侵权投诉

人工智能在自动驾驶系统的发展趋势与应用现状分析

2018-04-16 15:02 次阅读

本文以自动驾驶系统为代表的汽车智能化技术将对汽车产业生态变革产生重大影响。首先,分析了自动驾驶技术发展路线、发展现状及人工智能(Artificial Intelligence,AI)的应用领域,指出 AI 在自动驾驶应用中面临的挑战。然后,提出一种基于 AI 的车云协同自动驾驶系统架构,分析了基于 AI 的智能驾驶终端软硬件架构与基于大数据的自动驾驶云端空间架构;结合车端与云端的 AI 集成应用问题、信息数据交互方法与车云协同技术,讨论了人工智能在自动驾驶系统的主要应用。

本文来自 2018 年 3 月 15 日出版的 《 湖北汽车工业学院学报 》,作者是湖北汽车工业学院的朱政泽、周奎和彭彬。

21 世纪以来,随着新一代信息通信、新能源、新材料等技术加快与汽车产业融合,信息通信、互联网等新兴科技企业全面涉足汽车行业,世界汽车产业发展形势正面临重大变化:

1)产品形态和生产方式深度变革。汽车产品加快向新能源、轻量化、智能和网联化的方向发展,汽车正从交通工具转变为大型移动智能终端、储能单元和数字空间。汽车生产方式向充分互联协作的智能制造体系演进,个性化定制生产模式将成为趋势。

2)新兴需求和商业模式加速涌现。用户体验成为影响汽车消费的重要因素。消费需求的多元化特征日趋明显,共享出行、个性化服务成为主要方向。

3)产业格局和生态体系深刻调整。汽车发达国家加快推进产业创新和融合发展,世界汽车产业格局变化加速。互联网等新兴科技企业大举进入汽车行业,全球汽车产业生态正在重塑。

汽车智能化技术集现代传感技术、信息与通信技术、自动控制技术和人工智能等于一体,在减少交通事故、缓解交通拥堵、降低能耗、保护环境等方面具有巨大潜能。为此,世界各国都在积极制定自动驾驶技术路线图,推动自动驾驶汽车的发展,如美国的「工业互联网」、德国的「工业 4.0」、日本的「机器人革命」等各类科技规划,均将汽车智能化技术列为汽车产业发展的重要突破口,我国于 2015 年发布的《中国制造 2025》及 2017 年发布的《汽车产业中长期发展规划》明确提出「智能 + 网联」的自动驾驶汽车技术发展路线。

自动驾驶汽车系统被认为是汽车智能化发展的最高目标 [2],对改善交通安全、实现节能减排、消除拥堵、提升社会效率,拉动汽车、电子、通讯、服务、社会管理等协同发展,促进汽车产业转型升级具有重大战略意义 [3],自动驾驶技术已经成为众多企业的竞争热点。

另一方面,基于深度学习(Deep Learning,DL)在机器视觉(Machine Vision,MV)、自然语言处理(Natural Language Processing,NLP)等领域的成功应用和我国 AI 发展战略,研究 AI 在汽车自动驾驶系统中的深度应用,有十分重要的现实意义。文中梳理自动驾驶技术发展趋势,分析人工智能在汽车智能化网联化发展下的关键技术,并提出一种基于 AI 的车云协同自动驾驶系统。

1. 自动驾驶技术的发展趋势与 AI 应用现状分析

1.1 自动驾驶技术发展现状

自动驾驶汽车是一个机电一体、软硬件高度集成、以最终实现替代人操作的复杂信息物理融合系统,主要由感知、决策和执行子系统构成,自动驾驶技术涉及环境感知、决策规划、控制执行、V2X 通信等关键技术,其结构如图 1 所示。

图 1  自动驾驶汽车分层结构示意图

环境感知技术使用车载传感设备(如 GPS/INS 系统、毫米波雷达/摄像头)及 5G 网络获取汽车所处的交通环境信息和车辆状态信息(位置、姿态),并将多个传感器的输出信息统一在车辆坐标系下,建立具有时间标记的数据关联和融合的元信息,为自动驾驶的决策规划服务。

决策规划技术依据环境感知子系统输出信息,实现路由寻径、交通预测、行为决策、动作规划及反馈控制信号输出等功能。

控制执行技术使用线控执行机构完成反馈控制输出指令的执行,以实现转向、油门和制动的控制。

V2X 技术为车与外界的信息交互提供实时、可靠的通信服务,为环境感知和决策规划服务。

1.1.1 自动驾驶发展路线

目前自动驾驶技术的实现出现了 2 条路径:以传统车企为主的渐进式发展路线、以科研机构和 IT 企业为主的颠覆式发展路线[4]。

1)渐进式发展路线 通过逐步提高汽车智能化水平,沿着辅助驾驶、部分自动驾驶、高度自动驾驶和完全自动驾驶的方向分阶段发展。在辅助驾驶阶段,车辆控制以驾驶员为主,驾驶员掌握最终的驾驶权,系统辅助驾驶员,降低驾驶负担。目前已在乘用车上量产的辅助驾驶技术有侧向稳定控制、电动助力转向控制,部分高档车还装有自动泊车、自适应巡航、车道偏离预警系统等辅助驾驶系统。在部分自动驾驶阶段,车辆的智能化水平进一步提高,具有一定的自主决策能力,具备特定工况下短时托管的能力。在高度自动驾驶阶段和完全自动驾驶阶段,车辆具有高度自主性,汽车可自主决策、规划和控制,可实现复杂工况(如高速公路、城市工况)的托管能力,甚至完全无人驾驶。

