91欧美超碰AV自拍|国产成年人性爱视频免费看|亚洲 日韩 欧美一厂二区入|人人看人人爽人人操aV|丝袜美腿视频一区二区在线看|人人操人人爽人人爱|婷婷五月天超碰|97色色欧美亚州A√|另类A√无码精品一级av|欧美特级日韩特级

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

特斯拉將技術(shù)突破押注在基于視覺計(jì)算的神經(jīng)網(wǎng)絡(luò)能夠解決所有問題

jmiy_worldofai ? 來源:lq ? 2019-05-15 17:51 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

反擊”姍姍來遲。5月8日的2019年谷歌I/O開發(fā)者大會上,Waymo首席科學(xué)家Drago Anguelov對埃隆·馬斯克此前有關(guān)激光雷達(dá)的言論做了回復(fù):“馬斯克決定僅使用攝像頭和雷達(dá)傳感器,完全擯棄激光雷達(dá)”風(fēng)險很大。激光雷達(dá)能夠不斷地向車輛周圍發(fā)射激光并捕捉反射的光波,幫助車輛測量距離并“看清”周圍的環(huán)境。

今年4月的一次公開活動后,馬斯克一竿子將使用激光雷達(dá)的公司都打落成 “冤大頭”,稱最后所有人都會拋棄激光雷達(dá)。顯然特斯拉將技術(shù)突破押注在基于視覺計(jì)算的神經(jīng)網(wǎng)絡(luò)能夠解決所有問題。

多傳感器融合與純視覺計(jì)算派的路線分歧由來已久,打個比方,是內(nèi)外兼修,還是劍走偏鋒,目前技術(shù)實(shí)踐還不足以下結(jié)論,但不同的派別都各有擁躉,在既定的道路上實(shí)踐著自身的技術(shù)路線。

多傳感器融合派——安全是自動駕駛的第一邏輯

被馬斯克Diss的自動駕駛公司,包括了Waymo、Cruise、Uber在內(nèi)的大部分自動駕駛公司,都采用的是多傳感器融合感知的解決方案。

相比較而言,這一派別的人對于風(fēng)險的認(rèn)知要更加謹(jǐn)慎,“無法想象只用攝像頭如何實(shí)現(xiàn)自動駕駛,但是,我們確實(shí)需要最好的攝像頭系統(tǒng)來支持實(shí)現(xiàn)真正的自動駕駛,”Waymo首席科學(xué)家Drago Anguelov說,“所以馬斯克的方案可以說是一場豪賭,這樣風(fēng)險非常大,而且完全沒有必要選擇這樣的方案?!?/p>

更多自動駕駛細(xì)分領(lǐng)域的佼佼者都有自己的觀點(diǎn)。

北京市自動駕駛車輛道路測試專家委員會委員,智加科技CEO劉萬千表示:“智加有全球最領(lǐng)先的AI視覺系統(tǒng),能夠準(zhǔn)確追蹤1500米外的障礙物。但我們認(rèn)為自動駕駛的安全應(yīng)該是第一位的,基于激光雷達(dá)、毫米波雷達(dá)和視覺的傳感器融合是必要的,全球最領(lǐng)先的自動駕駛公司都在這方面投入了大量的精力。全行業(yè)還有很多工作要做,突出單項(xiàng)技術(shù)混淆公眾認(rèn)知去搏眼球的行為是不負(fù)責(zé)任的。”智加科技是由劉萬千與斯坦福讀博時期同學(xué)鄭皓攜手創(chuàng)辦,專注于多傳感器融合為方案的干線物流L4級無人重卡的研發(fā),目前在中美兩地市場都有干線運(yùn)營。

中國激光雷達(dá)新創(chuàng)公司速騰聚創(chuàng)(RoboSense)研發(fā)副總裁Leilei Shinohara此前在接受媒體采訪時就表示,“傳感器可是能采集到人眼看不到的細(xì)節(jié)?!痹诎踩媲埃磺卸际歉≡??!耙苍S你的激光雷達(dá)只有5%時間起效果,但它一出手就能解決大問題,所以你還是會備著它以防萬一?!盨hinohara解釋道,Uber和特斯拉的致命事故就是前車之鑒。

