Lei Feng lecteur réseau par une nouvelle sagesse: Dès le début de Juin, la nouvelle unité intellectuelle commune réseau Mu Lei Feng · classe de collège AI, classe nuage Netease conduite intelligente l'entreprise a organisé une série de conférences, invitant l'industrie à part actuelle du pilote automatique et l'avenir ensemble des opinions diverses sur les meilleurs experts universitaires. 13 juin de l'Université de Tsinghua Professeur Deng Zhidong avec les praticiens du pilote automatique demi-heure qui a expliqué les « » future voiture « Lecture Phase I: clé du pilote automatique » du bâtiment, le nouveau Chi Lei Feng lecteur réseau le contenu des cours ont été consolidées, et ne change pas l'objet de l'ajustement.

Avis bienvenus: la deuxième phase de cette série de conférences, nous avons invité les produits de cartographie de haute précision automobile allemand Xiao Feng, directeur de la vallée, partage le rôle de carte de haute précision du pilote automatique. Après cela, la robotique d'horizon de conduite directeur commercial intelligente Li Xingyu, pilote automatique entreprises technologiques Silicon Valley PDG Vector.ai Cai Changbai (Andrew Tsai) apporteront également plus d'étudiants sont merveilleux au contenu part du cours sera également de 28 Juin 12 Juillet jour après jour en ligne, s'il vous plaît faites attention au collège Mu Lei Feng réseau de classe.

Invité Présentation

Deng Zhidong, Département des sciences informatiques, professeur de l'Université de Tsinghua et de doctorat tuteur. Maintenant, l'Association chinoise de l'automatisation, l'Association chinoise de l'automatisation, directeur du Comité d'automatisation intelligente. Elle était le thème de chef d'équipe de robot intelligent assistant de programme national 863 (1998-2001). Il a présidé huit ans de projets sans pilote national, la formation d'un grand nombre de talents pour le pays, y compris l'équipe de laboratoire de pilote automatique Tencent, y compris la livraison supérieure.

Depuis 2009, le projet de recherche de la Fondation nationale des sciences naturelles, « Les principaux véhicules sans pilote cognitifs artificiels de technologies clés et la plate-forme de vérification intégrée » et favoriser des projets « pour une des technologies clés de test des prototypes de véhicules environnement urbain complet sans pilote et R & D financement « de près de huit ans, le professeur Deng Zhidong a présidé le développement d'une voiture a trois driverless perception de l'environnement naturel et la capacité de prise de décision autonome, ce THU-IV1 prototype expérimental principe, prototype de démonstration de la technologie THU-IV2 THU-IV3 et prototype de test complet fils.

Ses intérêts de recherche actuels comprennent: l'intelligence artificielle, de la profondeur des réseaux de neurones, les neurosciences computationnelles, la robotique de pointe, des véhicules sans pilote. Il était engagé dans les domaines de recherche: Réalité Virtuelle (1998-2001), les réseaux de capteurs sans fil (2001-2009), la biologie computationnelle (2002-2010).

deuxième acte Autopilot a commencé à être mis en scène

A. Autopilot à la recherche a conduit le premier acte a été accompli

Au début du développement du pilote automatique, événement typique est financé par les Etats-Unis DARPA Grand Challenge (2004,2005), Urban Challenge (2007) et New Silk Road (2010) Université de Parme, en Italie.

Depuis 2009, sur la route, Google Waymo sécurité de conduite autonome a plus de plus de 300 millions de miles (483 kilomètres), le nombre d'interventions manuelles seulement 1,25 fois / millions de kilomètres.

En 2011, MIG Université libre de Berlin, l'Allemagne, les véhicules sans pilote dans les zones urbaines dans les 20 kilomètres Voyage autonomes, après 46 feux de circulation, deux autour de l'île, sans intervention tout au long retournés sains et saufs à la destination.

En 2013, l'Université de Parme, Italie véhicule autonome Braive, conduite autonome dans la ville de Parme, a passé la seule voie étroite route de banlieue à deux voies, etc., au cours de laquelle impliquent des piétons traversent la rue, feux de circulation, les bosses de la route artificielle, les zones piétonnes, des virages serrés, etc. tout en réalisant pleinement sans intervention humaine.

