目次
データに対する 5G インフラストラクチャの重要性" >データに対する 5G インフラストラクチャの重要性
直面する課題" >直面する課題
自動車会社のビッグデータ「カットオフ」リスク" >自動車会社のビッグデータ「カットオフ」リスク
ファーウェイは、「ファーウェイ コアネットワーク自動運転ネットワーク ホワイト ペーパー」を正式にリリースしました。業界をリードする 5G 指向のコアネットワーク自動運転ネットワークの概念、目標、アーキテクチャが提案され、5G コアネットワークから自動運転ネットワークへの進化のための測定可能かつ実用的な指針を提供します。 " >ファーウェイは、「ファーウェイ コアネットワーク自動運転ネットワーク ホワイト ペーパー」を正式にリリースしました。業界をリードする 5G 指向のコアネットワーク自動運転ネットワークの概念、目標、アーキテクチャが提案され、5G コアネットワークから自動運転ネットワークへの進化のための測定可能かつ実用的な指針を提供します。
ホームページ テクノロジー周辺機器 AI 自動運転技術におけるビッグデータ管理の分析

自動運転技術におけるビッグデータ管理の分析

Apr 25, 2023 pm 11:28 PM
データ オートパイロット

車両のレベルが異なると、収集する必要があるデータの量も急激に増加します。現在一般的なL3ステージを例にとると、4K超高精細カメラや128ラインライダーなどのセンサーの導入により、データ収集システムが1日8時間記録するデータ量は30TBにも上ります。 。言い換えれば、Nvidia の自動運転技術テストでは、車両学習データ収集システムが数時間でテラバイト レベルのソリッド ステート ストレージ ドライブ (SSD) をいっぱいにすることができることも示しています。

自動運転技術におけるビッグデータ管理の分析

ご存知のとおり、自動車の自動化には 5 つのレベルがあります。自動化の度合いが高まるほど、必要なデータ ストレージの量も増加します。たとえば、レベル 2 の自動運転車は完全に人間による操作が必要ですが、車線変更支援、死角検出、自動駐車機能などの追加の自動化システムを備えています。ボウマン氏は、レベル 2 の自動運転車には 4 ~ 10 ペタバイトのデータが必要になると考えています。

自動運転技術におけるビッグデータ管理の分析

# ただし、レベル 3 の自動運転車には 50 ~ 100 PB のデータ ストレージが必要で、レベル 5 の自動運転車には 3EB 以上のストレージ スペースが必要です。 「レベル 3 は、車が自動運転できることを意味します。レベル 5 は、車が自動運転できることを意味します。」「レベル 5 は、車が完全に自動運転できることを意味します。」とボーマン氏は言いました。 ##すべてのデータはどうすればよいですか?

自動運転車に必要なデータ ストレージの量は膨大ですが、課題はストレージ段階からではなく、送信段階から生じます。たとえば、ボーマン氏は、車両を走行させてデータを記録すると、カメラ、レーザー スキャナ、レーダーからデータを収集すると、各車両が 1 日あたり 80 テラバイトのデータを生成できると述べました。 # 彼は次のように述べました。「データを取得するには、データ ラインを介して車両を接続する必要があります。車両システムはデータ センターに送信され、そこでデータが R&D センターからデータ センターにコピーされます。通常、当社の顧客は各大陸に集中データベースを持っており、データ転送は高速ファイル転送方法または物理的手段によって実現できます。"

データ管理に関する具体的な研究をいくつか紹介します :

リソース管理とタスクオフロード

エッジノードは一定範囲内の複数のユーザー(車両)に同時にサービスを提供できるため、リソースの割り当てが行われます。ある文書は、車両タスクのオフロードプロセスにおける競合競合問題をマルチユーザーゲームの問題に変換し、この問題のナッシュ均衡の存在を証明し、分散計算機を実装しました。

上記の文献に加えて、タスクオフロードプロセスにおける通信速度、信頼性、遅延、およびそれをサポートする無線ネットワークの 3 つの側面について最適化分析が実行されます。ネットワーク リソース管理フレームワークは、リソース割り当て問題を 3 つのサブ問題 (車両クラスターのセグメント化、クラスター間のリソース ブロック プールの割り当て、クラスター内のリソース割り当て) に分割し、グラフ理論に基づく最適化手法を実装します。