2)颠覆式发展路线 跳过汽车智能化逐级发展的思路,直接实现车辆的高度/完全自动驾驶,研发难度大,其研究成果已经很好地用到渐进式发展路线的各个阶段。美国是该领域研究最早技术最先进的国家。美国国防部高级研究计划局(DARPA)从 20 世纪 80 年代开始通过 ALV 项目、DEMO-II 计划、DEMO-III 计划等资助美国企业、科研机构和高等院校进行颠覆式自动驾驶技术在军事领域的应用。谷歌公司是目前在该领域取得成果最为显著的企业,其 2009 年开始自动驾驶技术研究,2010 年进行了自动驾驶汽车城市路况测试,2011 年获得自动驾驶汽车的授权,目前其研发的自动驾驶汽车已经被美国车辆安全监管机构认为符合联邦法律。德国也是最早开始该领域研究的国家,早在 20 世纪 80 年代,德国慕尼黑联邦国防军大学就与奔驰公司合作开始研发自主驾驶汽车,其代表车型奔驰 S500 于 2013 年在城市和城际道路完成了长距离自主驾驶试验。

渐进式发展路线和颠覆式发展路线体现了传统整车企业和互联网 IT 企业关于智能驾驶汽车产业化发展的分歧。互联网企业试图将一些尖端的 IT 技术引入到汽车领域中,为消费者带来更多美好的驾驶体验,通过自顶而下的技术辐射,纵向向下衍生低级别的智能驾驶技术。而汽车企业认为驾驶员对于安全感的需求可能远超 IT 思维的预想,因而采取循序渐进的方式推广智能驾驶技术。

无论何种技术路线,车辆智能安全辅助功能的研究已经很成熟,客观上为智能驾驶搭好了基础技术平台;整车企业及 IT 企业在智能驾驶产业化发展上也均面临技术问题、成本问题、法规问题需要解决。但只要市场对这些技术有持续需求,就能推动汽车向完全无人化演进[2]。

1.1.2 我国自动驾驶技术发展现状

我国在自动驾驶领域的研究起步于 20 世纪 80 年代。1980 年「遥控驾驶的防核化侦察车」由国家立项,1989 年我国首辆智能小车在国防科技大学研制成功,1992 年国防科技大学、北京理工大学等高校研制成功我国第一辆真正意义上能够自主行驶的测试样车(ATB-1)[5]。

进入 21 世纪,国家「863 计划」开始对自动驾驶技术研究给予更多支持。2000 年国防科技大学宣布其第 4 代自动驾驶汽车试验成功。2003 年国防科技大学和一汽共同合作研发成功了一辆自动驾驶汽车——红旗 CA7460,该汽车能够根据车辆前方路况自动变道,2006 年研制成功新一代红旗 HQ3 自动驾驶轿车。2005 年我国首辆城市自动驾驶汽车由上海交通大学研制成功。2011 年国防科技大学和一汽研制的 HQ3 首次完成了从长沙到武汉的高速全程无人驾驶试验,自动驾驶的平均速度达到 87 km/h,全程距离为 286 km[5]。2012 年 11 月军事交通学院研制的自动驾驶汽车完成了高速公路测试,是第 1 辆得到了我国官方认证的无人汽车,并获得中国智能车未来挑战赛 2015 年度和 2016 年度冠军。

2015 年 12 月 IT 企业百度的自动驾驶汽车完成北京开放高速路的自动驾驶测试,意味着自动驾驶技术从科研开始落地到产品;2016 年 9 月百度宣布获得美国加州政府颁发的全球第 15 张无人车上路测试牌照,2017 年 4 月 17 日百度展示了与博世合作开发的高速公路辅助功能增强版演示车。

2017 年 4 月我国把基于自动驾驶技术的智能网联汽车列入「汽车产业中长期发展规划」,成为我国汽车产业转型发展又一个战略目标。我国自动驾驶技术的总体水平与国外先进水平还存在一定的差距,主要关键技术(感知融合、路径规划、控制与决策技术等)仍处于完善阶段,关键技术发展的局限性制约了自动驾驶系统在不同环境下的自主驾驶能力,导致自动驾驶系统的行为表现有时存在较大的反差。

1.2  AI 在自动驾驶中的应用现状与挑战

1.2.1 人工智能技术简介

AI 是一门研究模拟、延伸和扩展人类智能的理论、方法及技术的科学,其诞生于 20 世纪 50 年代,目前发展为计算机视觉、自然语言理解与交流、认知与推理、机器人学、博弈与伦理和机器学习六大领域,并呈现出各领域相互渗透的趋势。

其中,机器学习研究如何在算法的指导下自动学习输入数据样本的数据结构和内在规律并获得新的经验与知识,从而对新样本进行智能识别,甚至对未来进行预测 [6]。典型的机器学习算法有线性回归、K-均值、K-近邻、主成份分析、支持向量机、决策树、人工神经网络等。