En Chine, en 2009, la Fondation nationale des sciences naturelles de Chine a lancé la « information visuelle et auditive cognitive pour calculer un » grands programmes de recherche et tenu pour la huitième « La Chine voiture intelligente Future Challenge » la recherche de voiture sans conducteur et le niveau de développement de la Chine l'augmentation a joué un rôle important dans la promotion. C'est la scène de poursuite de l'exécution de la Chine, de nombreuses universités et les institutions nationales de recherche impliqués dans le programme. 8 ans de temps, a subi de grands changements, est considéré comme une étape importante dans le développement de la voiture intelligente de la Chine.

2016, Baidu 18, « dit Xiao » pas de voiture a dévoilé la route Wuzhen de minuit, 3,16 km parcouru sur les routes urbaines ouvertes. Baidu niveau appelé NHTSA L4 de véhicules entièrement autonomes.

Dans l'ensemble, cette période est la période de recherche de premier plan, quel que soit le coût (le coût d'une voiture peut être plus de deux millions, plus de trois millions) n'est nécessaire de passer par voie technique, mais dans le deuxième acte la situation dans son ensemble il est différent.

II. Pilote automatique deuxième acte axée sur le marché a commencé à être mis en scène

Le deuxième acte est une entreprise axée sur le marché comme le pilier pour promouvoir le développement du pilote automatique, les coûts d'équipement, la pratique d'atterrissage, le modèle d'affaires de facteurs doivent être considérés, dont il existe trois éléments importants:

• Les nouveaux prix des voitures: Tesla, Wei, la singularité, Xiaopeng, musique, comme la voiture et à la maison, etc.

• Vieux constructeurs automobiles: Ford, Renault - Nissan, Daimler, Volkswagen, BMW, China Changan, Chery, Great Wall, Beijing Automotive, BYD

• entreprises technologiques transfrontalières: Google Waymo, Uber, Apple, Baidu, Tencent, Huawei et d'autres géants, startups potentiels Yu tels que la science et la technologie, intellectuelle Walker, horizon, Tucson, la science et la technologie dynastie Shang

III. La nouvelle tendance « quatre modernisations » est très clair

Les nouvelles soi-disant « quatre modernisations », à savoir électrique, l'information, l'intelligence, le partage.

1. motorisé

Le gouvernement allemand a annoncé qu'il interdira la locomotive diesel a frappé la route en 20308; Octobre, 2016, la réunion exécutive du Conseil d'Etat a décidé, en principe, d'approuver les nouveaux constructeurs automobiles de carburant traditionnels chinois.

2. Technologies de l'information

Technologies de l'information, y compris numérique ou logiciel basé, et (interne) bus ou (externe) relié au réseau, il est à la base intelligente et les conditions, beaucoup de nouveaux véhicules d'énergie ont atteint net lié, OTA et mise à niveau définie par logiciel commencent maintenant devenir la norme.

3. Intelligent

Intelligent ce que nous faisons aujourd'hui - ou sans pilote conduite automatique.

Pour l'instant, il y a deux options dans ce sens, il est basé sur un programme visuel dominant, l'utilisation principale de l'intelligence artificielle, un grand pilote de données à base de vision monoculaire, Tesla typique. Acte II n'est pas aussi chemin visuel pour aller à travers elle, mais aussi la poursuite d'un faible coût, une grande fiabilité, véritable étage d'affaires, mais ceux-ci ne peut être réalisé avec des entreprises comme le pilier, soit axée sur le marché. Une autre option est le radar laser a conduit un représentant typique de Google Waymo.

4. partage

Partager des services à valeur ajoutée sans pilote et intelligent est le but ultime au moment où le développement de l'industrie automobile. Partager véhicules sans pilote comme un terminal mobile intelligent ou un noeud lié au réseau intelligent, favorisera le développement économique partagé et la ville intelligente, pour subvertir la façon humaine de Voyage de la racine.

Plus de véhicules spatiaux, la capacité plus grande réalisation, peut produire et mettre en uvre la demande de gros volumes de données, peuvent fournir un service à valeur ajoutée plus diversifiée, il deviendra plus grand que terminal mobile d'un smartphone, et la formation d'un réseau partagé en commun, ce qui la formation d'un drone conduite écologique. véhicules sans pilote assureront, partager, jouer pour maximiser l'efficacité énergétique et verte.