計(jì)算機(jī)視覺派——攝像頭和雷達(dá)“感知出一篇新天地

特斯拉在自動駕駛的技術(shù)路線上,一向是特立獨(dú)行派別——馬斯克則認(rèn)為激光雷達(dá)的加入會讓技術(shù)路線誤入歧途,所有人的終極目標(biāo)都是攝像頭實(shí)現(xiàn)感知。當(dāng)然,神經(jīng)網(wǎng)絡(luò)必不可少這點(diǎn)大家都同意,但沒人像馬斯克那樣“走極端”,把激光雷達(dá)等發(fā)展路徑當(dāng)成敵人。這里顯然有巨大的“彎道超車”的博弈預(yù)期,如果最終押注成功,特斯拉的方案就一騎絕塵,天才獲得上天垂青的橋段將鼓勵更多人。

特斯拉的方案,并不是孤例。

同樣以計(jì)算機(jī)視覺技術(shù)來開宗立派的,還有圖森未來。這家成立于2015年的自動駕駛初創(chuàng)公司,在其自動駕駛解決方案中,技術(shù)路線也是以低成本的計(jì)算機(jī)視覺為核心,并輔以人工智能算法。此前在接受媒體采訪時,圖森未來CTO侯曉迪表示:“因?yàn)槲覀冃枰紤]怎么把東西賣出去,所以首先會考慮價格相對較低的方案。”侯曉迪是加州理工大學(xué)博士,計(jì)算機(jī)視覺(Computer Vision)和神經(jīng)學(xué)領(lǐng)域?qū)<摇?/p>

此外,另一位與攝像頭方案深度綁定的大牛是AutoX的肖健雄。這位普林斯頓大學(xué)計(jì)算機(jī)視覺和機(jī)器人實(shí)驗(yàn)室的創(chuàng)辦人,在創(chuàng)辦AutoX后曾在多個場合強(qiáng)調(diào)攝像頭為主的傳感器方案,這是基于其對技術(shù)快速落地的商業(yè)化考慮,“夠便宜,用戶才能接受”,也來自其對攝像頭功能演進(jìn)的信心——算法的優(yōu)化可幫助彌補(bǔ)攝像頭的現(xiàn)有缺陷。

看起來,堅(jiān)持視覺為主的企業(yè)對于是否加入激光雷達(dá)的原因與馬斯克不謀而合,成本問題是他們考慮的最初邏輯。

之所以如此,中國工程院的高文院士此前接受采訪表示,激光雷達(dá)究竟何時價格能降到符合量產(chǎn)要求并不可知。隨著自動駕駛領(lǐng)域各家企業(yè)爭相推進(jìn)其產(chǎn)品量產(chǎn)進(jìn)程,留給這些企業(yè)的時間并不多了,與其都在激光雷達(dá)一項(xiàng)技術(shù)上“死磕”,不如轉(zhuǎn)而尋找其他更可行、在短期內(nèi)有可能落地的技術(shù)。

派別之爭,根源在于激光雷達(dá)的成本可控預(yù)期

激光雷達(dá)本身并不是原罪,它的作用毋庸置疑,激光雷達(dá)可以提供比更為豐富且準(zhǔn)確的數(shù)據(jù),同時也能更輕松的建造模擬環(huán)境(simulation environment)。另外,激光雷達(dá)也可以幫助自動駕駛汽車判斷周圍車輛及物體的互動,這些都是只采用攝像頭很難達(dá)到的效果,因此很多視覺派也在后期對外的觀點(diǎn)表達(dá)中,不絕對否定使用激光雷達(dá)的可能性,當(dāng)然前提還是要將做到量產(chǎn)+合理成本。