在人工神经网络基础上发展起来的深度学习模型是当前最为有效的机器学习算法模型之一,成为当前人工智能研究与应用的热点。深度学习模型在人工神经网络中加入了多个隐层,于 2006 年由 Geoffrey Hinton 和 Ruslan Salakhutdinov 提出。由于在 2012 年的 ImageNet 比赛(计算机视觉领域最具影响力的国际比赛)中成绩突出,深度学习模型受到社会各界的极大关注,并在多个领域取得研究进展,出现了一批成功的商业应用,如谷歌翻译、苹果语音工具 Siri、微软的 Cortana 个人语音助手、蚂蚁金服的扫脸技术、谷歌的 AlphaGo 等[6]。

1.2.2 人工智能在自动驾驶技术中的应用

AI 在自动驾驶技术中有着丰富的应用,诸如深度学习、增强学习都在自动驾驶技术中取得较好的研究结果。

1)环境感知领域

感知处理是 AI 在自动驾驶中的典型应用场景。如基于 HOG 特征的行人检测技术在提取图像的 HOG 特征后通常通过支持向量机算法进行行人检测;基于激光雷达与摄像头的车辆检测技术中,需对激光雷达数据做聚类处理;线性回归算法、支持向量机算法、人工神经网络算法也常被用于车道线和交通标志的检测。

图 2  基于机器学习的非结构化道路检测框架

图 2[7]所示的框架把机器学习用到乡村公路、野外土路等非结构化道路的检测中。由于车辆行驶环境复杂,已有感知技术在检测与识别精度方面尚无法满足自动驾驶的需要,基于深度学习的图像处理成为自动驾驶视觉感知的重要支撑[8]。在感知融合环节,常用的 AI 方法有贝叶斯估计、统计决策理论、证据理论、模糊推理,、神经网络以及产生式规则等。

2)决策规划领域

决策规划处理是 AI 在自动驾驶中的另一个重要应用场景,状态机、决策树、贝叶斯网络等 AI 方法已有大量应用。近年来兴起的深度学习与强化学习能通过大量学习实现对复杂工况的决策,并能进行在线学习优化,由于需要较多的计算资源,当前是计算机与互联网领域研究自动驾驶规划决策处理的热门技术 [8]。

3)控制执行领域

传统控制方法有 PID 控制、滑模控制、模糊控制、模型预测控制等。智能控制方法主要有基于模型的控制、神经网络控制和深度学习方法等。

如清华李克强等研究了单车多目标协调式自适应巡航控制技术,在实现自动跟车行驶、低燃油消耗和符合驾驶员特性三大功能的同时全面提升行车安全性、改善车辆燃油经济性、减轻驾驶疲劳强度;还提出了基于多智能体系统的协同式多车队列控制方案,以实现降低油耗、改善交通效率以及提高行车安全性的目标。

1.2.3 自动驾驶领域AI应用面临的挑战

当前,以深度学习为代表的当代 AI 技术,基于在机器视觉(MV)、自然语言处理(NLP)等领域的成功应用,被引入到自动驾驶技术的环境感知、决策规划和控制执行的研究中,获得了较好的效果。

由于车辆行驶环境复杂,一些严重依赖于数据、计算资源和算法的 AI 技术,在自动驾驶的感知、决策、执行等环节尚无法满足实时性需求,一些以其作为核心支撑的自动驾驶系统原型面临挑战:

1)实时可靠性需求给系统的计算速度和计算可靠性带来挑战。自动驾驶系统要求感知、决策和执行各子系统的响应必须是实时可靠的,因此需要系统提供高速可靠的计算能力。

2)部件小型化的产业化需求使目前系统庞大的硬件尺寸面临挑战。当前的自动驾驶系统原型大多是计算机系统或工控机系统,不满足车规级部件需求。

3)个性化适配无法满足。当前兴起的深度学习算法对应用环境变异的自适应性较差,对不同车型和不同场景存在模型重新训练的适配问题,已有的自动驾驶系统原型不能满足。

4)自主学习、自主维护需求无法满足。深度学习呈现出学习集越大,效果越好的特点,由此需要自动驾驶系统具备持续自主学习能力,而已有的自动驾驶原型无法满足。面对老化、磨损等问题,部件出厂时的标定参数不再处于最优状态,自动驾驶系统需要基于汽车行驶数据、性能评价进行智能整定(自标定)、诊断和维护,已有的自动驾驶原型也无法满足需求。

5)成本控制面临挑战。当前自动驾驶系统原型造价尚不满足产业化成本需求。

上述问题本质上是由于智能驾驶单车数据积累深度与广度不足、强计算能力欠缺、任务自适应能力差、AI 算法优化适配困难。为解决上述问题,完成 AI 在车载终端的深度集成应用,考虑构建车云协同一体的智能驾驶系统。借助云平台灵活、丰富的计算资源,处理复杂的 AI 算法,并将分析结果发给车端进行实时决策规划,使云端域作为具有网络功能开放的大脑和核心,成为连接网络内部和车端业务需求的纽带,藉此真正实现网络智能化。基于云计算和大数据技术的发展,把自动驾驶系统分为车、云(平台)两层,提出车云协同自动驾驶系统架构。在云端提供数据存储、数据共享和计算资源,支持深度学习、自主学习、自主维护和个性化适配等复杂 AI 算法。通过部分软/硬件共享技术,可降低车端成本,使计算量减少,有利于车端嵌入式 AI 硬件产品的研发,以满足车规级部件的需求。

