Rumah Peranti teknologi AI Horizon mengeluarkan algoritma Sparse4D sumber terbuka, mendorong satu langkah lebih dekat kepada pemanduan autonomi hujung ke hujung

Horizon mengeluarkan algoritma Sparse4D sumber terbuka, mendorong satu langkah lebih dekat kepada pemanduan autonomi hujung ke hujung

Jan 24, 2024 pm 12:00 PM
Pemanduan autonomi ufuk

Pada 22 Januari, Horizon akan membuka sumber siri Sparse4D bagi algoritma pemanduan autonomi visual tulen untuk menggalakkan lebih ramai pembangun dalam industri mengambil bahagian dalam penerokaan arah teknologi canggih seperti pemanduan autonomi hujung ke hujung dan persepsi jarang. Pada masa ini, algoritma Sparse4D telah dilancarkan pada platform GitHub Pembangun boleh mengikuti akaun rasmi Horizon GitHub "Robotik Horizon" untuk mendapatkan kod sumber.

Sparse4D ialah satu siri algoritma ke arah pengesanan sasaran 3D jarang jangka panjang, yang tergolong dalam kategori teknologi pengesan gabungan berbilang pandangan temporal. Menghadapi trend pembangunan industri persepsi jarang, Sparse4D telah membina rangka kerja persepsi gabungan jarang tulen untuk menjadikan algoritma persepsi lebih cekap dan tepat, serta menjadikan sistem persepsi lebih mudah. Berbanding dengan algoritma BEV yang padat, Sparse4D mengurangkan kerumitan pengiraan, memecahkan had kuasa pengkomputeran pada julat persepsi dan mengatasi algoritma BEV yang padat dari segi kesan persepsi dan kelajuan penaakulan. Dalam kedua-dua senarai pengesanan 3D visual tulen dan 3D nuScenes, Sparse4D menduduki tempat pertama, menjadi SOTA, mendahului kaedah terkini termasuk SOLOFusion, BEVFormer v2 dan StreamPETR.

Horizon mengeluarkan algoritma Sparse4D sumber terbuka, mendorong satu langkah lebih dekat kepada pemanduan autonomi hujung ke hujung

Seni bina algoritma Sparse4D

Selepas tiga versi lelaran, pasukan Horizon Sparse4D telah berjaya mengatasi masalah teknikal seperti peningkatan prestasi algoritma pemacuan temporal yang kompleks dan pensampelan merah penjejakan sasaran tamat. Baru-baru ini, mereka menerbitkan kertas kerja bertajuk "Sparse4D v3: Memajukan Pengesanan dan Penjejakan 3D Hujung ke Akhir", memperincikan hasil penyelidikan mereka. Dengan menggunakan data perniagaan Horizon untuk pengesahan prestasi, pasukan Sparse4D telah berjaya menggunakan penyelesaian pengkomputeran Horizon Journey 5. Pada masa hadapan, mengikut rancangan, teknologi Sparse4D akan digunakan dalam produk generasi seterusnya Horizon. Pencapaian keputusan ini akan menggalakkan lagi pembangunan Horizon.

Dr. Yu Yinan, Naib Presiden Horizon dan Presiden Barisan Produk Platform Perisian, menegaskan bahawa industri semasa telah memasuki era penderiaan hujung ke hujung, dan hanya satu rangkaian boleh melengkapkan keseluruhan penderiaan tugasan. Beliau percaya bahawa siri algoritma Sparse4D telah meningkatkan prestasi algoritma jarang ke tahap baharu dan berjaya mencapai penjejakan berbilang sasaran hujung ke hujung. Ini sangat penting untuk persepsi yang jarang dan pemanduan autonomi hujung ke hujung, dan boleh dikatakan sebagai satu kejayaan besar. Horizon memilih untuk membuka sumber Sparse4D kepada seluruh industri, dengan harapan dapat mencapai kemajuan bersama-sama dengan pembangun yang cemerlang dalam industri.