而多數(shù)堅(jiān)持使用包含激光雷達(dá)在內(nèi)的多傳感器融合的自動駕駛公司,考量的初衷看起來更加“執(zhí)拗”,至少以目前全球整體研發(fā)實(shí)力,在可靠性不足以支撐所有感知需求前提下,為了保證安全第一的邏輯,激光雷達(dá)是一個咬牙也要加上的選項(xiàng)。

激光雷達(dá)前期研發(fā)的高成本與大多數(shù)新技術(shù)首次開發(fā)時的規(guī)律是一致的,好消息是激光雷達(dá)的成本正在被從業(yè)者努力攻克。

“從根本上來說,激光雷達(dá)并不昂貴?!盌olgov說,“我們已經(jīng)大幅降低了從第一代到現(xiàn)在的激光雷達(dá)產(chǎn)品的價格。可以想象,隨著規(guī)模的擴(kuò)大,我們將節(jié)省多少成本?!?/p>

自動駕駛技術(shù)的發(fā)展,在當(dāng)下正伴隨著兩條平行線發(fā)展,一條是激光雷達(dá)的成本可控速度,另一條是基于視覺的神經(jīng)網(wǎng)絡(luò)的成熟空間。孰優(yōu)孰劣難以定論,從業(yè)者統(tǒng)一不變的是對生命的敬畏和對改變未來世界的信心。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2577

    文章

    55335

    瀏覽量

    793209
  • 激光雷達(dá)
    +關(guān)注

    關(guān)注

    981

    文章

    4516

    瀏覽量

    196900
  • 自動駕駛
    +關(guān)注

    關(guān)注

    794

    文章

    14943

    瀏覽量

    180973

原文標(biāo)題:谷歌、特斯拉自動駕駛技術(shù)路線之爭再升級,行業(yè)領(lǐng)袖紛紛站隊(duì)表態(tài)

文章出處:【微信號:worldofai,微信公眾號:worldofai】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識

    如今機(jī)器學(xué)習(xí)的領(lǐng)域中,有許多方法可以用來解決特定的問題,例如房價預(yù)測、郵件分類、文件壓縮等。而與我們?nèi)粘I铌P(guān)系最密切的應(yīng)用莫過于計(jì)算機(jī)視覺(如學(xué)校門禁系統(tǒng))和自然語言處理(如Siri)。這些
    的頭像 發(fā)表于 12-17 15:05 ?423次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識

    自動駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)是個啥?

    自動駕駛領(lǐng)域,經(jīng)常會聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的深度學(xué)習(xí)模型。CNN圖像處理中尤其常見,因?yàn)閳D像本身就可以看作是由像
    的頭像 發(fā)表于 11-19 18:15 ?2177次閱讀
    自動駕駛中常提的卷積<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是個啥?

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及MCU200T上仿真測試

    數(shù)的提出很大程度的解決了BP算法優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時的梯度耗散問題。當(dāng)x&gt;0 時,梯度恒為1,無梯度耗散問題,收斂快;當(dāng)x&lt;0 時,該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    () riscv_fully_connected_q7()   NS上跑時和arm的神經(jīng)網(wǎng)絡(luò)庫一致,可在github上下載CMSIS的庫,然后加入到自己庫所在的路徑下即可。
    發(fā)表于 10-29 06:08

    Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)

    本帖欲分享Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的一些經(jīng)驗(yàn)。我們采用jupyter notebook作為開發(fā)IDE,以TensorFlow2為訓(xùn)練框架,目標(biāo)是訓(xùn)練一個手寫數(shù)字識別的神經(jīng)網(wǎng)絡(luò)
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重數(shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲器內(nèi)。 仿真環(huán)境下,可將其存于一個文件
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    神經(jīng)元,但卻能產(chǎn)生復(fù)雜的行為。受此啟發(fā),與傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)相比,LNN旨在通過模擬大腦中神經(jīng)元之間的動態(tài)連接來處理信息,這種網(wǎng)絡(luò)能夠順序處理數(shù)
    的頭像 發(fā)表于 09-28 10:03 ?1461次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時間連續(xù)性與動態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    【「AI芯片:科技探索與AGI愿景」閱讀體驗(yàn)】+神經(jīng)形態(tài)計(jì)算、類腦芯片