2. 基于 AI 的车云协同自动驾驶系统架构及关键技术

围绕 AI 技术应用于自动驾驶中的数据、计算与算法三大要素,面向多车型、多场景与个性化智能驾驶需求,针对智能驾驶单车系统面临的等问题,提出一种基于 AI 的车云协同的自动驾驶系统架构方案,如图 3 所示。

图 3  基于 AI 的车云协同自动驾驶系统架构方案示意图

该架构方案由基于 AI 的自动驾驶智能车端设备和基于大数据分析的自动驾驶云端系统两部分组成,共同形成一个集复杂环境精确感知、通行智慧决策与行车控制优化执行的车云协同一体自动驾驶系统。

2.1 基于 AI 的自动驾驶智能终端

自动驾驶智能终端是一个集环境感知、规划决策、执行控制等多项功能于一体的信息物理融合系统(CPS)[9]。为适应不同场景不同车型汽车自动驾驶的应用需求,需深入研究自动驾驶汽车嵌入式智能控制器软硬件协同设计技术,建立可承载集传感器数据采集、环境感知数据融合、规划决策,执行控制 AI 算法为一体,满足自动驾驶行车需求的智能终端软硬件体系架构,设计实时可靠、具有系统容错和「跛行」能力的自动驾驶汽车 AI 终端,提出实时可靠、任务自适应的智能终端专用系统软件,实现 AI 算法的系统集成验证与实车应用。需突破的关键技术包括实时可靠的自动驾驶 AI 终端硬件架构、可靠自适应的自动驾驶 AI 终端软件架构和自动驾驶智能终端的 AI 技术集成应用等。

1)自动驾驶 AI 终端硬件架构

自动驾驶汽车 AI 终端是一个集环境感知、规划决策、控制执行等多项功能于一体的综合智能系统。根据自动驾驶系统在典型应用场景中针对环境感知、规划决策以及执行控制等业务模块体现出的不同任务分工、工作模式及通信互联方式,研究自动驾驶 AI 终端的系统可靠性设计及模块化设计方法,重点研究基于 GPUMCU 的异构多核硬件系统架构和基于以太网的高速互联通信架构。

2)自动驾驶 AI 终端软件架构

自动驾驶车端系统集成了多个软件功能模块(环境感知、规划决策、执行控制、导航、定位、交通信号监测等)和多个硬件执行单元(计算单元、控制单元、传感器等),研究:

基于 AI 的感知、规划、执行等功能性应用软件系统架构与层次化、模块化的设计方法;

基于任务自适应的系统软件和应用软件最优构架;

确保合理分配和调度包括 GPU、CPU、内存、总线和通信接口等在内的软硬件资源,提供系统自我修复能力、模块资源隔离能力、计算与内存资源分配能力、优先级执行能力,以及模块间有效通信能力等。

3)自动驾驶 AI 终端的技术集成应用

自动驾驶系统作为一个典型的物理信息融合系统,必须通过 AI 方法的综合运用才能实现进行数据信息和知识信息的综合集成。

针对自动驾驶智能终端的有限软硬件资源,构建面向自动驾驶智能终端的 AI 操作系统,使自动驾驶的感知融合、决策控制等任务能够实时执行。AI 操作系统除具有通用操作系统的所有功能,还应包括语音识别、机器视觉、执行器系统和认知行为系统,可分为基础设施层、技术研发层和集成应用层。基于 AI 的自动驾驶智能终端目前已得到业界的普遍重视,大量 AI 技术正以惊人的速度应用在自动驾驶汽车领域。

然而,目前仍面临的一些问题亟待解决:

如 AI 算法需要大量标记的样本库进行自学习,且内在机理不清晰、边界条件不确

定;

AI 技术应用范围受限于车载芯片及传感器的处理能力等。

因此,注重传感器与汽车产业同步升级,藉此提高数据采集质量,使数据融合在硬件层面有解决方案;最大限度发挥 AI 技术在限定场景下的应用,如封闭/半封闭区域、低速/高速状态、有轨交通、特种车辆等。

2.2 基于大数据分析的自动驾驶云端系统

在云计算平台的强计算能力保障下,面向多车型、多场景以及个性化驾驶的需求,分析自动驾驶汽车系统中 AI 关于数据质量与访问效率的要求,

研究面向 AI 的云计算平台数据空间构建技术,实现车云两端多类型、多领域数据的归一化;

研究自动驾驶汽车系统中的车云两端信息数据交互协同技术,构建信息数据交互协同框架,解决车云两端信息数据的无缝对接问题,完成车端的信息数据订阅与云端的信息数据分发。

在此基础上,研究在不同车型、不同驾驶风格下适应多场景的 AI 算法适配问题,使自动驾驶汽车在感知、决策与执行 3 个层次均呈现较深的智能化,进而实现自动驾驶汽车整体智能的提升。

1)云端数据空间构建技术

为降低在多场景、多车型与个性驾驶等背景下的自动驾驶系统中 AI 数据处理和信息服务的复杂性,分析信息数据的分布、异构、时变、海量的数据特征,

研究基于信息数据源的元数据描述方法、元数据的冲突消减技术以及元数据的发布发现技术,实现元数据集的构建与管理;