まず車両分割をクラスタ分割問題に変換し、車両間の協調制御により隠れた端末問題を回避し、半二重による通信制限を回避します。

グループのリソース ブロック プール割り当て問題は、重み付けされたリソース競合グラフに基づいて最大-最小公平性問題に変換され、(効率的なクラスター間通信リソースによって引き起こされる) スペクトル利用率の向上の問題を解決します。

  • #車両の高い移動性によって引き起こされる頻繁なエッジノード切り替えの問題を考慮して、上記の文献では次のように考えられています。車両とノード間の接続をより長く維持する必要がある. 短期間で接続が失われると, 処理時間とエネルギー消費の増加を引き起こす. タスク置換アルゴリズムが提案される. 計算された置換時間に従って,処理タスクは元のノードから次の実行可能なターゲット ノードにオフロードされ、タスクは引き続き実行されます。
  • 同時に、研究者は単一の完全なタスクのオフロードに限定されず、
オフロード プロセスに関しては、車両端末とエッジ サービス ノード端末の両方のパフォーマンスが向上する必要があります。 DDORV アルゴリズムは、現在のシステム条件 (チャネル品質、トラフィック負荷など) に基づいて車両端末とノード端末を結合することができ、大量のステータス情報を含むことができます。制御変数に関する確率的最適化問題も同時に考慮されます。

具体的には、このアルゴリズムは、双方向の確率的最適化問題を、リアプノフ アルゴリズムに基づく 2 つの独立したフレームごとの最適化問題に分離します。車両の場合、オフロード戦略は、ローカル処理コストとタスクのオフロード コストを比較することによって選択されます。 CPU 提案された目的関数を通じて調整周波数が計算されます。エッジ ノードの場合、最初に軽量リソース供給アルゴリズムが提案され、次に無線リソースとエネルギー消費を共同で最適化する反復アルゴリズム、連続緩和法、およびラグランジュ双対に基づいています。ソリューションは提案された結合アルゴリズムです。

同時に、研究者は車両とエッジ ノード間の無線データ送信に TV ホワイト スペースを選択し、従来のセルラー、Wi-Fi、その他のテクノロジーの制限を補いました。そしてコミュニケーション効率も向上します。

同時に、特定の領域の複数のユーザーに対して、通常は選択肢を提供する複数のノードがあります。 JSCO アルゴリズムは、マルチノード、マルチユーザーのコンテキストにおけるロード バランシングとタスク オフロードの意思決定問題を混合整数非線形計画法問題に変換し、ノードの選択、コンピューティング リソースの最適化、およびオフロード計画の意思決定 レイテンシーの制約を維持しながらシステム使用率を最大化します。

データに対する 5G インフラストラクチャの重要性

専門家の中には、自動運転車の開発と生産には 5G が不可欠であると言う人もいます。今後 5 ~ 10 年で、より多くのテクノロジーが自動車に統合されるでしょう。同氏は、「今日の自動車は路上にあるモバイルデータセンターです。したがって、たとえば、5G経由でデータセンターに送信する価値のある貴重なデータを識別するために、自動車内のデータを前処理する必要があります。」と述べました。

同氏はまた、自動運転車はエッジデータ、つまり車内にデータを保存する必要があるとも述べた。 「特に 5G の通信範囲がない場所では、コンピューティング エッジ ストレージが必要です。5G 信号が受信されてからデータを送信するには、車両内にデータをキャッシュする必要があるため、これもまた問題です。」

5G に関連するもう 1 つの問題は、アップロード速度です。一部の専門家は、「5G はストリーミング データの高速ダウンロードを目的として設計されているため、アップロード速度はそれほど速くありません。したがって、5G を介して実際に大量のデータをアップロードすることはできません。データ センターからデータをデータ センターに送信するように設計されています。 「5G は、データセンターに到達するように設計されています。しかし、5G の利点は、遅延が少ないことです。」

