Новый метод улучшает реконструкцию сцены для тестирования моделей автономного вождения
Разработка транспортных средств, которые могут безопасно работать без водителя-человека, была ключевой целью многих команд в сообществе исследователей ИИ. Поскольку тестирование автономных транспортных средств только на реальных улицах было бы небезопасным и неосуществимым, их базовые алгоритмы сначала обучаются и широко тестируются в симуляциях. Хотя платформы моделирования , используемые для обучения моделей автономного вождения, значительно улучшились в последние годы, они часто имеют различные ограничения. Существует два типа методов моделирования: методы открытого цикла, в которых выходные данные (т. е. действия или реакции моделируемых транспортных средств) не влияют на будущие входные данные, и методы замкнутого цикла, в которых выходные данные влияют на последующие входные данные, создавая адаптивный цикл. Методы моделирования открытого цикла, как правило, проще в реализации, но они не адаптируются к изменениям или ошибкам, допущенным в тестируемых моделях при моделировании. Напротив, методы замкнутого цикла лучше отражают динамические реальные настройки и, таким образом, могут оценивать производительность систем с большей точностью, но они также более требовательны к вычислениям и не всегда отображают сложные маневры и новые траектории транспортных средств. Исследователи из GigaAI, Пекинского университета, Li Auto Inc. и CASIA недавно разработали новый метод, который может улучшить реконструкцию сцены вождения в симуляциях. Этот метод, изложенный в статье, размещенно...
Китай отказался от «умного вождения» и «автономного вождения» в автопроме Официальный Пекин запретил автопроизводителям использовать термины «интеллектуальное вожде ...
CHASPIK.SPB.RU