화웨이 클라우드와 여러 기업이 자율주행을 위한 개방형 산업 생태계를 공동으로 구축하는 행동 계획을 발표했습니다.
2022년 11월 18일, 중국 자동차 제조업체 협회와 중국 자동차 엔지니어 협회의 지도 하에 Huawei Cloud와 기계 산업 정보 연구소가 주최한 "자동차 산업 디지털 지능 업그레이드 서밋 포럼"이 성공적으로 개최되었습니다. 소주. 회의에서 화웨이 클라우드는 Great Wall Motors, BYD, Human Horizons, NavInfo, Stardust Data, Saimu Technology, Yingyun Technology, Luokung Technology 등 수십 개의 자율주행 업계 파트너와 협력하여 'Co-Create 개방형 자율주행'을 출시했습니다. 산업체인행동'이니셔티브'(이하 '이니셔티브')는 자율주행 생태계 구축, 표준시스템 구축, 네트워크 보안 및 데이터 보안, 산업체인 기술교류 등 4개 방향을 시작으로 산업체인 기술교류를 공동으로 강화한다. 국내 자율주행 오픈 산업체인과 자율주행 기술 가속화에 도움을 안착했다. 기계산업정보연구소, 중국자동차제조협회, 중국자동차공학회 지도자들이 공동으로 이 계획의 발표를 지켜보았습니다.
자율주행이 심해역까지 진출한 만큼 개방형 산업생태를 육성하는 것이 관건
최근에는 공업정보화부, 국가발전개혁위원회 등 중앙 부처에서 잇달아 자율주행을 핵심과제 중 하나로 정책을 발표하고, 자율주행 규제체계 구축을 가속화하자고 제안했다. 또한, 베이징, 상하이, 선전, 광저우 등 40개 이상의 성 및 시에서는 국내 자율주행 산업의 발전을 최상위 설계부터 보호하기 위한 세부 관리 대책을 도입했습니다. 지속적으로 최적화된 산업 정책의 지원으로 우리나라의 자율주행 산업은 심화 발전의 새로운 단계에 진입했습니다.
그러나 자율 주행의 개발은 확실히 단일 기능의 결과가 아니라 데이터 수집, 데이터 저장, 데이터 처리, 데이터 마이닝, 데이터 주석, 모델 훈련, 시뮬레이션 테스트, 이 링크에서 자율주행 산업 체인에서 어떻게 여러 자원을 통합하고 기업의 시너지를 촉진할 것인지가 업계가 직면한 어려운 문제가 되었습니다.
중국 자동차 제조업체 협회 부국장 Xu Donghai는 우리나라의 자율 주행 산업 발전을 가속화하려면 개방과 공유의 원칙을 준수하고 독립적인 혁신 역량을 강화하며 업스트림 협력을 촉진해야 한다고 말했습니다. 칩, 호스트, 알고리즘, 플랫폼 등 다운스트림 자율주행 산업체인과 오픈A 상생산업을 구축한다.
화웨이 클라우드 자율주행 클라우드 플랫폼이 공개됐다. 데이터 기반 R&D, 제조, 유통 공유와 개방성의 가장 큰 가치는 시나리오와 데이터의 양과 질 공급 문제를 해결하고 자율주행을 직접적으로 가능하게 할 수 있다는 점이다. 기술은 대규모 시나리오와 데이터에 대한 시행착오를 수행하여 다양한 시나리오에 대한 자율 주행의 적응 속도를 높입니다.
Huawei Cloud는 각계각층의 파트너와 손을 잡고 협력 협력, 두 배의 이익, 상호 이익이 가능한 개방형 생태계를 구축합니다. 현재 NavInfo, Stardust Data 및 Saimu Technology와 같은 파트너는 Huawei Cloud 자율 주행 개방형 API를 기반으로 각자의 장점과 기능을 신속하게 통합하여 생태학적 개방형 자율 주행 R&D 플랫폼을 구축했습니다. 또한, 화웨이 클라우드는 전문 소프트웨어 서비스 제공업체의 배포 및 도킹을 지원하기 위해 자율주행 R&D 플랫폼 솔루션을 위한 오픈 소스 코드 라이브러리인 Ploto도 공개해 자율주행 프로젝트 구현 시간을 크게 단축했습니다. Huawei Cloud China 사장 Zhang Xiuzheng은 자율주행 생태계의 번영을 강화하기 위해 Huawei Cloud는 업계 모든 당사자에게 개방형 R&D 플랫폼을 제공하고 다양한 솔루션을 업그레이드하여 자율주행 기업이 자율주행 생태계의 번영을 가속화할 수 있도록 지원할 것이라고 말했습니다. 성장하고 더 커지고 강해집니다.화웨이의 30년 이상의 기술과 경험 축적을 통합한 화웨이 클라우드는 자동차 회사에 디지털 변혁 경험, 지능형 제조 능력, 세계화 경험, 클라우드-클라우드 협업 능력, 자율 주행 솔루션을 포함한 8가지 핵심 기능을 제공합니다. 안전 규정 준수 솔루션, 기반 기술 혁신, 개방형 생태학적 협력 역량.
대나무 신발부터 말이 끄는 자전거까지, 전통 마차부터 증기, 전기, 지능의 진화까지 인류는 여행 방법에 대한 시도와 탐구를 멈추지 않았습니다. 현재 자율주행은 여전히 산업 발전의 기준이 되고 있습니다. 미래에 대비해 화웨이 클라우드는 계속해서 자율주행 산업을 깊이 탐구하고 전체 프로세스 디지털 역량과 개방형 생태학적 서비스를 갖춘 파트너들과 협력해 자율주행 분야의 급속한 발전을 공동으로 촉진하고 중국 자동차 산업이 더 크고 더 강해졌습니다.
위 내용은 화웨이 클라우드와 여러 기업이 자율주행을 위한 개방형 산업 생태계를 공동으로 구축하는 행동 계획을 발표했습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











