而，需要这个更大的模型来处理更多的数据并导致大量的计算负载。此外，它需要数据预处理技术，因为多个传感器可以产生不同的数据模式。训练过程中的不平衡学习也会导致问题，因为模型同时执行感知和控制任务。

精炼人工智能

为了克服这些限制，研究人员开发了一种经过端到端和多任务方式训练的 AI 模型，其中包括两个主要模块——感知模块和控制器模块。感知阶段首先处理来自单个 RGBD 相机的 RGB 图像和深度图。

除了由控制器模块解码以估计导航控制的车辆速度测量和路线点坐标之外，然后从感知模块中提取信息。

为保证所有任务均等执行，该团队利用一种称为修正梯度归一化 (MGN) 的算法来平衡整个训练过程中的学习信号。该团队使用模仿学习，允许模型从更大的数据集中学习，以实现接近人类的表现。研究人员还设计了 AI 以使用比其他人更少的参数来减少计算负载。

使用称为 CARLA 的标准自动驾驶模拟器表明，融合 RGB 图像和深度图以创建鸟瞰 (BEV) 语义图可以提高整体性能。这是因为感知模型更好地理解场景，控制器模块可以利用数据来优化导航控制。

该团队得出结论，人工智能模型更适合部署在自动驾驶汽车中，因为它比其他模型以更少的参数实现了更好的驾驶性能。他们现在正在努力改进模型，以便在夜间和大雨等光照条件差的情况下表现更好。

深圳市晶光华电子有限公司专注石英晶振生产26年，强大的专业团队，服务超过5000+客户，年产能6亿PCS，1天试样，3天测试，1周交货；如果您对我们的石英晶振感兴趣，欢迎咨询我们的客服，获取详细资料，我们将为您提供专业贴心的服务。