• Safer

  80% des accidents de voiture liés à des sautes d'humeur de l'homme, la fatigue, l'alcool au volant pilote automatique réduit le risque lié dans ce domaine, la fréquence des accidents peut réduire considérablement le temps de 100.000 kilomètres à 10 millions de kilomètres une fois.

  deux incidents l'année dernière de Tesla, tant de gens ont des problèmes de sécurité sans pilote, mais selon l'Organisation mondiale de la Santé Données (OMS), le nombre de décès dus aux accidents de la circulation dans le monde chaque année, il y a 1,25 million, il y a une moyenne de 3425 personnes par jour il a été tué dans un accident de voiture. A partir de ces données, les voitures driverless est sans aucun doute plus sûr.

• Covoiturage

  Aucune voiture ne peut faire de la propriété voiture dans la ville pour réduire les 5% actuellement à 10%, la congestion du trafic et d'autres problèmes peuvent être résolus fondamentalement.

• L'utilisation généralisée de nouvelles sources d'énergie, plus respectueux de l'environnement

• chemin global optimal peut être un véhicule sans pilote, économisant ainsi la consommation d'énergie

IV. Continue d'accélérer le rythme de l'industrialisation

Le rythme du pilote automatique de l'industrialisation accélère, beaucoup de gens en 2021 comme la première année d'une industrie du pilote automatique. Un exemple typique est Tesla 2.0 Autopilot.

À l'heure actuelle, toute nouvelle production de véhicules Tesla système matériel peut être installé Auopilot 2.0 « lecteur avec fonction automatique », et un ECU par mise à jour logicielle OTA, la fonction pilote automatique saut directement de L2 à L4 et au-dessus. Cela peut devenir une réalité d'ici la fin de cette année peuvent être observés résultats partiels - Musk a déclaré que Tesla sera le mode de conduite entièrement automatisée avant la fin de 2017, à destination de New York, de Los Angeles, y compris sur le plus difficile de la ville dans la ville, et 4500 km pleine intervention libre.

Maintenant, il y a beaucoup d'entreprises dans le test de la voie publique. 25 août 2016, nuTonomy à Singapour a lancé gratuitement premier service de passagers de taxi du monde driverless, mais portée limitée de la zone commerciale et résidentielle de 2,5 miles carrés, 14 septembre, Uber lancé au centre-ville de Pittsburgh une large gamme de services de passagers de taxi gratuit sans pilote. Google Waymo, Volvo, Ford, BMW, Baidu, Intel et d'autres 20 entreprises mondiales ont affirmé qu'en 2021 quatre ans après la première année sera une voiture sans conducteur, une partie SAE L4 à la production de masse.

En même temps, la concurrence dans l'industrie se développe également. Il existe deux principaux indicateurs, on se base sur le nombre de miles parcourus automatique des données grand, il est une fréquence d'intervention humaine dans un millier de miles. L'année dernière, le California Department of Motor Vehicles a annoncé les données de plusieurs prix des voitures, numéro un est Google Waymo, son kilométrage est conduite automatisée 3.000.000 miles, 0,2 fois le nombre d'interventions / mille miles. Croisière est 18,5 fois / seconde mille miles génériques.

Un magazine américain vient de publier un classement, ce sera l'activité du monde est divisé en trois échelons pilote automatique, et a marqué de la technologie, les ressources humaines, le modèle d'affaires en trois dimensions, chaque dimension 5 points sur 15 points. Le premier niveau a Google Waymo, il est hors de la technologie, le talent est de 4,5, le modèle d'affaires est seulement 3,5 points, suivi de près par Uber, Uber bien que la technologie ne va pas bien, mais le modèle d'affaires est le meilleur pour sur 5, il a lancé un service de passagers gratuit sans pilote dans la ville de Pittsburgh, respectivement troisième et quatrième, Daimler et Delphi.

Les joueurs de l'industrie:

1. L'intelligence artificielle de start-ups actifs. Y compris Zoox, drive.ai, a été acquis par GM Cruise Automation, Comma.ai, Réseau préféré du Japon, ZMP et ainsi de suite.

