


Huawei Cloud dan beberapa syarikat mengeluarkan inisiatif tindakan: bersama-sama membina ekosistem perindustrian terbuka untuk pemanduan autonomi
Pada 18 November 2022, di bawah bimbingan Persatuan Pengilang Automobil China dan Persatuan Jurutera Automotif China, "Forum Sidang Kemuncak Peningkatan Perisikan Digital Industri Automotif" yang dihoskan oleh Huawei Cloud dan Institut Penyelidikan Maklumat Industri Jentera telah berjaya diadakan di Suzhou. Pada mesyuarat itu, Huawei Cloud bekerjasama dengan berpuluh-puluh rakan industri pemanduan autonomi seperti Great Wall Motors, BYD, Human Horizons, NavInfo, Stardust Data, Saimu Technology, Yingyun Technology dan Luokung Technology untuk melancarkan "Co-Create Open Autonomous Driving Inisiatif" Tindakan Rantaian Industri" (selepas ini dirujuk sebagai "Inisiatif"), bermula daripada empat arah pembinaan ekologi pemanduan autonomi, pembinaan sistem standard, keselamatan rangkaian dan keselamatan data, dan pertukaran teknologi rantaian industri, bersama-sama mengukuhkan pembinaan saya rantaian industri terbuka pemacu autonomi negara dan membantu mempercepatkan pecutan teknologi pemanduan autonomi Landed. Pemimpin dari Institut Penyelidikan Maklumat Industri Jentera, Persatuan Pengilang Automobil China, dan Persatuan Jurutera Automotif China bersama-sama menyaksikan pelepasan inisiatif itu.
Pemanduan autonomi telah memasuki kawasan perairan dalam, memupuk ekologi perindustrian terbuka adalah kuncinya
Dalam beberapa tahun kebelakangan ini, Kementerian Industri dan Teknologi Maklumat, Suruhanjaya Pembangunan dan Pembaharuan Negara serta kementerian dan suruhanjaya pusat lain telah berturut-turut Memperkenalkan dasar untuk menyenaraikan pemanduan autonomi sebagai salah satu tugas utama, dan mencadangkan untuk mempercepatkan pembinaan sistem kawal selia untuk kenderaan autonomi. Selain itu, lebih 40 wilayah dan bandar, termasuk Beijing, Shanghai, Shenzhen, dan Guangzhou, telah memperkenalkan langkah pengurusan terperinci untuk melindungi pembangunan industri pemanduan autonomi domestik daripada reka bentuk peringkat atasan. Dengan sokongan dasar perindustrian yang dioptimumkan secara berterusan, industri pemanduan autonomi negara saya telah memasuki peringkat baharu pembangunan yang lebih mendalam.
Walau bagaimanapun, pembangunan pemanduan autonomi pastinya bukan hasil daripada satu fungsi, tetapi mempunyai rantaian industri dan rantaian bekalan yang kompleks, melibatkan pengumpulan data, penyimpanan data, pemprosesan data, perlombongan data, anotasi data, model latihan, dan simulasi Dalam satu siri aspek seperti ujian, cara mengintegrasikan pelbagai sumber dan menggalakkan sinergi perusahaan dalam rantaian industri pemanduan autonomi telah menjadi masalah sukar yang dihadapi oleh industri.
Xu Donghai, timbalan ketua jurutera Persatuan Pengilang Automobil China, berkata untuk mempercepatkan pembangunan industri pemanduan autonomi negara saya, kita mesti mematuhi prinsip keterbukaan dan perkongsian, meningkatkan keupayaan inovasi bebas, dan mempromosikan rantaian industri huluan dan hiliran pemanduan autonomi seperti cip, hos, algoritma, dan platform Bekerjasama untuk membina industri terbuka dan menang-menang.
Platform awan pemacu autonomi Huawei Cloud diumumkan, R&D dipacu data, pembuatan dan pengedaran sepanjang keseluruhan proses
Nilai perkongsian dan keterbukaan terbesar adalah untuk menyelesaikan masalah masalah senario dan data dalam kuantiti dan kualiti isu peringkat bekalan, yang secara langsung boleh membenarkan teknologi menjalankan percubaan dan ralat pada senario dan data besar-besaran, mempercepatkan penyesuaian pemanduan autonomi kepada senario yang berbeza.