直面する課題

中国サイバースペース局は5月12日、「自動車データセキュリティ管理に関するいくつかの規定(意見募集草案)」を発表した。昨年の「意見草案」(「意見草案」と呼ぶ)は若干の変動を引き起こしたが、すぐに「池の底」に沈んだようで、国境を越えた自動車製造など自動車業界の盛り上がりに影を落とした。しかし、自動車会社は、これがテスラ論争によってもたらされたデータセキュリティのリスク管理計画だけではなく、より深いレベルで、ユーザーデータの収集に対する「呪い」の警告が発せられていることをよく知っています。同氏は、「この規制が最終的に施行され、データを車内にのみ残すことが厳しく規定され、自動車会社が新たな法的データ取得ルートをアクティブにしない場合、国内の自動運転技術の開発は実際に数年間遅れる可能性がある」と述べた。ある業界関係者が匿名を条件に語った。

しかし、すべての自動車会社が様子見を選択するわけではありません。実際の道路でのユーザーの運転データは、自動車会社が自動運転技術を反復的にアップグレードおよび改善するための重要なサポートとなります。この目的を達成するために、一部の企業はデータ収集のための新しいビジネス モデルを構築し始めています。今年4月、SAIC ZhijiはCSOP(Cus-tomerShareOptionPlan)ユーザーデータ権利プラットフォームに基づくユーザーデジタル資産のマイニング手法「rough stone」をリリースした。このプラットフォームを通じてユーザーとのデータ取引を実現したいとしている。具体的な運用方法は次のとおりです。知吉汽車はCSOP計画のために設立時資本の4.9%を使用し、3億個の「原石」を投入しました。そのうち70%の原​​石は、毎日生成されるデータを通じて自動車所有者によって償還される必要があります。車両の運転。ユーザーは原石を入手した後、ソフトウェアおよびハードウェア製品をアップグレードし、対応するデータ権利を取得できます。

Zhiji は現在、中国でユーザーとのデータ取引を提案する唯一の自動車会社であり、そのプラットフォームは新規制草案の発表前に開始されましたが、規制対象とみなされています。トレンド.Yanxia のソリューション。 「これは非常に興味深いことだと思います。これは革新的なモデルです。」と百度アポロ情報セキュリティ責任者の劉建豪氏は経済監視紙の記者に語った。前述の当局も、このモデルは画期的であると考えています。これ以前は、ほとんどの車両データは自動車会社がデフォルトで収集しており、平等な取引は決して達成されませんでした。しかし、一部の専門家は、不確定要素が多いため、このモデルは自動車会社のインターネット思考に基づいた試みに過ぎない可能性があり、導入がスムーズに進むかどうかは判断が難しいと見ている。

自動運転技術におけるビッグデータ管理の分析

Zhiji Auto のデータ取引モデルに関する議論の背後には、自動車会社や業界がスマート カー用のユーザー データを収集することがますます困難になるという危機が反映されています。 。 「意見草案」によると、自動車会社は「デフォルトではユーザーの個人情報や重要な運転データを収集しない」か、少なくとも毎回ユーザーの同意を得る必要がある。これは、データ収集チャネルがブロックされる可能性があることを意味し、現在急成長している自動運転アプリケーションに影響を与えることは避けられません。

このような状況下で、SAIC Zhiji のデータ取引モデルは業界のトレンドになる可能性があるでしょうか?ユーザーデータセキュリティのニーズとインテリジェント運転技術の開発の間に、他に実現可能なデータ共有モデルはあるのでしょうか?業界が解決策を見つける時間は残り少なくなってきています。

自動車会社のビッグデータ「カットオフ」リスク

エコノミック・オブザーバー紙の記者とのインタビューで、多くの専門家が次の点について意見を述べた。 Zhiji Auto との関係 ユーザーによるデータ取引の形態は一定の認識を与えられています。自動車業界の上級アナリスト、メイ・ソンリン氏は、このモデルにより自動車会社によるデータ収集の透明性が高まり、自動車会社とユーザーが相互に利益を得ることができると考えている。 CCIDコンサルティング自動車産業研究センターのゼネラルマネジャー、ルー・ウェンリャン氏は、これは自動車会社がインターネット企業と同様の、ある程度進んだ「クラウドソーシング」モデルを採用し始めていることを示していると述べた。

