Le 1er mars 2024, le Défi International de Conduite Autonome 2024 a été officiellement lancé. Ce défi est organisé par le Laboratoire d'intelligence artificielle de Shanghai et co-organisé par un certain nombre d'institutions nationales et étrangères. Un certain nombre d'experts et d'universitaires de renom dans le pays et à l'étranger forment le comité d'orientation et de récompense du concours. Ce concours vise à fournir une exploration approfondie des tâches et des défis auxquels sont confrontés les systèmes autonomes et à offrir une scène aux participants mondiaux pour présenter la technologie et l'innovation. Dans cette compétition, nous n'imposons pas trop de restrictions aux participants. Par exemple, plusieurs équipes de la même organisation sont autorisées à participer, tous les ensembles de données publics et poids de pré-entraînement peuvent être utilisés, et une équipe est autorisée à le faire. remporter plusieurs prix en même temps. Il y a sept pistes dans ce concours, et le gagnant a la possibilité de recevoir une récompense pouvant aller jusqu'à 27 000 dollars américains, et a également la possibilité d'être invité à soumettre des articles dans les meilleures revues internationales. Nous avons également préparé des directives de compétition détaillées et des modèles de référence pour chaque piste, accessibles en cliquant sur le lien correspondant à chaque piste.
Site officiel du concours :
https://opendrivelab.com/challenge2024
Événement principal :
Forum CVPR 2024 - Atelier sur les modèles de fondation pour les systèmes autonomes (Seattle, USA)
Événements connexes :
Introduction au sujet du concours Conduite autonome de bout en bout
En raison de la taille limitée des ensembles de données précédents et des indicateurs incohérents en boucle ouverte et en boucle fermée, il est difficile d'effectuer une comparaison stratégies sensorimotrices utilisant des données réelles . Dans cette voie, des données à grande échelle seront utilisées pour combler le fossé entre les deux paradigmes d'évaluation, et grâce à la modélisation abstraite BEV dans une courte série temporelle, une évaluation efficace en boucle ouverte sera obtenue tout en s'alignant mieux sur l'évaluation en boucle fermée.
Modèle mondial
En tant que représentation spatio-temporelle abstraite de la réalité, le modèle mondial peut prédire l'état futur sur la base de l'état actuel observé. L'apprentissage du modèle mondial favorisera la performance de la base. modèle à un nouveau niveau. Le modèle doit prédire le nuage de points à des instants futurs avec uniquement une entrée visuelle pour prouver sa capacité à prédire le monde.
Grille d'occupation et estimation de mouvement
Les boîtes tridimensionnelles sont souvent insuffisantes pour décrire des objets généraux, inspirés des concepts robotiques , la représentation perceptuelle peut être décrite comme une prédiction de l'occupation d'un espace tridimensionnel rastérisé. Dans cette piste, les concurrents doivent non seulement fournir une représentation tramée de l'espace tridimensionnel, mais également prédire le mouvement de la grille.
Positionnement visuel tridimensionnel multimodal incarné
Par rapport aux scènes de conduite, les systèmes de perception tridimensionnelle incarnés en intérieur sont confrontés à une entrée multimodale comprenant des instructions linguistiques, une compréhension sémantique plus complexe, des catégories et des orientations d'objets plus diverses, ainsi que des espaces et des besoins de perception très différents. Sur cette base, le concours a construit EmbodiedScan, une boîte à outils de perception tridimensionnelle multimodale pleine scène de première perspective. Le but de cette tâche est de détecter la catégorie de l'objet cible et sa boîte tridimensionnelle orientée à partir d'une description verbale d'un objet spécifique.
CARLA Self-Driving Challenge
Le CARLA Self-Driving Challenge nécessite que les véhicules parcourent un ensemble de pré -itinéraires définis. Les itinéraires de conduite des véhicules impliquent des situations complexes, telles que les autoroutes, les zones urbaines, les zones résidentielles et les environnements ruraux. Ils incluent également la lumière et les conditions météorologiques, telles que la lumière du soleil, le coucher du soleil, la nuit, la pluie et le brouillard, qui offrent la possibilité d'une évaluation en boucle fermée. systèmes de conduite autonome.
Application du grand modèle de langage dans la conduite autonome
En introduisant des informations linguistiques, l'ensemble de données DriveLM connecte le grand modèle de langage au système de conduite autonome et prend enfin des décisions en introduisant la capacité de raisonnement du langage pour garantir la fiabilité de la planification. .interprétatif. En prenant des images multi-vues comme informations d'entrée, le modèle doit répondre à diverses questions liées à la conduite.
Conduite sans images
Automatiquement sans carte HD Conduite une voiture nécessite un haut niveau de compréhension de la scène, et ce morceau vise à explorer les limites du raisonnement scénique. En prenant des images multi-vues et des cartes de définition standard comme informations d'entrée, le réseau neuronal doit non seulement produire les résultats de perception des voies et des éléments de circulation, mais également produire les relations topologiques entre les voies et entre les voies et les éléments de circulation.
Le planning est le suivant
Toutes les heures sont celles de Pékin. Pour plus de détails, veuillez vous référer au site officiel du concours.
Comité d'orientation et de récompenses
Trier par noms de traits ; la liste est mise à jour en permanence.
Qiao Yu |
Laboratoire d'intelligence artificielle de Shanghai |
Scientifique principal, directeur adjoint |
Liu Qingshan |
Université de Nanjing Postes et Télécommunications |
Vice Principal |
Yang Xiaokang |
Université Jiaotong de Shanghai |
Doyen exécutif de l'Institut de recherche sur l'intelligence artificielle |
Li Shengbo |
Tsinghua Université |
Secrétaire du Comité du Parti du Vehicle College, talent national de haut niveau, professeur |
Zhang Yaqin |
Université Tsinghua |
Académicien étranger de l'Académie chinoise d'ingénierie, président de l'Institut de recherche sur l'industrie intelligente, professeur titulaire |
Chen Baoquan |
Université de Pékin |
Doyen adjoint de l'École d'intelligence, professeur émérite Boya |
|
Xia Huaxia |
Meituan Scientifique en chef, vice-président | Xue JianruUniversité Xi'an Jiaotong |
Professeur |
Cliquez sur "Lire le texte original" ou visitez le lien suivant pour en savoir plus | https://opendrivelab.com/challenge2024 |
| Groupe de communication WeChat | À propos de nous-> Rejoignez la communauté | Lien d'inscription
workshop-e2e-ad@googlegroups.com
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Comment réparer LSP
Quelles sont les méthodes de conversion de données dans Golang ?
Le rôle de l'attribut caption
Utilisation de la fonction étage
Carte graphique de qualité passionnée
Comment résoudre le problème de ssleay32.dll manquant
fil prix de la devise prix en temps réel
Trois frameworks majeurs pour le développement Android
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