研究信息数据空间的组织结构与建模技术,构建信息数据空间的对象关联集;

研究基于元数据实体对象的索引和检索技术,实现基于元数据的异构信息数据源的发布与发现能力。

2)车云协同技术

在不同的行车工况与应用场景中,无论是自动驾驶的在线 AI 学习训练,还是离线的交互信息准备,为实施精准的行车环境感知、智慧的通行决策与优化的行车动作控制,车端与云端之间均需要进行大量的信息数据交互与协同。

基于 AI 的自动驾驶系统车云协同技术需主要解决信息数据在车端与云平台之间的统一有效传递问题。车身传感器节点的采样数据包括数值型数据(如 GPS/INS 数据、毫米波雷达数据)和多媒体数据(如摄像头图像),将这些传感器数据按一定频率传输到云端数据库,进行在线处理、离线处理、溯源处理和复杂数据分析。

文中提出的自动驾驶系统包括车端与云端两部分智能子系统,云端系统不仅能够存储海量的传感器实时采集数据,还可以存储采集历史数据,同时借助云计算完成这些海量数据的存储、传输、分析处理,基于 AI 集成应用算法的智能驾驶控制模型,为车辆决策提供可靠、高效的协同控制方案。

3)云平台 AI 算法应用技术

云平台 AI 算法应用是自动驾驶云端系统的核心部分,它结合机器学习、数据挖掘等相关技术,对感知融合信息进行分析,为车辆控制规划提供决策依据。车载嵌入式硬件平台因计算、存储能力有限,无法满足 AI 模型的训练需求。自动驾驶云平台 AI 算法应用技术,利用虚拟化技术及网络技术整合大规模可扩展的计算、存储、数据、应用等分布式计算资源完成 AI 模型算法的学习训练,能实现在云端训练 AI 模型,通过车云协同技术将其部署到嵌入式平台,使 AI 算法在车端自动驾驶系统上得到深度应用。

因此,考虑充分利用现有创新资源和载体,融通各类企业级平台及政府监管平台数据,转变通信系统和发布系统的封闭现状,采用云计算模式构建交通服务体系,对于一些中小城市而言只需要租用相应的服务即可,有利于自动驾驶云端系统的普及。同时由政府引导,对云平台技术规范及数据元格式等核心草案进行编制与推广,从而引导自动驾驶云端系统应用的示范,推广及可持续发展。

3. 结论

文中分析了自动驾驶技术的发展现状,以及 AI 在自动驾驶技术中的应用发展趋势与面临的挑战。在此基础上,提出了一个基于 AI 的车云协同自动驾驶系统,阐述了系统组成及其关键技术。

文中提出 AI 深度应用于自动驾驶领域需重点解决自动驾驶车载终端的 AI 深度集成、自动驾驶系统车云计算平台数据归一化、车云信息数据交互协同、车云 AI 算法多车型多场景及个性驾驶适配等关键技术。

针对多车型多场景的应用工况,指出需研究自动驾驶汽车嵌入式智能控制器软硬件协同设计技术;

针对车载自动驾驶系统本地存储和计算能力有限的问题,提出以云计算作为车端能力的扩展,解决 AI 算法模型学习训练所必需的大数据存储空间和 HPC 能力的问题;

针对车云两端的交互问题,提出通过车云协同方法将云端上训练的 AI 模型部署到车端进行执行,完成感知融合、规划决策等自动驾驶任务。

最终基于车端和云端软硬件架构形成一套完整的车云协同一体自动驾驶系统。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

原文标题:人工智能在汽车自动驾驶系统中的应用分析

文章出处:【微信号:AItists,微信公众号:人工智能学家】欢迎添加关注!文章转载请注明出处。

收藏 人收藏
分享:

评论

相关推荐

大量高科技设备和技术的应用,在此次抗击疫情中发挥了重要作用

“全国两会的召开,我认为是一个标志性事件,那就是我们国家的经济、社会、生活正逐步回归正常。”黄立认为....
的头像 MEMS 发表于 06-01 14:44 49次 阅读
大量高科技设备和技术的应用,在此次抗击疫情中发挥了重要作用

一种通过使用集成非线性光子电路来实现并行FMCW激光雷达引擎的新方法

“令人惊讶的是,形成的耗散克尔光孤子不仅在泵浦激光被啁啾调制时持续存在,而且还将啁啾激光不失真地传递....
的头像 MEMS 发表于 06-01 14:33 40次 阅读
一种通过使用集成非线性光子电路来实现并行FMCW激光雷达引擎的新方法

康泰瑞影重新定义超声图像增强功能

为了满足不断变化的用户需求和偏好,Rivent针对不同应用领域超声系统开发方面提供了巨大的灵活性、定....
发表于 06-01 14:29 12次 阅读
康泰瑞影重新定义超声图像增强功能

微软使用人工智能来取代在MSN的工作者

据《西雅图时报》报道,多名知情人士近日证实,微软将不再与数十家在MSN工作的新闻制作承包商续签合同,....
发表于 06-01 11:31 33次 阅读
微软使用人工智能来取代在MSN的工作者

用人工智能来共建数字经济基础设施

今年两会期间,“新基建”“人工智能”持续火热。国务院总理李克强在《政府工作报告》中明确指出,加强新型....
发表于 06-01 11:28 54次 阅读
用人工智能来共建数字经济基础设施

索尼宣布即将发布两款智能视觉传感器:IMX500和IMX501

物联网的普及导致各种各样的设备都将连接到“云”,并且从这些设备获取的信息可通过云AI处理,这使得云信....
的头像 MEMS 发表于 06-01 11:03 222次 阅读
索尼宣布即将发布两款智能视觉传感器:IMX500和IMX501

如何提升未来的车辆自主认知能力?

