푸단대학교, 버섯 자율주행 인공지능 연구센터 공개
20일 두뉴스에 따르면 지난 12월 19일 상하이에서 열린 상하이 '뇌 및 뇌 유사 지능의 기본 변환 및 응용 연구' 과학기술 전공 프로젝트 2023년 연례 요약회의에서 푸단대-모구치 자동차 네트워크가 " 자율주행 인공지능 '지능학교-기업공동연구센터'가 공식 공개됐다. 제막식에는 푸단대학교 총장이자 중국과학원 원사인 Jin Li와 Mogu Auto Alliance의 설립자 겸 CEO인 Zhu Lei가 참석하여 이 중요한 순간을 목격했습니다
Zhao Jian 상하이 과학기술위원회 수석 엔지니어, 전 과학기술부 차관, 국제반도체조명연맹 회장, Jihua 연구소 회장 겸 이사 Cao Jianlin, 중국과학원 원사, 전 푸단 주석 Xu Ningsheng, 푸단대학교 중국과학원 원장 Zhang Renhe, 대학교 부총장, Feng Jianfeng, 푸단대학교 뇌지능과학기술연구소 소장, 상하이 수학센터 수석 교수 및 학장 푸단대학교 빅데이터 학부 교수, Guo Xingrong, Mushroom AutoLink 최고 기술 책임자 등이 제막식에 참석했습니다
푸단대학교는 인공지능 분야의 기본 교과 체계와 인재 양성에 있어 독특한 장점을 갖고 있습니다. 최근 몇 년 동안 본교는 인공지능이라는 최첨단 학문의 배치를 강화하고, 세계 최고의 인재를 다수 소개 및 양성하며, 일련의 주요 국가 과학 기술 및 산학연 협력 성과를 달성해 왔습니다
푸단대학교와 머쉬룸오토가 공동으로 '자율주행 인공지능 산학공동연구센터'를 설립했습니다. 이 센터는 복단대학교의 뛰어난 과학 연구 결과와 인재 우위뿐만 아니라 Moguolian의 선도적인 기술 제품 역량, 풍부한 구현 시나리오 및 상업 실무 경험에 의존합니다. 양 당사자 간의 강력한 동맹을 통해 센터는 "차량-도로-클라우드 통합" 분야에서 세계 최고의 산학연 공동 연구 기관이 되는 것을 목표로 합니다
2022년부터 버섯자동차협회와 푸단대학교는 다양한 산학연 협력을 진행하기 시작했습니다. 양 당사자는 각자의 장점을 최대한 활용하고 과학자, 알고리즘 엔지니어 및 기술 인력으로 구성된 다수의 산학연 공동 연구팀을 설립했습니다. 그들은 "차량-도로-클라우드 통합"을 위한 여러 알고리즘 모델을 공동 개발하여 거의 10개의 결과를 달성했으며, 이는 최고의 국제 학술 기관 및 컨퍼런스에서 인정받았습니다
상하이 주요 과학 기술 응용 프로젝트의 중요한 성과 중 하나인 푸단대학교와 모구체는 AI 대형 모델을 기반으로 한 세계 최초의 '차량-도로-클라우드 통합' 시스템 3.0을 공동 출시했습니다. 이 시스템은 차량, 도로, 클라우드 단말의 대규모 교통 빅데이터를 활용해 대규모 AI 모델을 구축해 인지부터 인지, 협업적 의사결정까지 자율주행의 전 과정을 구현하고, 도로변 데이터를 활용해 시뮬레이션과 모델 훈련을 지원한다. L0-L4 자율주행의 더욱 스마트하고 안전한 대규모 적용으로 전 세계 교통 운영의 안전성과 효율성이 크게 향상되었습니다
앞으로 양 당사자는 각자의 장점을 최대한 활용하고, 장기적이고 효율적인 산학연 협력 관계를 구축하고, 자율주행차 '차량-도로-클라우드 통합' 분야에서 독립적인 혁신 역량을 지속적으로 강화해 나갈 것입니다. 운전 및 관련 연구를 계속하고 인공 지능 연구 분야의 최전선에 계속 전념하고 과학 연구 결과의 변환 및 응용 능력을 향상하며 교통 강국, 자동차 강국 및 디지털 중국 건설을 지원합니다.
위 내용은 푸단대학교, 버섯 자율주행 인공지능 연구센터 공개의 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
7518
15
1378
52
80
11
53
19
21
67
자율주행 분야에서 Gaussian Splatting이 인기를 끌면서 NeRF가 폐기되기 시작한 이유는 무엇입니까?
Jan 17, 2024 pm 02:57 PM
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.
자율주행 시나리오에서 롱테일 문제를 해결하는 방법은 무엇입니까?
Jun 02, 2024 pm 02:44 PM
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
카메라 또는 LiDAR를 선택하시겠습니까? 강력한 3D 객체 감지 달성에 대한 최근 검토
Jan 26, 2024 am 11:18 AM
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,
좌표계 변환을 실제로 마스터하셨나요? 자율주행에 필수불가결한 멀티센서 이슈
Oct 12, 2023 am 11:21 AM
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,
자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다!
Feb 28, 2024 pm 07:20 PM
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
SIMPL: 자율 주행을 위한 간단하고 효율적인 다중 에이전트 동작 예측 벤치마크
Feb 20, 2024 am 11:48 AM
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
nuScenes의 최신 SOTA | SparseAD: Sparse 쿼리는 효율적인 엔드투엔드 자율주행을 지원합니다!
Apr 17, 2024 pm 06:22 PM
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.
FisheyeDetNet: 어안 카메라를 기반으로 한 최초의 표적 탐지 알고리즘
Apr 26, 2024 am 11:37 AM
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.