Huawei Cloud berganding bahu dengan rakan kongsi dari semua lapisan masyarakat untuk membina ekosistem terbuka kerjasama kerjasama, manfaat berganda dan manfaat bersama. Pada masa ini, rakan kongsi seperti NavInfo, Stardust Data dan Saimu Technology telah menyepadukan dengan pantas kelebihan dan keupayaan masing-masing berdasarkan API terbuka pemacu autonomi Huawei Cloud untuk membina platform R&D pemanduan autonomi terbuka secara ekologi. Selain itu, Huawei Cloud juga telah membuka Ploto, perpustakaan kod sumber terbuka untuk penyelesaian platform R&D pemanduan autonomi, untuk menyokong penggunaan dan dok penyedia perkhidmatan perisian profesional, dengan ketara menjimatkan masa pelaksanaan projek pemanduan autonomi.
Zhang Xiuzheng, Presiden Huawei Cloud China, berkata untuk mengukuhkan kemakmuran ekosistem pemanduan autonomi, Huawei Cloud akan menyediakan platform R&D terbuka untuk semua pihak dalam industri dan menaik taraf pelbagai penyelesaian untuk membantu autonomi memacu syarikat mempercepatkan pertumbuhan mereka dan menjadi lebih kuat.
Mengintegrasikan lebih daripada 30 tahun teknologi dan pengumpulan pengalaman Huawei, Huawei Cloud menyediakan lapan keupayaan utama untuk syarikat kereta, termasuk: pengalaman transformasi digital, keupayaan pembuatan pintar dan pengalaman globalisasi , keupayaan kerjasama awan-awan, penyelesaian pematuhan keselamatan autonomi, inovasi teknologi asas dan keupayaan kerjasama ekologi terbuka.
Selain itu, Huawei Cloud juga mengeluarkan susun atur infrastruktur awan industri automotif global "1+3+M+N", bersatu dengan pengeluar rantaian alat arus perdana seperti anotasi data, latihan, simulasi dan pedagang graf untuk membina selamat Patuh, terbuka dan dipisahkan platform awan pemanduan autonomi.
Pada masa ini, Chinese Horizons (Gaohe Automobile) dan Huawei Cloud telah membina platform awan khusus untuk pemanduan autonomi, yang boleh meningkatkan kecekapan penyelidikan dan pembangunan dengan ketara serta mengurangkan kos sambil memenuhi pematuhan data.
Dari kasut rotan buluh kepada basikal ditarik kuda, daripada kereta kuda tradisional kepada wap, elektrifikasi dan juga evolusi kecerdasan, manusia tidak pernah berhenti mencuba dan meneroka kaedah perjalanan. Pada masa ini, pemanduan autonomi masih menjadi penanda aras untuk pembangunan industri. Menghadapi masa depan, Huawei Cloud akan terus meneroka industri pemanduan autonomi secara mendalam, dan bekerjasama dengan rakan kongsi dengan keupayaan digital proses penuh dan perkhidmatan ekologi terbuka untuk bersama-sama mempromosikan pembangunan pesat bidang pemanduan autonomi dan membantu industri automobil China menjadi lebih besar dan lebih kuat.
Atas ialah kandungan terperinci Huawei Cloud dan beberapa syarikat mengeluarkan inisiatif tindakan: bersama-sama membina ekosistem perindustrian terbuka untuk pemanduan autonomi. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Ditulis di atas & pemahaman peribadi pengarang Gaussiansplatting tiga dimensi (3DGS) ialah teknologi transformatif yang telah muncul dalam bidang medan sinaran eksplisit dan grafik komputer dalam beberapa tahun kebelakangan ini. Kaedah inovatif ini dicirikan oleh penggunaan berjuta-juta Gaussians 3D, yang sangat berbeza daripada kaedah medan sinaran saraf (NeRF), yang terutamanya menggunakan model berasaskan koordinat tersirat untuk memetakan koordinat spatial kepada nilai piksel. Dengan perwakilan adegan yang eksplisit dan algoritma pemaparan yang boleh dibezakan, 3DGS bukan sahaja menjamin keupayaan pemaparan masa nyata, tetapi juga memperkenalkan tahap kawalan dan pengeditan adegan yang tidak pernah berlaku sebelum ini. Ini meletakkan 3DGS sebagai penukar permainan yang berpotensi untuk pembinaan semula dan perwakilan 3D generasi akan datang. Untuk tujuan ini, kami menyediakan gambaran keseluruhan sistematik tentang perkembangan dan kebimbangan terkini dalam bidang 3DGS buat kali pertama.

