自动驾驶

智能网联交通技术发展现状及趋势

demi 在 周三, 09/30/2020 - 09:04 提交

本文综述了智能网联交通技术发展现状及趋势。智能网联交通系统的技术体系架构是一个集车辆自动化、网络互联化和系统集成化三维于一体的高新技术发展架构。其关键技术模块包括感知模块、融合预测模块、规划模块和控制模块等4个关键部分。

机器学习的演进

demi 在 周二, 09/22/2020 - 09:27 提交

在我们的生活中，机器学习无处不在，它增加了价值，产生了积极的经济效应，同时减少了低效和浪费。这是由多方面的因素推动形成的，包括显著改进的神经网络（NN）框架，成熟的机器学习技术，改善的训练数据访问方法，当然还有一点很重要的就是，性能更佳的、嵌入在边缘和终端用于训练的专用集成电路（ASIC）。再加上更好的机器学习训练算法——在一些情况下可以将训练时间从数周减少到数小时，机器学习正变得越来越可行。

为什么视觉系统对自动驾驶至关重要？

demi 在 周一, 08/17/2020 - 17:32 提交

Imagination的嵌入式GPU可以提供市场领先的性能、低功耗和小尺寸等优势，同时可以支持行业最新的应用编程接口（API）。这些优势使我们的IP非常适合于满足汽车行业所需的高性能，即使是支持多个屏幕。我们的GPU还可以为未来基于ADAS的计算应用提供其所需的GFlops（每秒十亿次浮点运算）级别的处理能力。

360度全景环视和自动泊车系统

demi 在 周一, 08/17/2020 - 11:01 提交

驾驶员难免遇到行程匆忙、回避麻烦或寻求便利的情况，在这些常见场景中真是有苦难言。幸运的是，自动驾驶功能将缓解这类尴尬，提供更便利、舒适的驾驶体验，即使是泊车这种日常操作也不在话下。基础环视系统为驾驶员提供可视化提示，从而让他们更加全面地了解周围环境。通过深度学习汽车摄像头捕获的视频图像，可提供更高级的服务，如检测空的停车位、自动泊车和启用无人驾驶的“自动代客泊车”功能。

汽车硬件虚拟化的发展趋势

demi 在 周四, 08/13/2020 - 11:56 提交

诸如GPU之类的设备，托管一个或多个虚拟机的能力，每个虚拟机的行为类似于具有自己的操作系统独立计算机，并且都在相同的基础设备硬件上运行。这意味着单个GPU可以支持多个同时运行的操作系统，每个操作系统都将工作负载提交给单个图形硬件设备。

MIT：全自动驾驶系统大范围部署至少还需10年

demi 在 周二, 07/28/2020 - 11:04 提交

近日，麻省理工学院未来工作特别小组报告称，全自动驾驶系统将至少需要10年的时间才能大范围部署。此外，报告合著者、MIT 教授 John Leonard 和 MIT 博士候选人 Erik Stayton 指出，成本是采用自动驾驶技术的障碍。