车辆的智能化程度通常用自动驾驶级别来表示。L1和L2主要是预警系统,而L3或更高级别的车辆被授权控制....
的头像 MEMS 发表于 06-01 11:01 95次 阅读
如何提升未来的车辆自主认知能力?

基于双目结构光和AI的3D相机实现自动化解决方案

为了使机器人能够胜任更复杂的工作,机器人不但要有更好的控制系统,还需要更多地感知环境的变化。机器人视....
的头像 汽车玩家 发表于 06-01 09:45 91次 阅读
基于双目结构光和AI的3D相机实现自动化解决方案

北云科技面向自动驾驶行业推出了一款小尺寸高精度组合导航板卡——A1

据GSA(欧洲全球导航卫星系统局) 2019年10月发布的《GNSS 市场报告》报道,全球车载导航市....
的头像 MEMS 发表于 06-01 09:26 70次 阅读
北云科技面向自动驾驶行业推出了一款小尺寸高精度组合导航板卡——A1

什么是“可解释的”? 可解释性AI不能解释什么

通过建立既可解释又准确的模型来改良这种错误的二分法。关键是将神经网络与决策树相结合,在使用神经网络进....
发表于 05-31 10:51 141次 阅读
什么是“可解释的”? 可解释性AI不能解释什么

当人工智能用于企业活动管理

现场活动是比较好的营销方式,也是增强业务与客户关系的优秀方式。根据一项调查,84%的领导者认为活动是....
的头像 人间烟火123 发表于 05-31 10:49 416次 阅读
当人工智能用于企业活动管理

自动驾驶是链接物理世界和虚拟世界的入口

 事实上,不仅仅是特殊时期,仿真器作为自动驾驶最重要的技术之一,它的出现使得自动驾驶开发商能够超越物....
发表于 05-31 10:41 49次 阅读
自动驾驶是链接物理世界和虚拟世界的入口

使用计算机视觉和人工智能来识别X射线中的病毒

 克兰菲尔德大学的学生设计了可以识别X射线中的计算机模型。
发表于 05-31 10:28 29次 阅读
使用计算机视觉和人工智能来识别X射线中的病毒

Facebook如何使用人工智能来创建市场

Facebook正在集成一种称为通用产品识别模型的新AI软件,该软件可以自动识别要出售给Facebo....
发表于 05-31 10:26 36次 阅读
Facebook如何使用人工智能来创建市场

AI和机器学习如何来遏制流行病

组织已迅速运用其AI和机器学习知识来遏制这种流行病。
发表于 05-31 10:24 24次 阅读
AI和机器学习如何来遏制流行病

超5亿美元!滴滴自动驾驶完成国内行业单笔最大融资

滴滴未来公司将加大在自动驾驶、车路协同及相关AI技术领域的投入,同时也将进一步加深与汽车上下游产业合....
发表于 05-31 07:33 278次 阅读
超5亿美元!滴滴自动驾驶完成国内行业单笔最大融资

怎么样才能使用CAN智慧云提高自动驾驶的安全性

目前,新基建话题带来的热度还在继续,自动驾驶该如何搭上这一快车?自动驾驶又涉及到哪些核心技术?如何利....
的头像 Wildesbeast 发表于 05-30 11:55 661次 阅读
怎么样才能使用CAN智慧云提高自动驾驶的安全性

2040年空中物流将有望实现商业化应用,市场规模将达1.5万亿美元

智能自动驾驶飞行器科技企业亿航控股有限公司宣布公司获得了中国民用航空局颁发的全球首个自动驾驶飞行器(....
发表于 05-30 11:20 54次 阅读
2040年空中物流将有望实现商业化应用,市场规模将达1.5万亿美元

AI芯片行业到底是不是泡沫寒潮

从跑出实验室到在各行业落地,人工智能的产业链正在不断完善。一方面,算法公司已不再局限于只做软件,开始....
的头像 Wildesbeast 发表于 05-30 11:17 1191次 阅读
AI芯片行业到底是不是泡沫寒潮

激光雷达如何挽救低迷的汽车产业?

激光雷达是OEM和Tier-1厂商的“杀手锏”传感器,可以实现精确的3D环境建模。Level 3级以....
的头像 MEMS 发表于 05-30 11:11 512次 阅读
激光雷达如何挽救低迷的汽车产业?