しかし、このモデルが業界のトレンドになるかどうかについては、業界の見解が異なります。 「将来的には、(Zhijiのような)企業はユーザーにデータの提供を促す良い方法を考え出すかもしれない。」 Liu Jianhao氏は、このモデルを採用することで自動車会社がデータを取得できるだけでなく、データの蓄積を通じても支援できると考えている。これはスマートカーの開発を大きく促進するものであり、「データはモバイルインターネット時代の基本要素であり、非常に重要だ。スマートカーについても同様だ」とLiu Jianhao氏は述べた。 Liu Jianhao氏は、携帯電話業界の発展を例えて、「(以前は)Nokia自体はデータをほとんど持っていなかった。スマートフォンのアプリケーションのコンテンツが増加するにつれ、モバイルインターネット時代の直接の到来となった」と述べた。

しかし、データ取引モデルにはまだ多くの不確実性があると考える人もいます。一方で、新しい機種なのでデータ取引量や報酬の設定が難しい「設定が低いと誰も参加してくれません。設定が高いと後から現金化されません」それはブランドに損害を与えるだろう」とルー・ウェンリャン氏は語った。同時に、データがスマートカーの全体的な開発を促進する可能性があるという見解に応えて、Lu Wenliang 氏は、開発を達成するために「クラウドソーシング」モデルを使用するには、まず製品が比較的優れたものでなければならず、その後ユーザーデータを使用してスマートカーを開発できると考えています。半製品の場合は悪循環を生み、現状のスマートカーは開発・完成されているとは言えず、この新たなデータ取得モデルがそれを表しているかどうかは判断が難しい。 「これはおそらくインターネットの考え方に基づく自動車会社の試みにすぎない。インターネットには多くのオペレーティングモデルがある。すべて試してみて、うまくいかなかったら変更すればよい。」という不安。 「現在、自動車会社は最新のデータ収集要件に頭を悩ませている。この草案に関して、企業からのフィードバックのほとんどはデータ収集方法の変更に焦点を当てている。」盧文亮氏は経済観察局の記者に対し、もし新たな規制が適用されれば、次のように指摘した。 「主な理由は、過去に収集されたデータが多すぎることです。多くの企業のビジネス モデルは、許可なくデータを収集することです。」

自動車データのセキュリティ管理に関する新しい規制では、主に重要データと個人情報の 2 種類のデータの収集が制限されています。重要データには「車種や車両交通量などの道路上のデータ」が含まれており、自動運転で道路シーンを収集するために必要な重要なデータと考えられます。さらに、個人情報における車内での操作も、自動車会社にとってユーザーの習慣を収集するための重要なチャネルと考えられています。しかし、新しい規制では、この情報は「デフォルトでは収集されない」と定められており、収集されたとしても認可は「一度だけ有効」であるため、自動車会社の現在のデータ収集チャネルがブロックされる可能性がある。

インテリジェント運転のブラックボックス - ファーウェイのデータ管理方法

ファーウェイは、「ファーウェイ コアネットワーク自動運転ネットワーク ホワイト ペーパー」を正式にリリースしました。業界をリードする 5G 指向のコアネットワーク自動運転ネットワークの概念、目標、アーキテクチャが提案され、5G コアネットワークから自動運転ネットワークへの進化のための測定可能かつ実用的な指針を提供します。

近年、自動車分野ではスマートドライビングカーが新たな開発トレンドとなっており、車載型モバイルデータセンターを活用した運転支援システム(ADAS)や自動運転システムの導入が進んでいます。 (MDC)および車載センサーは、障害物をインテリジェントに検出し、周囲の環境を感知して、車両の進路を自動的に決定し、運転中に車両の運転状態を制御します。インテリジェント運転技術は自動車分野に革命的な機会と課題をもたらしており、インテリジェント運転によるドライバーの運転体験の向上に取り組むメーカーが増えています。

