華為雲端與多家企業發布行動倡議:共建自動駕駛開放產業生態
2022年11月18日,由中國汽車工業協會與中國汽車工程學會指導,由華為雲端聯合機械工業資訊研究院主辦的「汽車產業數智升級高峰論壇」在蘇州成功舉辦。會上,華為雲端聯合長城汽車、比亞迪、華人運通、四維圖新、星塵數據、賽目科技、映雲科技、籮籃技術等數十家自動駕駛產業夥伴發起「共創自動駕駛開放產業鏈行動倡議」(以下簡稱「倡議」),從自動駕駛生態建設、標準體系建構、網路安全與資料安全、產業鏈技術交流四個方向出發,共同強化我國自動駕駛開放產業鏈建設,協助自動駕駛技術加速落地。機械工業資訊研究院、中國汽車工業協會、中國汽車工程學會領導共同見證了倡議的發布。
自動駕駛步入深水區,培育開放產業生態是關鍵
近年來,工信部、發改委等中央部會相繼推出政策,將自動駕駛列為重點任務之一,並提出加速推動自動駕駛汽車法規體系建置。此外,北京、上海、深圳、廣州等40多個省市推出了細緻的管理辦法,從頂樓設計為國內自動駕駛產業發展保駕護航。在不斷優化的產業政策支持下,我國自動駕駛產業步入深化發展的新階段。
然而,自動駕駛的發展絕對不是單一功能的輸出,而是擁有複雜的產業鍊和供應鏈,涉及資料收集、資料儲存、資料處理、資料探勘、資料標註、模型訓練、仿真測試等一系列環節,如何整合多方資源,推動自動駕駛產業鏈上的企業形成合力,成為擺在產業面前的難題。
中國汽車工業協會副總工程師許東海表示,我國自動駕駛產業加速發展,必須堅定開放共享原則,增強自主創新能力,推動晶片、主機、演算法、平台等自動駕駛上下游產業鏈合作,建構開放共贏的產業。
華為雲端自動駕駛雲端平台亮相,資料驅動研發、製造、流通全環節
共享和開放的最大價值,在於解決了場景和資料在數量和品質供給量級上的問題,能夠直接讓技術在海量場景和數據上進行試驗和試錯,加快自動駕駛對不同場景的適應速度。
華為雲攜手產業各界夥伴,共同建構協同合作、效益倍增、互利共贏的開放生態。目前,四維圖新、星塵資料、賽目科技等夥伴基於華為雲端自動駕駛開放API,已快速整合各自優勢能力,打造生態開放的自動駕駛研發平台。此外,華為雲端也開放了自動駕駛研發平台解決方案的開源程式碼庫Ploto,支援專業軟體服務商部署和對接,大幅節省自動駕駛專案的落地時間。
華為雲中國區總裁張修徵表示,為加強自動駕駛生態繁榮,華為雲將為產業各方提供開放的研發平台,併升級各類解決方案,幫助自動駕駛企業加速成長、做大做強。
整合華為30多年的技術與經驗積累,華為雲為車企提供了8大關鍵能力,包括:數位轉型經驗、智慧製造能力、全球化經驗、雲雲協同能力、自動駕駛方案;安全合規方案、底層技術創新、以及開放生態合作能力。
此外,華為雲端也發表了「1 3 M N」的全球汽車產業雲端基礎架構佈局,聯合主流的資料標註、訓練、模擬和圖商等工具鏈廠商,建構安全合規、開放解耦的自動駕駛雲平台。
目前,華人運通(高合汽車)攜手華為雲端建構了自動駕駛專屬雲端平台,在滿足資料合規的前提下,大幅提升研發效率,降低成本。
從竹杖芒鞋到匹馬單車,從傳統的馬車到蒸汽化、電氣化甚至到智能化的演變,人類對出行方式的嘗試和探索從未停止過。目前,自動駕駛依舊是產業發展的風向標。面向未來,華為雲將持續深耕自動駕駛產業,以全流程數位化能力和開放的生態服務,與合作夥伴攜手同行,共同推動自動駕駛領域的快速發展,助推中國汽車產業做大做強。
以上是華為雲端與多家企業發布行動倡議:共建自動駕駛開放產業生態的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