위에 작성됨 및 저자의 개인적인 이해 3DGS(3차원 가우스플래팅)는 최근 몇 년간 명시적 방사선장 및 컴퓨터 그래픽 분야에서 등장한 혁신적인 기술입니다. 이 혁신적인 방법은 수백만 개의 3D 가우스를 사용하는 것이 특징이며, 이는 주로 암시적 좌표 기반 모델을 사용하여 공간 좌표를 픽셀 값에 매핑하는 NeRF(Neural Radiation Field) 방법과 매우 다릅니다. 명시적인 장면 표현과 미분 가능한 렌더링 알고리즘을 갖춘 3DGS는 실시간 렌더링 기능을 보장할 뿐만 아니라 전례 없는 수준의 제어 및 장면 편집 기능을 제공합니다. 이는 3DGS를 차세대 3D 재구성 및 표현을 위한 잠재적인 게임 체인저로 자리매김합니다. 이를 위해 우리는 처음으로 3DGS 분야의 최신 개발 및 관심사에 대한 체계적인 개요를 제공합니다.

어제 인터뷰 도중 롱테일 관련 질문을 해본 적이 있느냐는 질문을 받아서 간략하게 요약해볼까 생각했습니다. 자율주행의 롱테일 문제는 자율주행차의 엣지 케이스, 즉 발생 확률이 낮은 가능한 시나리오를 말한다. 인지된 롱테일 문제는 현재 단일 차량 지능형 자율주행차의 운영 설계 영역을 제한하는 주요 이유 중 하나입니다. 자율주행의 기본 아키텍처와 대부분의 기술적인 문제는 해결되었으며, 나머지 5%의 롱테일 문제는 점차 자율주행 발전을 제한하는 핵심이 되었습니다. 이러한 문제에는 다양한 단편적인 시나리오, 극단적인 상황, 예측할 수 없는 인간 행동이 포함됩니다. 자율 주행에서 엣지 시나리오의 "롱테일"은 자율주행차(AV)의 엣지 케이스를 의미하며 발생 확률이 낮은 가능한 시나리오입니다. 이런 희귀한 사건

0. 전면 작성&& 자율주행 시스템은 다양한 센서(예: 카메라, 라이더, 레이더 등)를 사용하여 주변 환경을 인식하고 알고리즘과 모델을 사용하는 고급 인식, 의사결정 및 제어 기술에 의존한다는 개인적인 이해 실시간 분석과 의사결정을 위해 이를 통해 차량은 도로 표지판을 인식하고, 다른 차량을 감지 및 추적하며, 보행자 행동을 예측하는 등 복잡한 교통 환경에 안전하게 작동하고 적응할 수 있게 되므로 현재 널리 주목받고 있으며 미래 교통의 중요한 발전 분야로 간주됩니다. . 하나. 하지만 자율주행을 어렵게 만드는 것은 자동차가 주변에서 일어나는 일을 어떻게 이해할 수 있는지 알아내는 것입니다. 이를 위해서는 자율주행 시스템의 3차원 객체 감지 알고리즘이 주변 환경의 객체의 위치를 포함하여 정확하게 인지하고 묘사할 수 있어야 하며,

