| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

温哥华资讯

温哥华地产

温哥华教育

温哥华财税

新移民/招聘

黄页/二手

旅游

不给机会 十八线城市不配自动驾驶


请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
理想NPN神经网络


通勤模式启用时,理想的智驾系统会从云端下载既定路线的高维特征数据,作为感知系统的重要参考,辅助输出更稳定可靠的感知结果。比如在过路口时,因为遮挡、光线问题智驾系统可能会看不全、看不清车道线、停止线,但引入了NPN网络提供的先验信息后,感知结果会更精确(虽然仍比不上高精地图)。

相比大疆、理想,小鹏展示的则是一种大力出奇迹的方案:将车辆的感知能力做得更强、更远,减少对先验信息的依赖。


上周在北京进行的无图城市NoA演示中,小鹏表示其XNet的感知范围提升了2倍,达到1.8个标准足球场大小,此外小鹏的算法也拥有更强的“脑补”能力。这让车辆能够在百米距离就看到并记住红绿灯、标志线,提高做出正确驾驶决策的概率。



这种方式选择武装自身,受约束较少,但可能最耗费脑细胞:XNet采用的BEV+Transformer感知技术框架虽然上限高,但提升BEV感知消耗的算力会随距离增加成倍增长。

行业提出的应对方案是对BEV算法进行稀疏化改造,即通过设计让算法去算那些更该被感知的物体,比如地平线的Sparse4D、图森的稀疏BEV。不过,落地到高阶智驾量产中的稀疏化BEV尚不多。

如何在芯片算力、内存不变的条件下,让感知距离成倍提升而不损失感知精度,是对智驾团队技术与工程实力的重大考验。


03 规划拟人

要批量落地通勤模式,解决先验信息问题只是第一个重大问题,如何做好无高精地图状态下的智驾决策规划,则是第二个。

小鹏自动驾驶副总裁吴新宙此前在接受采访时认为,智能驾驶后续的主要技术挑战来自决策规划。在他离职后,其职责由小鹏智驾规控负责人李力耘接手,多少能说明主要矛盾的变化。


在去高精地图后,智驾车辆对静态物体(包括红绿灯、车道线、停止线、路沿等)的感知精准度与稳定性都会下降,此时规控算法需要更加灵活、更能应对不确定性,为系统兜底。

典型的例子是,在不依赖高精地图的智驾中,算法不像此前那样将车道线作为不可动摇的参照物,而是会更多地结合对周围环境和其他交通参与者的感知输出一个“可行驶区域”,并在预测其他物体运动轨迹的基础上,计算并执行最优行驶路线。



一种粗略的可行驶空间表示

在复杂交通流下,能支持越多的目标轨迹预测、越高频的路径搜索,决策规划的效果通常就越好,但同样也会大量消耗算力与内存资源。
您的点赞是对我们的鼓励     还没人说话啊,我想来说几句
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    我来说两句:
    评论:
    安全校验码:
    请在此处输入图片中的数字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0328 秒 and 4 DB Queries in 0.0039 秒