2. Les prix des voitures neuves ambitieux. Tels que Tesla, après six mois d'efforts, nous avons récemment terminé avec succès la transition de Mobileye données de test d'entraînement afin de fonctionner sur le système logiciel Tesla Vision Drive Nvidia PX2, et la fin de Mars de cette année, a été libéré mise à niveau du logiciel Autopilot 8.1.

Tesla était de commercialisation plus. Tout d'abord, il est en lui-même les prix des voitures d'énergie, d'autre part, il a OTA, vous pouvez effectuer des mises à niveau logicielles, en troisième lieu, il a une grande données est la plus riche du monde (il y a plus de 300 millions de miles de données de test d'entraînement), et enfin, tout matériel sont devenus la voiture de production standard. Par conséquent, tant que chaque fonction pilote automatique fini strictement essai routier, une maturité, vous pouvez effectuer une mise à niveau logicielle OTA.

3. force d'accélération du géant technologique transfrontalière. Par exemple, Google l'année dernière a mis en place un service de pilotage automatique spin-off Google Waymo, grâce à la création de sa propre équipe de R & D, lidar coûts de plus de 90%, et maintenant presque à environ 7000 $, après la production, je crois que ce coût sera plus faible. Waymo maintenant à 500 Chrysler Pacifia MPV inséré dans la région de Phoenix dans les voitures électriques hybrides driverless étaient bêta communauté, qui est également considérée comme un prélude à son atterrissage commercial. En outre, Baidu a lancé le programme Apollo, plans de pilote automatique de code open source, ainsi que Xavier programme open source de Nvidia, sa coopération avec Toyota, devrait ouvrir ses portes en Juillet de cette année, l'entrée de la plate-forme Xavier, à Septembre réaliser entièrement open source.

4. demeurent les avantages d'un prix des voitures traditionnelles. Tels que Ford, General Motors, Renault-Nissan, Daimler, Volkswagen, BMW et autres prix des voitures traditionnelles ont accéléré le développement de produits de véhicules autonomes et processus de test, comme Changan domestique, Chery, Great Wall, Beijing Automotive, BYD, sont également activement au développement propre technologie de véhicules autonomes.

Ceci est le deuxième acte du pilote automatique. Je crois que SAE L4 ère du pilote automatique sera probablement venir après 2021, mais sa fonction est pas la zone en une seule étape, mais itération progressivement.

La clé d'atterrissage industrielle

A. Défis techniques

Il y a deux difficultés majeures: comment passer de L2 à L3? Comment passer de L3 à L4? La sensibilisation et l'anticipation sont considérées comme des décisions extrêmes des environnements à des situations d'urgence. Une mesure de sol industriel, il y a deux indicateurs principaux, à savoir le kilométrage et un grand pilote automatique de données par million de kilomètres du nombre d'interventions manuelles.

II. Application des modèles d'entreprise sélectionnés et scénarios, y compris à faible et la sélection à grande vitesse

Autopilot a deux classement, le classement est relativement ancienne US Highway Traffic Safety Administration, et le pilote automatique ont été divisés en L0, L1, L2, L3 à L4, l'autre classez Society of Automotive Engineers (SAE) de de L0 à L5.

SAE L0-L5 six fait peut se résumer en trois étapes, la première étape est appelée conduite secondaire et semi-autonome, comprenant L0 et L1. L0 entièrement par la personne que l'on état de conduite maintenant, mais peut être installé avant ou après le chargement de l'ouverture de cycle du type d'alarme ADAS, comme LDW, FCW, BSD et analogues; Ll est une boucle unique de l'ADAS, tels que ACC, AEB, LKS , IPAS et ainsi de suite;

La deuxième étape est le premier pilote automatique act transition de phase réalisable appartient à la non habités, comprenant L2 et L3. Si vous ne considérez pas le coût, il est maintenant largement atteint ce stade. L2 nécessité de surveiller la sécurité du conducteur et aucun pilote dans la voiture, le conducteur est responsable de l'environnement de la surveillance du trafic sécurité perçue, les mains sur le volant, pour la perception et de l'intervention cognitive pour les environnements extrêmes, aussi connu comme le pilote automatique de section L2 . interventions L3-aware mettre toutes abolies, il y avait urgence seulement prévoir l'intervention et la prise de décision cognitive, appartenant au conditionnel pilote automatique.