美的IoT与腾讯云合作共同促进AIoT战略新兴产业发展

5月28日,美的IoT与腾讯云签署战略合作框架协议,美的集团副总裁兼CIO张小懿、美的IoT运营副总....
发表于 05-30 11:06 376次 阅读
美的IoT与腾讯云合作共同促进AIoT战略新兴产业发展

亮亮视野发布全新超短焦AR光学模组,工艺拆分细化年产能达100万片

AR与VR是近年来广受关注的科技领域,它们的近眼显示系统都是将显示器上的像素, 通过一系列光学成像元....
发表于 05-30 09:58 77次 阅读
亮亮视野发布全新超短焦AR光学模组,工艺拆分细化年产能达100万片

AI测温带火AI安防,市场“蓝海”无限大

安防是AI落地较早的一个领域,不过前期AI安防主要面向的是B端、G端市场,所以消费者相对不熟悉。而随....
发表于 05-30 09:19 77次 阅读
AI测温带火AI安防,市场“蓝海”无限大

医疗穿刺采血机器人研发助力医院实现全自动化验检

哈工智能是国内聚焦于高端智能装备制造和人工智能机器人的高科技上市公司,聚焦于高端智能装备制造和人工智....
发表于 05-30 09:15 68次 阅读
医疗穿刺采血机器人研发助力医院实现全自动化验检

韩国SK电讯和欧姆龙共研制5G防疫AI机器人,适合无接触时代下各类服务

5月27日消息,据报道,韩国最大的移动通讯运营商SK电讯和工业自动化解决方案提供商欧姆龙共同研发了一....
发表于 05-30 09:05 85次 阅读
韩国SK电讯和欧姆龙共研制5G防疫AI机器人,适合无接触时代下各类服务

智能制造在工厂已经悄然行动

随着机器人等自动化技术的不断进步,越来越越多的企业利用大数据分析提升业务和绩效。预计,未来商品价格可....
发表于 05-29 16:35 101次 阅读
智能制造在工厂已经悄然行动

高耐久低成本的NRAM是如何铸就的?

Nantero公司已经花费了将近20年的时间来研究NRAM,该技术基于排列在交叉点电极之间的薄层中的....
的头像 富士通电子 发表于 05-29 15:13 651次 阅读
高耐久低成本的NRAM是如何铸就的?

百度飞桨深度学习平台携手IC设计领导厂商MediaTek

百度飞桨是自主研发、开源开放、功能最完备的产业级深度学习平台,集深度学习核心框架、基础模型库、端到端....
的头像 联发科技 发表于 05-29 14:59 378次 阅读
百度飞桨深度学习平台携手IC设计领导厂商MediaTek

汽车如何才能“眼观六路”

上述每一种传感器的感知能力正在不断提升,让汽车能够更好地感知周边环境、自动行驶。可以说,雷达有望成为....
的头像 Qualcomm中国 发表于 05-29 11:16 254次 阅读
汽车如何才能“眼观六路”

人工智能在市场营销中有哪些挑战

拥抱AI为营销带来的新机遇是每家企业必须要做的事情,以在2020年及以后保持竞争力。无论如何,由于A....
发表于 05-29 11:09 89次 阅读
人工智能在市场营销中有哪些挑战

使用计算机视觉和人工智能来识别X射线中的计算机模型

这些模型使用计算机视觉和人工智能(AI)分析胸部X射线图像。它可以对肉眼通常无法识别的信息进行分类,....
发表于 05-29 11:07 60次 阅读
使用计算机视觉和人工智能来识别X射线中的计算机模型

如何推动人工智能更好地发展

人工智能一直是近年来全国两会的热点话题。人工智能对就业有哪些影响?如何推动人工智能更好地发展?今年全....
发表于 05-29 11:04 75次 阅读
如何推动人工智能更好地发展

如何能放心地将更多驾驶权分享给座驾?

首先,我们运用摄像头和雷达来感知周围环境。目前的公路自动驾驶系统在车身四周配备多达8个摄像头和6个雷....
的头像 Qualcomm中国 发表于 05-29 10:49 157次 阅读
如何能放心地将更多驾驶权分享给座驾?

ADI与北云科技合作推出高精度组合导航板卡,加速自动驾驶系统的商业化进程

据GSA(欧洲全球导航卫星系统局) 2019年10月发布的《GNSS 市场报告》报道,全球车载导航市....
的头像 亚德诺半导体 发表于 05-29 09:12 158次 阅读
ADI与北云科技合作推出高精度组合导航板卡,加速自动驾驶系统的商业化进程

AI高速扫描机器人实现投产,是否与直线马达有关

近几年,随着科技地不断发展,作为科技发展产物的人工智能,也越来越多地进入并改变着我们的日常工作状态。....
发表于 05-29 08:04 60次 阅读
AI高速扫描机器人实现投产,是否与直线马达有关

AI、机器学习和深度学习将是OEM的主要市场

人工智能(AI)正在迅速改变全球行业参与者的经营方式。随着人工智能在商业和商业领域的广泛应用,我们看....
的头像 独爱72H 发表于 05-28 16:59 659次 阅读
AI、机器学习和深度学习将是OEM的主要市场

智慧医疗的未来及发展趋势

传统医疗模式向大健康模式转变还需要一个过程,但未来已不远。政策:智慧医疗被列入《新一代人工智能发展规....
发表于 05-28 16:55 450次 阅读
智慧医疗的未来及发展趋势

随着科技发展未来会出现全自动驾驶和互联汽车吗

20年后的世界,出行和交通的未来会是什么样?也许,这个问题的答案要复杂很多。这在很大程度上取决于OE....
的头像 独爱72H 发表于 05-28 16:55 709次 阅读
随着科技发展未来会出现全自动驾驶和互联汽车吗