さらに、スマート運転車の安全性も業界で広く注目を集めており、従来の人間が運転する車は通常、ブラックボックス装置を使用して車両のエンジン回転数と車速を記録します。ブラックボックスは車に搭載されている機器の一種であり、高い耐損傷性を備えています。自動車が激しい衝突をした場合、ブラックボックスは、車体のブラックボックスデバイスに接続された加速度センサーから提供されるデータを使用して、車両の加速度が短期間に事前に設定されたしきい値を超えているかどうかを判断し、収集します。そして本体データを保存します。

ただし、従来の人間が運転する車両と比較して、スマート運転車には、適用シナリオ、ドライバーの運転習慣やスタイル、スマート運転車の各システムの動作方法、自動車との関係は大きく変化しており、自動車のスマート運転の安全性を考慮して、ブラックボックスデータ管理手法に対する要求も高まっています。車を運転する場合、方法は解決する必要のある技術的な問題になります。

この問題を解決するために、ファーウェイは2019年8月7日に「インテリジェント運転車におけるブラックボックスデータの管理方法、装置および装置」というタイトルの発明特許を出願した。(出願)番号: 201910726567.X)、出願人はHuawei Technologies Co., Ltd.です。

この特許の現在公開されている情報に基づいて、このブラック ボックス データ管理方法を見てみましょう。

自動運転技術におけるビッグデータ管理の分析

上図に示すように、発明されたスマート運転車両のブラックボックスデータ管理システムの論理アーキテクチャの概略図です。このシステムは、クラウドデータセンター101、ネットワーク102、およびインテリジェント運転車両103を含み、クラウドデータセンター101とインテリジェント運転車両103は、ネットワーク102を介して通信する。

このうち、クラウドサービスデータセンターは、プライベートクラウド、パブリッククラウド、ハイブリッドクラウド型データセンターなど、ブラックボックスデータを保管するクラウドサービスデータセンターを提供し、ネットワークを実装することができます。スマート運転車のブラックボックスデータをクラウドサービスのデータセンターに送信するための媒体。

#インテリジェント運転車両全体を見ると、通信ボックス 1031、中央ゲートウェイ 1032、ボディ コントローラ (BCM) 1033、ヒューマン コンピュータ インタラクション コントローラ 1034、およびインテリジェント運転コントローラ 1035 が含まれます。車両コントローラ1036およびブラックボックスデバイス1037。通信ボックスは、スマート運転車両とクラウド サービス データ センター間の通信を実現するために使用され、ヒューマン コンピューター インタラクション コントローラーには、車載エンターテイメント (IVI) やハードウェア モニター インターフェイス (HMI) などの車載エンターテイメント制御システムが含まれます。人と車両の間のインタラクションに使用され、通常は計器、中央制御ディスプレイ、ステアリングホイール圧力センサー、その他の機器の管理に使用されます。

車両コントローラー (VCU) は通常、シャーシ電子制御ユニット、エアバッグ、パワー電子制御ユニットに接続され、エアバッグは通常、慣性測定ユニットに接続されます。測定ユニット 検出により、スマート ドライビング カーが緊急ブレーキ状態にあるかどうかを判断でき、スマート ドライビング カーがこの状態にある場合、エアバッグがポップアップしてドライバーの安全を保護します。

最後に、車両には最も謎に満ちたブラック ボックスがあります。このブラック ボックス デバイスは、緊急時にスマート ドライビング車両の車体データを記録するために使用されます。これらのデータには次のものが含まれます。速度、車両速度、ブレーキの強さ、ステアリング角度、スロットル プレートの状態、シートベルトの状態など、およびこれらのデータが生成されたときのタイムスタンプ。車が衝突した場合、このデータは多くの場合、調査員が事故を分析するための最も重要なデータとなります。

次に、図に示すように、特許で規定されているスマート運転車におけるブラックボックスデータの管理方法を、下図と併せて詳しく紹介します。

自動運転技術におけるビッグデータ管理の分析

まず、検出コントローラーがブラック ボックス トリガー イベントを検出すると、検出コントローラーはトリガー イベント通知をブラック ボックス デバイスに送信します。次に、ブラックボックスデバイスは、トリガーイベントの種類に応じてブラックボックスデータのデータタイプを識別し、検出コントローラーが検出できるブラックボックストリガーイベントには、運転モード変換イベントと運転危険境界イベントが含まれます。コンバージョンイベントは、次の 2 つのタイプに分類できます。 状況:

1) ドライバーがスマート ドライビング カーの運転モードをスマート ドライビング モードに切り替えます。手動運転であり、スマート運転システムがスマート運転のオン条件を満たしていることを検出すると、ヒューマンコンピュータインタラクションコントローラーを介してドライバーに通知され、ドライバーはボタンを介してスマート運転車をトリガーしてスマート運転モードに切り替えます。今度は、人間とコンピューターの対話コントローラーが、ブラック ボックス トリガー イベントがあることをブラック ボックス デバイスに通知します。

2) ドライバーは、スマート運転車の運転モードを非インテリジェント運転モードに積極的に切り替えます。スマート運転車がスマート運転モードの場合、ドライバーはブレーキを押すことができます。ステアリングホイールを回すと、ヒューマンコンピュータインタラクションコントローラのモード切り替え方法により、スマート運転車両が非運転モードにアクティブに切り替わります。このとき、ブラックボックスデータトリガーイベントは、ヒューマンコンピュータインタラクションコントローラを通じて検出でき、ブラック ボックス デバイスには、ブラック ボックス トリガー イベントが通知されます。

次に、ブラック ボックス デバイスは、トリガー イベント タイプとデータ タイプに基づいてデータが属するストレージ レベルを決定し、データが属するストレージ レベルに従ってデータを保存します。所属と事前に設定されたルール。データが属するストレージ レベルが事前に設定された条件を満たしている場合、ブラック ボックス デバイスはブラック ボックス データをクラウド サービス データ センターに送信します。このように、データの保存方法を段階的に設定することで、最も高いレベルで書籍をクラウドに保存し、データの安全性と有効性を確保します。

自動運転技術におけるビッグデータ管理の分析

#最後は、このスマート運転車両のブラック ボックス デバイスの概略構造図です。プロセッサ101、記憶媒体102、通信インターフェース103、およびメモリユニット104を含む。このうち、プロセッサ、記憶媒体、通信インターフェース、メモリユニットはバスを介して通信する。

上記は、ファーウェイが発明したブラック ボックス データ管理方法です。ブラック ボックス内のデータの管理方法をアップグレードし、ブラック ボックス データをローカルおよびクラウド ストレージに保存します。データは階層的に保存されるため、スマート運転車におけるブラック ボックス データの有効性とセキュリティが効果的に向上し、スマート運転車全体の全体的な安全性も向上します。

概要

  1. 自動化の度合いが高くなるほど、必要なデータ ストレージの量も増加します。
  2. 課題は保管段階から発生するのではなく、送信段階から発生します;
  3. 車両内のデータは前処理され、貴重なデータは次の方法で送信される必要があります。 5G ファースト;
  4. 「自動車データセキュリティ管理に関するいくつかの条項」により、国内の自動運転開発が制限される 実際の道路での走行データは、自動車メーカーの反復的なアップグレードと改善の重要なサポートです自動運転技術;
  5. 自動運転車では、安全性の観点からブラックボックスデータの管理方法にもより高い要件が求められます。

以上が自動運転技術におけるビッグデータ管理の分析の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

ddrescue を使用して Linux 上のデータを回復する ddrescue を使用して Linux 上のデータを回復する Mar 20, 2024 pm 01:37 PM

DDREASE は、ハード ドライブ、SSD、RAM ディスク、CD、DVD、USB ストレージ デバイスなどのファイル デバイスまたはブロック デバイスからデータを回復するためのツールです。あるブロック デバイスから別のブロック デバイスにデータをコピーし、破損したデータ ブロックを残して正常なデータ ブロックのみを移動します。 ddreasue は、回復操作中に干渉を必要としないため、完全に自動化された強力な回復ツールです。さらに、ddasue マップ ファイルのおかげでいつでも停止および再開できます。 DDREASE のその他の主要な機能は次のとおりです。 リカバリされたデータは上書きされませんが、反復リカバリの場合にギャップが埋められます。ただし、ツールに明示的に指示されている場合は切り詰めることができます。複数のファイルまたはブロックから単一のファイルにデータを復元します