첫 번째 파일럿 및 주요 기사에서는 주로 자율 주행 기술에서 일반적으로 사용되는 여러 좌표계를 소개하고 이들 간의 상관 관계 및 변환을 완료하고 최종적으로 통합 환경 모델을 구축하는 방법을 소개합니다. 여기서 초점은 차량에서 카메라 강체로의 변환(외부 매개변수), 카메라에서 이미지로의 변환(내부 매개변수), 이미지에서 픽셀 단위로의 변환을 이해하는 것입니다. 3D에서 2D로의 변환에는 해당 왜곡, 변환 등이 포함됩니다. 요점: 차량 좌표계와 카메라 본체 좌표계를 다시 작성해야 합니다. 평면 좌표계와 픽셀 좌표계 난이도: 이미지 평면에서 왜곡 제거와 왜곡 추가를 모두 고려해야 합니다. 2. 소개 좌표계에는 픽셀 평면 좌표계(u, v), 이미지 좌표계(x, y), 카메라 좌표계(), 월드 좌표계() 등 총 4가지 비전 시스템이 있습니다. 각 좌표계 사이에는 관계가 있으며,

자율주행 궤적 예측은 차량의 주행 과정에서 발생하는 다양한 데이터를 분석하여 차량의 향후 주행 궤적을 예측하는 것을 의미합니다. 자율주행의 핵심 모듈인 궤도 예측의 품질은 후속 계획 제어에 매우 중요합니다. 궤적 예측 작업은 풍부한 기술 스택을 보유하고 있으며 자율 주행 동적/정적 인식, 고정밀 지도, 차선, 신경망 아키텍처(CNN&GNN&Transformer) 기술 등에 대한 익숙함이 필요합니다. 시작하기가 매우 어렵습니다! 많은 팬들은 가능한 한 빨리 궤도 예측을 시작하여 함정을 피하기를 희망합니다. 오늘은 궤도 예측을 위한 몇 가지 일반적인 문제와 입문 학습 방법을 살펴보겠습니다. 관련 지식 입문 1. 미리보기 논문이 순서대로 되어 있나요? A: 먼저 설문조사를 보세요, p

원제목: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving 논문 링크: https://arxiv.org/pdf/2402.02519.pdf 코드 링크: https://github.com/HKUST-Aerial-Robotics/SIMPL 저자 단위: Hong Kong University of Science 및 기술 DJI 논문 아이디어: 이 논문은 자율주행차를 위한 간단하고 효율적인 모션 예측 기준선(SIMPL)을 제안합니다. 기존 에이전트 센트와 비교

전면 및 시작점 작성 엔드 투 엔드 패러다임은 통합 프레임워크를 사용하여 자율 주행 시스템에서 멀티 태스킹을 달성합니다. 이 패러다임의 단순성과 명확성에도 불구하고 하위 작업에 대한 엔드투엔드 자율 주행 방법의 성능은 여전히 단일 작업 방법보다 훨씬 뒤떨어져 있습니다. 동시에 이전 엔드투엔드 방법에서 널리 사용된 조밀한 조감도(BEV) 기능으로 인해 더 많은 양식이나 작업으로 확장하기가 어렵습니다. 여기서는 희소 검색 중심의 엔드 투 엔드 자율 주행 패러다임(SparseAD)이 제안됩니다. 여기서 희소 검색은 밀집된 BEV 표현 없이 공간, 시간 및 작업을 포함한 전체 운전 시나리오를 완전히 나타냅니다. 특히 통합 스파스 아키텍처는 탐지, 추적, 온라인 매핑을 포함한 작업 인식을 위해 설계되었습니다. 게다가 무겁다.

표적 탐지는 자율주행 시스템에서 상대적으로 성숙한 문제이며, 그 중 보행자 탐지는 가장 먼저 배포되는 알고리즘 중 하나입니다. 대부분의 논문에서 매우 포괄적인 연구가 수행되었습니다. 그러나 서라운드 뷰를 위한 어안 카메라를 사용한 거리 인식은 상대적으로 덜 연구되었습니다. 큰 방사형 왜곡으로 인해 표준 경계 상자 표현은 어안 카메라에서 구현하기 어렵습니다. 위의 설명을 완화하기 위해 확장된 경계 상자, 타원 및 일반 다각형 디자인을 극/각 표현으로 탐색하고 인스턴스 분할 mIOU 메트릭을 정의하여 이러한 표현을 분석합니다. 제안된 다각형 형태의 모델 fisheyeDetNet은 다른 모델보다 성능이 뛰어나며 동시에 자율 주행을 위한 Valeo fisheye 카메라 데이터 세트에서 49.5% mAP를 달성합니다.