大彩串口屏在智能档案柜上面的应用

二、产品优势 1. 智能档案柜集手动、电动、电脑控制于一体,操作方便、移动平稳、安全可靠。2. 采用红外感应方式对仓位的状态进行...
发表于 05-28 16:19 92次 阅读
大彩串口屏在智能档案柜上面的应用

新AI技术可让教师能够快速开发智能辅导系统

智能辅导系统已经显示出可以有效地帮助教授某些学科,例如代数或语法,但是创建这些计算机化的系统既困难又....
的头像 独爱72H 发表于 05-28 15:33 558次 阅读
新AI技术可让教师能够快速开发智能辅导系统

AI与IoT二者将如何改变未来的商业模式

物联网利用互联网和AI通过设备连接积累了大量数据,尤其是通过其强大的机制,机器学习可帮助吸收和评估这....
的头像 独爱72H 发表于 05-28 15:15 618次 阅读
AI与IoT二者将如何改变未来的商业模式

英国五个技术中心致力于使用AI来加快疾病诊断和改善

遍布英国的五个技术中心致力于使用AI来加快疾病诊断和改善患者预后。
发表于 05-28 10:28 69次 阅读
英国五个技术中心致力于使用AI来加快疾病诊断和改善

人工智能通过监控水处理系统来保护公共健康

事实证明,人工智能(AI)在整个医疗领域都很有价值-从帮助放射科医生筛查疾病到预测手术过程中的困难。....
发表于 05-28 10:23 186次 阅读
人工智能通过监控水处理系统来保护公共健康

人机对抗机器识别技术进入人工智能

人工智能(AI)系统在两轮比赛中击败了由15位2-0的医生组成的团队,该比赛着眼于诊断脑肿瘤和预测脑....
发表于 05-28 10:20 48次 阅读
人机对抗机器识别技术进入人工智能

人工智能技术对传统工业制造的影响

涉及机器视觉、图像处理、模式识别/机器学习等相关人工智能技术。配合传感器或机器人等不同的载体,计算机....
发表于 05-28 10:18 65次 阅读
人工智能技术对传统工业制造的影响

随着AI技术的发展,下一波人工智能将会更加强大

人工智能是一个涵盖图像识别、自然语言处理(NLP)和机器人等多方面维度的广泛领域。
发表于 05-28 09:25 78次 阅读
随着AI技术的发展,下一波人工智能将会更加强大

未来自动驾驶汽车将是从概念验证走向现实应用

汽车行业在其发展历程中已经走过了很长时间的一段路。现在,制造自动驾驶汽车和自动驾驶汽车的技术已经不再....
发表于 05-27 16:09 108次 阅读
未来自动驾驶汽车将是从概念验证走向现实应用

延迟和指令呈现百度人工智能交互设计院的最新研究

有屏智能设备的多维对话:延迟和指令呈现  百度人工智能交互设计院最新研究...
发表于 05-25 09:46 33次 阅读
延迟和指令呈现百度人工智能交互设计院的最新研究

如何实现车道线分割

深度学习方法实现车道线分割之二(自动驾驶车道线分割)...
发表于 05-22 10:16 34次 阅读
如何实现车道线分割

自动驾驶三大核心传感器技术是什么

目前,汽车中应用的雷达模组是相对比较笨拙的系统,包含了多个基于不同工艺的芯片。因此,为了追求更小的尺寸和更低的成本,Inf...
发表于 05-20 07:05 195次 阅读
自动驾驶三大核心传感器技术是什么

如何使用人工智能来发挥传感器数据的协同作用

人工智能(AI)目前正在为社会的方方面面带来革新。比如,通过结合数据挖掘和深度学习的优势,如今可以利用人工智能来分析各种...
发表于 05-19 08:13 197次 阅读
如何使用人工智能来发挥传感器数据的协同作用

电路设计行业未来将会转为人工智能

现在的社会正慢慢转向人工智能和电路的方向,而不是纯粹的电路设计。 未来,有可能超市不需要服务员,仅仅需要部分理货人员。 ...
发表于 05-18 15:51 240次 阅读
电路设计行业未来将会转为人工智能

传感器在自动驾驶中起什么作用

传感器是一种检测装置,能感受到被测量的信息,并能将感受到的信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足...
发表于 05-18 07:54 131次 阅读
传感器在自动驾驶中起什么作用

这些自动驾驶传感器,你了解多少?

从传感器技术发展本身来说,要在接下来十年里保证自动驾驶车安全地上路,硬件性能与背后的软件算法,以及不同传感器之间的数据融...
发表于 05-18 06:11 76次 阅读
这些自动驾驶传感器,你了解多少?

新型激光扫描仪将大幅降低无人驾驶技术成本

技术虽然能让我们开车更安全更方便,但是目前除了技术瓶颈之外,成本也是限制这项技术普及的重要原因之一。不过现在来自于Velod...
发表于 05-15 06:39 96次 阅读
新型激光扫描仪将大幅降低无人驾驶技术成本

自动驾驶汽车中传感器的分析

特斯拉在五月份发生的自动驾驶事故,和最近在Defcon上演示的如何干扰传感器,都充分说明了传感器在自动驾驶中的重要性:环境感知...
发表于 05-14 07:34 207次 阅读
自动驾驶汽车中传感器的分析