Horizon mengeluarkan algoritma Sparse4D sumber terbuka, mendorong satu langkah lebih dekat kepada pemanduan autonomi hujung ke hujung

Perbandingan antara sistem persepsi tradisional dan sistem persepsi hujung-ke-hujung

Satu lagi contoh Horizon yang mengambil bahagian secara aktif dalam pembinaan pintar memacu perisian sumber terbuka ekosistem sumber terbuka Spar. . Algoritma ini mempunyai potensi aplikasi yang besar dalam pelaksanaan visual tulen, pemanduan autonomi hujung ke hujung. Selain itu, Horizon juga mempunyai teknologi terkemuka sumber terbuka seperti algoritma VAD dan algoritma MapTR, yang akan menggalakkan lagi pembangunan industri. Algoritma Sparse4D dijangka akan mendapat perhatian dan penggunaan yang meluas oleh pembangun industri. Usaha berterusan Horizon akan mempercepatkan proses pembangunan industri.

Horizon mematuhi konsep mengubah teknologi inovatif secara bebas, produk dan penyelesaian terobosan kepada nilai komersial rakan kongsi ekologi dalam industri kereta pintar, menyuntik tenaga ke dalam pembangunan industri. Melalui kerjasama rapat, integrasi terbuka dan inovasi kerjasama dengan semua pihak dalam industri, Horizon komited untuk menjadi sumber air hidup bagi ekosistem industri automobil pintar dan menyediakan momentum pembangunan mampan. Horizon memahami sepenuhnya bahawa pengeluaran besar-besaran pemanduan autonomi adalah satu kejayaan penting, jadi kami akan terus menerima sumber terbuka dan mempercepatkan pelaksanaan dan pengeluaran besar-besaran teknologi canggih. Kami amat percaya bahawa masa depan kerjasama menang-menang dengan industri akan menjadi lebih luas, dan Horizon akan terus bekerja keras untuk menyumbang kepada kemakmuran industri kereta pintar.

Atas ialah kandungan terperinci Horizon mengeluarkan algoritma Sparse4D sumber terbuka, mendorong satu langkah lebih dekat kepada pemanduan autonomi hujung ke hujung. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Mengapakah Gaussian Splatting begitu popular dalam pemanduan autonomi sehingga NeRF mula ditinggalkan? Mengapakah Gaussian Splatting begitu popular dalam pemanduan autonomi sehingga NeRF mula ditinggalkan? Jan 17, 2024 pm 02:57 PM

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.

Bagaimana untuk menyelesaikan masalah ekor panjang dalam senario pemanduan autonomi? Bagaimana untuk menyelesaikan masalah ekor panjang dalam senario pemanduan autonomi? Jun 02, 2024 pm 02:44 PM

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

Pilih kamera atau lidar? Kajian terbaru tentang mencapai pengesanan objek 3D yang mantap Pilih kamera atau lidar? Kajian terbaru tentang mencapai pengesanan objek 3D yang mantap Jan 26, 2024 am 11:18 AM

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,

Adakah anda benar-benar menguasai penukaran sistem koordinat? Isu berbilang sensor yang tidak dapat dipisahkan daripada pemanduan autonomi Adakah anda benar-benar menguasai penukaran sistem koordinat? Isu berbilang sensor yang tidak dapat dipisahkan daripada pemanduan autonomi Oct 12, 2023 am 11:21 AM

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,

Artikel ini sudah cukup untuk anda membaca tentang pemanduan autonomi dan ramalan trajektori! Artikel ini sudah cukup untuk anda membaca tentang pemanduan autonomi dan ramalan trajektori! Feb 28, 2024 pm 07:20 PM

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

SIMPL: Penanda aras ramalan gerakan berbilang ejen yang mudah dan cekap untuk pemanduan autonomi SIMPL: Penanda aras ramalan gerakan berbilang ejen yang mudah dan cekap untuk pemanduan autonomi Feb 20, 2024 am 11:48 AM

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

SOTA terbaharu nuScenes |. SparseAD: Pertanyaan jarang membantu pemanduan autonomi hujung ke hujung yang cekap! SOTA terbaharu nuScenes |. SparseAD: Pertanyaan jarang membantu pemanduan autonomi hujung ke hujung yang cekap! Apr 17, 2024 pm 06:22 PM

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

Mari kita bincangkan tentang sistem pemanduan autonomi hujung ke hujung dan generasi seterusnya, serta beberapa salah faham tentang pemanduan autonomi hujung ke hujung? Mari kita bincangkan tentang sistem pemanduan autonomi hujung ke hujung dan generasi seterusnya, serta beberapa salah faham tentang pemanduan autonomi hujung ke hujung? Apr 15, 2024 pm 04:13 PM

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

See all articles