Semalam semasa temu bual, saya telah ditanya sama ada saya telah membuat sebarang soalan berkaitan ekor panjang, jadi saya fikir saya akan memberikan ringkasan ringkas. Masalah ekor panjang pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi, iaitu, kemungkinan senario dengan kebarangkalian yang rendah untuk berlaku. Masalah ekor panjang yang dirasakan adalah salah satu sebab utama yang kini mengehadkan domain reka bentuk pengendalian kenderaan autonomi pintar satu kenderaan. Seni bina asas dan kebanyakan isu teknikal pemanduan autonomi telah diselesaikan, dan baki 5% masalah ekor panjang secara beransur-ansur menjadi kunci untuk menyekat pembangunan pemanduan autonomi. Masalah ini termasuk pelbagai senario yang berpecah-belah, situasi yang melampau dan tingkah laku manusia yang tidak dapat diramalkan. "Ekor panjang" senario tepi dalam pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi (AVs) kes Edge adalah senario yang mungkin dengan kebarangkalian yang rendah untuk berlaku. kejadian yang jarang berlaku ini

0. Ditulis di hadapan&& Pemahaman peribadi bahawa sistem pemanduan autonomi bergantung pada persepsi lanjutan, membuat keputusan dan teknologi kawalan, dengan menggunakan pelbagai penderia (seperti kamera, lidar, radar, dll.) untuk melihat persekitaran sekeliling dan menggunakan algoritma dan model untuk analisis masa nyata dan membuat keputusan. Ini membolehkan kenderaan mengenali papan tanda jalan, mengesan dan menjejaki kenderaan lain, meramalkan tingkah laku pejalan kaki, dsb., dengan itu selamat beroperasi dan menyesuaikan diri dengan persekitaran trafik yang kompleks. Teknologi ini kini menarik perhatian meluas dan dianggap sebagai kawasan pembangunan penting dalam pengangkutan masa depan satu. Tetapi apa yang menyukarkan pemanduan autonomi ialah memikirkan cara membuat kereta itu memahami perkara yang berlaku di sekelilingnya. Ini memerlukan algoritma pengesanan objek tiga dimensi dalam sistem pemanduan autonomi boleh melihat dan menerangkan dengan tepat objek dalam persekitaran sekeliling, termasuk lokasinya,

Artikel perintis dan utama pertama terutamanya memperkenalkan beberapa sistem koordinat yang biasa digunakan dalam teknologi pemanduan autonomi, dan cara melengkapkan korelasi dan penukaran antara mereka, dan akhirnya membina model persekitaran bersatu. Fokus di sini adalah untuk memahami penukaran daripada kenderaan kepada badan tegar kamera (parameter luaran), penukaran kamera kepada imej (parameter dalaman) dan penukaran unit imej kepada piksel. Penukaran daripada 3D kepada 2D akan mempunyai herotan, terjemahan, dsb. Perkara utama: Sistem koordinat kenderaan dan sistem koordinat badan kamera perlu ditulis semula: sistem koordinat satah dan sistem koordinat piksel Kesukaran: herotan imej mesti dipertimbangkan Kedua-dua penyahherotan dan penambahan herotan diberi pampasan pada satah imej. 2. Pengenalan Terdapat empat sistem penglihatan secara keseluruhannya: sistem koordinat satah piksel (u, v), sistem koordinat imej (x, y), sistem koordinat kamera () dan sistem koordinat dunia (). Terdapat hubungan antara setiap sistem koordinat,