寫在前面&筆者的個人理解三維Gaussiansplatting(3DGS)是近年來在顯式輻射場和電腦圖形學領域出現的一種變革性技術。這種創新方法的特點是使用了數百萬個3D高斯,這與神經輻射場(NeRF)方法有很大的不同,後者主要使用隱式的基於座標的模型將空間座標映射到像素值。 3DGS憑藉其明確的場景表示和可微分的渲染演算法,不僅保證了即時渲染能力,而且引入了前所未有的控制和場景編輯水平。這將3DGS定位為下一代3D重建和表示的潛在遊戲規則改變者。為此我們首次系統性地概述了3DGS領域的最新發展與關

昨天面試被問到了是否做過長尾相關的問題,所以就想著簡單總結一下。自動駕駛長尾問題是指自動駕駛汽車中的邊緣情況,即發生機率較低的可能場景。感知的長尾問題是目前限制單車智慧自動駕駛車輛運行設計域的主要原因之一。自動駕駛的底層架構和大部分技術問題已經解決,剩下的5%的長尾問題,逐漸成了限制自動駕駛發展的關鍵。這些問題包括各種零碎的場景、極端的情況和無法預測的人類行為。自動駕駛中的邊緣場景"長尾"是指自動駕駛汽車(AV)中的邊緣情況,邊緣情況是發生機率較低的可能場景。這些罕見的事件

0.寫在前面&&個人理解自動駕駛系統依賴先進的感知、決策和控制技術,透過使用各種感測器(如相機、光達、雷達等)來感知周圍環境,並利用演算法和模型進行即時分析和決策。這使得車輛能夠識別道路標誌、檢測和追蹤其他車輛、預測行人行為等,從而安全地操作和適應複雜的交通環境。這項技術目前引起了廣泛的關注,並認為是未來交通領域的重要發展領域之一。但是,讓自動駕駛變得困難的是弄清楚如何讓汽車了解周圍發生的事情。這需要自動駕駛系統中的三維物體偵測演算法可以準確地感知和描述周圍環境中的物體,包括它們的位置、

一先導與重點文章主要介紹自動駕駛技術中幾種常用的座標系統,以及他們之間如何完成關聯與轉換,最終建構出統一的環境模型。這裡重點理解自車到相機剛體轉換(外參),相機到影像轉換(內參),影像到像素有單位轉換。 3d向2d轉換會有對應的畸變,平移等。重點:自車座標系相機機體座標系需要被重寫的是:平面座標系像素座標系難點:要考慮影像畸變,去畸變和加畸變都是在像平面上去補償二簡介視覺系統一共有四個座標系:像素平面座標系(u,v)、影像座標系(x,y)、相機座標系()與世界座標系()。每種座標系之間均有聯繫,

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

原文標題:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving論文連結:https://arxiv.org/pdf/2402.02519.pdf程式碼連結:https://github.com/HKUST-Aerial-Robotics/SIMPLobotics單位論文想法:本文提出了一種用於自動駕駛車輛的簡單且有效率的運動預測基線(SIMPL)。與傳統的以代理為中心(agent-cent

最近一個月由於眾所周知的一些原因,非常密集地和業界的各種老師同學進行了交流。交流中必不可免的一個話題自然是端到端與火辣的特斯拉FSDV12。想藉此機會,整理當下這個時刻的一些想法和觀點,供大家參考和討論。如何定義端到端的自動駕駛系統,應該期望端到端解決什麼問題?依照最傳統的定義,端到端的系統指的是一套系統,輸入感測器的原始訊息,直接輸出任務關心的變數。例如,在影像辨識中,CNN相對於傳統的特徵提取器+分類器的方法就可以稱之為端到端。在自動駕駛任務中,輸入各種感測器的資料(相機/LiDAR

目標偵測在自動駕駛系統當中是一個比較成熟的問題,其中行人偵測是最早得以部署演算法之一。在多數論文當中已經進行了非常全面的研究。然而,利用魚眼相機進行環視的距離感知相對來說研究較少。由於徑向畸變大,標準的邊界框表示在魚眼相機當中很難實施。為了緩解上述描述,我們探索了擴展邊界框、橢圓、通用多邊形設計為極座標/角度表示,並定義一個實例分割mIOU度量來分析這些表示。所提出的具有多邊形形狀的模型fisheyeDetNet優於其他模型,並同時在用於自動駕駛的Valeo魚眼相機資料集上實現了49.5%的mAP