    AI芯片不僅包括深度學(xué)細(xì)AI加速器,還有另外一個主要列別:類腦芯片。類腦芯片是模擬人腦神經(jīng)網(wǎng)絡(luò)架構(gòu)的芯片。它結(jié)合微電子技術(shù)和新型神經(jīng)形態(tài)器件,模仿人腦神經(jīng)系統(tǒng)機(jī)選原理進(jìn)行設(shè)計(jì),實(shí)現(xiàn)類似
    發(fā)表于 09-17 16:43

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    問題。因此,并行計(jì)算與加速技術(shù)神經(jīng)網(wǎng)絡(luò)研究和應(yīng)用中變得至關(guān)重要,它們能夠顯著提升神經(jīng)網(wǎng)絡(luò)的性能
    的頭像 發(fā)表于 09-17 13:31 ?1247次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行<b class='flag-5'>計(jì)算</b>與加速<b class='flag-5'>技術(shù)</b>

    如何在機(jī)器視覺中部署深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    圖 1:基于深度學(xué)習(xí)的目標(biāo)檢測可定位已訓(xùn)練的目標(biāo)類別,并通過矩形框(邊界框)對其進(jìn)行標(biāo)識。 討論人工智能(AI)或深度學(xué)習(xí)時,經(jīng)常會出現(xiàn)“神經(jīng)網(wǎng)絡(luò)”、“黑箱”、“標(biāo)注”等術(shù)語。這些概念對非專業(yè)
    的頭像 發(fā)表于 09-10 17:38 ?1000次閱讀
    如何在機(jī)器<b class='flag-5'>視覺</b>中部署深度學(xué)習(xí)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究

    MATLAB/SIMULINK工具對該方法進(jìn)行驗(yàn)證,實(shí)驗(yàn)結(jié)果表明該方法全程速度下效果良好。 純分享帖,點(diǎn)擊下方附件免費(fèi)獲取完整資料~~~ *附件:無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測方法的研究.pdf
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)電機(jī)故障診斷中的應(yīng)用

    的診斷誤差。仿真結(jié)果驗(yàn)證了該算法的有效性。 純分享帖,需要者可點(diǎn)擊附件免費(fèi)獲取完整資料~~~*附件:神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)電機(jī)故障診斷中的應(yīng)用.pdf【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載,版權(quán)歸原作者所有
    發(fā)表于 06-16 22:09

    神經(jīng)網(wǎng)絡(luò)RAS異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究

    ,在一定程度上擴(kuò)展了轉(zhuǎn)速估計(jì)范圍。 純分享帖,需要者可點(diǎn)擊附件免費(fèi)獲取完整資料~~~*附件:神經(jīng)網(wǎng)絡(luò)RAS異步電機(jī)轉(zhuǎn)速估計(jì)中的仿真研究.pdf【免責(zé)聲明】本文系網(wǎng)絡(luò)轉(zhuǎn)載,版權(quán)歸原作者所有
    發(fā)表于 06-16 21:54

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是一個神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,訓(xùn)練好的模型的權(quán)重和偏置文件以TXT文件格式導(dǎo)出,然后通過python程序
    的頭像 發(fā)表于 06-03 15:51 ?1430次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    AI神經(jīng)網(wǎng)絡(luò)降噪算法語音通話產(chǎn)品中的應(yīng)用優(yōu)勢與前景分析

    的語音保真度以及更低的延遲,能夠有效應(yīng)對復(fù)雜噪聲場景。本文探討AI神經(jīng)網(wǎng)絡(luò)降噪語音通話產(chǎn)品中的核心優(yōu)勢,并分析其未來發(fā)展趨勢和市場前景
    的頭像 發(fā)表于 05-16 17:07 ?1708次閱讀
    AI<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>降噪算法<b class='flag-5'>在</b>語音通話產(chǎn)品中的應(yīng)用優(yōu)勢與前景分析