オープンソース!ゾーイデプスを超えて! DepthFM: 高速かつ正確な単眼深度推定! オープンソース!ゾーイデプスを超えて! DepthFM: 高速かつ正確な単眼深度推定! Apr 03, 2024 pm 12:04 PM

0.この記事は何をするのですか?私たちは、多用途かつ高速な最先端の生成単眼深度推定モデルである DepthFM を提案します。従来の深度推定タスクに加えて、DepthFM は深度修復などの下流タスクでも最先端の機能を実証します。 DepthFM は効率的で、いくつかの推論ステップ内で深度マップを合成できます。この作品について一緒に読みましょう〜 1. 論文情報タイトル: DepthFM: FastMonocularDepthEstimationwithFlowMatching 著者: MingGui、JohannesS.Fischer、UlrichPrestel、PingchuanMa、Dmytr

自動運転シナリオにおけるロングテール問題を解決するにはどうすればよいでしょうか? 自動運転シナリオにおけるロングテール問題を解決するにはどうすればよいでしょうか? Jun 02, 2024 pm 02:44 PM

昨日の面接で、ロングテール関連の質問をしたかと聞かれたので、簡単にまとめてみようと思いました。自動運転のロングテール問題とは、自動運転車におけるエッジケース、つまり発生確率が低い考えられるシナリオを指します。認識されているロングテール問題は、現在、単一車両のインテリジェント自動運転車の運用設計領域を制限している主な理由の 1 つです。自動運転の基礎となるアーキテクチャとほとんどの技術的問題は解決されており、残りの 5% のロングテール問題が徐々に自動運転の開発を制限する鍵となってきています。これらの問題には、さまざまな断片的なシナリオ、極端な状況、予測不可能な人間の行動が含まれます。自動運転におけるエッジ シナリオの「ロング テール」とは、自動運転車 (AV) におけるエッジ ケースを指します。エッジ ケースは、発生確率が低い可能性のあるシナリオです。これらの珍しい出来事

Google は大喜び: JAX のパフォーマンスが Pytorch や TensorFlow を上回りました! GPU 推論トレーニングの最速の選択肢となる可能性があります Google は大喜び: JAX のパフォーマンスが Pytorch や TensorFlow を上回りました! GPU 推論トレーニングの最速の選択肢となる可能性があります Apr 01, 2024 pm 07:46 PM

Google が推進する JAX のパフォーマンスは、最近のベンチマーク テストで Pytorch や TensorFlow のパフォーマンスを上回り、7 つの指標で 1 位にランクされました。また、テストは最高の JAX パフォーマンスを備えた TPU では行われませんでした。ただし、開発者の間では、依然として Tensorflow よりも Pytorch の方が人気があります。しかし、将来的には、おそらくより大規模なモデルが JAX プラットフォームに基づいてトレーニングされ、実行されるようになるでしょう。モデル 最近、Keras チームは、ネイティブ PyTorch 実装を使用して 3 つのバックエンド (TensorFlow、JAX、PyTorch) をベンチマークし、TensorFlow を使用して Keras2 をベンチマークしました。まず、主流のセットを選択します

iPhoneのセルラーデータインターネット速度が遅い:修正 iPhoneのセルラーデータインターネット速度が遅い:修正 May 03, 2024 pm 09:01 PM

iPhone のモバイル データ接続に遅延や遅い問題が発生していませんか?通常、携帯電話の携帯インターネットの強度は、地域、携帯ネットワークの種類、ローミングの種類などのいくつかの要因によって異なります。より高速で信頼性の高いセルラー インターネット接続を実現するためにできることがいくつかあります。解決策 1 – iPhone を強制的に再起動する 場合によっては、デバイスを強制的に再起動すると、携帯電話接続を含む多くの機能がリセットされるだけです。ステップ 1 – 音量を上げるキーを 1 回押して放します。次に、音量小キーを押して、もう一度放します。ステップ 2 – プロセスの次の部分は、右側のボタンを押し続けることです。 iPhone の再起動が完了するまで待ちます。セルラーデータを有効にし、ネットワーク速度を確認します。もう一度確認してください 修正 2 – データ モードを変更する 5G はより優れたネットワーク速度を提供しますが、信号が弱い場合はより適切に機能します