Ramalan trajektori memainkan peranan penting dalam pemanduan autonomi Ramalan trajektori pemanduan autonomi merujuk kepada meramalkan trajektori pemanduan masa hadapan kenderaan dengan menganalisis pelbagai data semasa proses pemanduan kenderaan. Sebagai modul teras pemanduan autonomi, kualiti ramalan trajektori adalah penting untuk kawalan perancangan hiliran. Tugas ramalan trajektori mempunyai timbunan teknologi yang kaya dan memerlukan kebiasaan dengan persepsi dinamik/statik pemanduan autonomi, peta ketepatan tinggi, garisan lorong, kemahiran seni bina rangkaian saraf (CNN&GNN&Transformer), dll. Sangat sukar untuk bermula! Ramai peminat berharap untuk memulakan ramalan trajektori secepat mungkin dan mengelakkan perangkap Hari ini saya akan mengambil kira beberapa masalah biasa dan kaedah pembelajaran pengenalan untuk ramalan trajektori! Pengetahuan berkaitan pengenalan 1. Adakah kertas pratonton teratur? A: Tengok survey dulu, hlm

Tajuk asal: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving Paper pautan: https://arxiv.org/pdf/2402.02519.pdf Pautan kod: https://github.com/HKUST-Aerial-Robotics/SIMPL Unit pengarang: Universiti Sains Hong Kong dan Teknologi Idea Kertas DJI: Kertas kerja ini mencadangkan garis dasar ramalan pergerakan (SIMPL) yang mudah dan cekap untuk kenderaan autonomi. Berbanding dengan agen-sen tradisional

Ditulis di hadapan & titik permulaan Paradigma hujung ke hujung menggunakan rangka kerja bersatu untuk mencapai pelbagai tugas dalam sistem pemanduan autonomi. Walaupun kesederhanaan dan kejelasan paradigma ini, prestasi kaedah pemanduan autonomi hujung ke hujung pada subtugas masih jauh ketinggalan berbanding kaedah tugasan tunggal. Pada masa yang sama, ciri pandangan mata burung (BEV) padat yang digunakan secara meluas dalam kaedah hujung ke hujung sebelum ini menyukarkan untuk membuat skala kepada lebih banyak modaliti atau tugasan. Paradigma pemanduan autonomi hujung ke hujung (SparseAD) tertumpu carian jarang dicadangkan di sini, di mana carian jarang mewakili sepenuhnya keseluruhan senario pemanduan, termasuk ruang, masa dan tugas, tanpa sebarang perwakilan BEV yang padat. Khususnya, seni bina jarang bersatu direka bentuk untuk kesedaran tugas termasuk pengesanan, penjejakan dan pemetaan dalam talian. Di samping itu, berat

Pada bulan lalu, atas sebab-sebab yang diketahui umum, saya telah mengadakan pertukaran yang sangat intensif dengan pelbagai guru dan rakan sekelas dalam industri. Topik yang tidak dapat dielakkan dalam pertukaran secara semula jadi adalah hujung ke hujung dan Tesla FSDV12 yang popular. Saya ingin mengambil kesempatan ini untuk menyelesaikan beberapa buah fikiran dan pendapat saya pada masa ini untuk rujukan dan perbincangan anda. Bagaimana untuk mentakrifkan sistem pemanduan autonomi hujung ke hujung, dan apakah masalah yang sepatutnya dijangka diselesaikan hujung ke hujung? Menurut definisi yang paling tradisional, sistem hujung ke hujung merujuk kepada sistem yang memasukkan maklumat mentah daripada penderia dan secara langsung mengeluarkan pembolehubah yang membimbangkan tugas. Sebagai contoh, dalam pengecaman imej, CNN boleh dipanggil hujung-ke-hujung berbanding kaedah pengekstrak ciri + pengelas tradisional. Dalam tugas pemanduan autonomi, masukkan data daripada pelbagai penderia (kamera/LiDAR