超知性の生命力が覚醒する!しかし、自己更新 AI の登場により、母親はデータのボトルネックを心配する必要がなくなりました。 超知性の生命力が覚醒する!しかし、自己更新 AI の登場により、母親はデータのボトルネックを心配する必要がなくなりました。 Apr 29, 2024 pm 06:55 PM

世界は狂ったように大きなモデルを構築していますが、インターネット上のデータだけではまったく不十分です。このトレーニング モデルは「ハンガー ゲーム」のようであり、世界中の AI 研究者は、データを貪欲に食べる人たちにどのように餌を与えるかを心配しています。この問題は、マルチモーダル タスクで特に顕著です。何もできなかった当時、中国人民大学学部のスタートアップチームは、独自の新しいモデルを使用して、中国で初めて「モデル生成データフィード自体」を実現しました。さらに、これは理解側と生成側の 2 つの側面からのアプローチであり、両方の側で高品質のマルチモーダルな新しいデータを生成し、モデル自体にデータのフィードバックを提供できます。モデルとは何ですか? Awaker 1.0 は、中関村フォーラムに登場したばかりの大型マルチモーダル モデルです。チームは誰ですか?ソフォンエンジン。人民大学ヒルハウス人工知能大学院の博士課程学生、ガオ・イージャオ氏によって設立されました。

アメリカ空軍が初のAI戦闘機を公開し注目を集める!大臣はプロセス全体を通じて干渉することなく個人的にテストを実施し、10万行のコードが21回にわたってテストされました。 アメリカ空軍が初のAI戦闘機を公開し注目を集める!大臣はプロセス全体を通じて干渉することなく個人的にテストを実施し、10万行のコードが21回にわたってテストされました。 May 07, 2024 pm 05:00 PM

最近、軍事界は、米軍戦闘機が AI を使用して完全自動空戦を完了できるようになったというニュースに圧倒されました。そう、つい最近、米軍のAI戦闘機が初めて公開され、その謎が明らかになりました。この戦闘機の正式名称は可変安定性飛行シミュレーター試験機(VISTA)で、アメリカ空軍長官が自ら飛行させ、一対一の空戦をシミュレートした。 5 月 2 日、フランク ケンダル米国空軍長官は X-62AVISTA でエドワーズ空軍基地を離陸しました。1 時間の飛行中、すべての飛行動作が AI によって自律的に完了されたことに注目してください。ケンダル氏は「過去数十年にわたり、私たちは自律型空対空戦闘の無限の可能性について考えてきたが、それは常に手の届かないものだと思われてきた」と語った。しかし今では、

nuScenes の最新 SOTA | SparseAD: スパース クエリは効率的なエンドツーエンドの自動運転に役立ちます。 nuScenes の最新 SOTA | SparseAD: スパース クエリは効率的なエンドツーエンドの自動運転に役立ちます。 Apr 17, 2024 pm 06:22 PM

先頭と開始点に書かれている エンドツーエンドのパラダイムでは、統一されたフレームワークを使用して自動運転システムのマルチタスクを実現します。このパラダイムの単純さと明確さにも関わらず、サブタスクにおけるエンドツーエンドの自動運転手法のパフォーマンスは、依然としてシングルタスク手法に比べてはるかに遅れています。同時に、以前のエンドツーエンド手法で広く使用されていた高密度鳥瞰図 (BEV) 機能により、より多くのモダリティやタスクに拡張することが困難になります。ここでは、スパース検索中心のエンドツーエンド自動運転パラダイム (SparseAD) が提案されています。このパラダイムでは、スパース検索は、高密度の BEV 表現を使用せずに、空間、時間、タスクを含む運転シナリオ全体を完全に表します。具体的には、統合されたスパース アーキテクチャが、検出、追跡、オンライン マッピングなどのタスク認識のために設計されています。さらに、重い

See all articles