La troisième étape est un vrai sans pilote, y compris L4 et L5. L4 est aucun pilote humain, mais la région définie ou la fonction. En d'autres termes, même dans des conditions extrêmes et de situations d'urgence, les gens n'existent pas ou un problème de prise en charge de l'intervention, sont la conduite hautement automatisées. L5 revient à disque humain est à l'échelle régionale et pleinement fonctionnelle. De même, même dans des conditions extrêmes et des situations d'urgence, les gens n'existe pas non plus prise de contrôle ou d'une intervention, et n'a pas le volant, les pédales et les miroirs, sont la conduite entièrement automatique.

1. Sélectionnez les scénarios d'application et les modèles d'affaires

Ouvert et ligne trafic clairsemés pilote automatique région à faible L4 fixe est dans un environnement relativement fermé, comme sites pittoresques, des ports, des aéroports, etc. conduite pratique d'atterrissage automatique de la zone, y compris les bus navettes et bus touristiques, etc., la principale préoccupation devrait faire partie du modèle d'affaires. Atteindre un L2 saut technologique pour toute la ville L4 dans un environnement ouvert, il est non seulement le modèle d'entreprise, dépend principalement des percées technologiques. En général, la poursuite à faible vitesse du modèle d'affaires, implique à grande vitesse, fiables, des technologies à faible coût de l'itinéraire sélectionné, la technologie est beaucoup plus difficiles.

2. difficultés et défis

Tout d'abord, L2 à L3 comment traverser? Les gens dans la voiture, sur l'environnement routier environnant est de comprendre, de voir plus qu'une simple détection de cible, les résultats de classification et d'identification, mais il y a encore la sémantique, il y a une connotation et l'extension. Sans la technologie de l'intelligence artificielle pour réaliser des percées dans la compréhension sémantique, il est difficile de dépasser le niveau de la perception humaine. En fait, L2 à la question L3 est la perception fiable du problème, que ce soit des programmes a conduit visuellement, ou des programmes dirigés radar laser, sont fiables pour résoudre les problèmes perçus dans des environnements extrêmes.

D'autre part, comment allant de L3 à L4? Cela implique le problème de l'intervention cognitive. Urgence comment prédire, à en juger? Comment remplacer l'intervention cognitive humaine? On prévoit maintenant aux situations d'urgence, les cas extrêmes, il existe quelques méthodes, telles que l'étude approfondie Intelligemment-fin de la prise de décision autonome et le comportement humain.

Ensemble, ces deux questions sont très difficiles, très difficile, étant donné l'extrême nécessité de faire face aux situations d'urgence, tout en exigeant une fiabilité absolue, à faible coût, et compte tenu de cela est une caractéristique de faire sans pilote. Les coûts d'équipement du moins cher appareil photo, le programme de technologie de Tesla est de regarder autour unique à base de caméra, l'autre est un radar laser à faible coût Waymo que les solutions technologiques, toutes deux sont une solution à faible coût.

Ainsi que la détection de cible et reconnaissance du problème. flux de trafic dense urbain complexe, comment détecter et identifier les obstacles entourant les environnements extrêmes, en particulier les piétons et les autres petites cibles? Il y a une navigation précise, comment remplacer le système de navigation de haute précision à coût élevé? Comment combiner laser et SLAM visuel SLAM, pour réduire les coûts? Mais que ce soit l'identification des cibles précises ou la navigation, le plus gros problème est la fusion de l'information. Bien que l'utilisation de la vision radar ou laser dirigé des programmes a conduit, mais ont encore besoin de l'intégration de la perception hétérogène ou d'autres équipements de navigation. La méthode employée à cet égard une étude approfondie, la fusion de l'information multi-capteurs.

Le dernier défi est le plancher commercial, de réduire les coûts tout en assurant la sécurité absolue de la prémisse, autant que possible, ce qui est maintenant un problème majeur, pour résoudre ce problème peut conduire à un changement fondamental dans l'itinéraire technologique.

AI apporter une nouvelle percée pour le pilote automatique

Beaucoup de gens pensent que le pilote automatique est l'un des plus de valeur commerciale et le champ vertical atterrissage possible plus tôt. Valeur commerciale plus besoin de mettre l'accent sur les voitures driverless futures partagées peut être billion marché du dollar, il ruinerait toute façon humaine de Voyage, est d'une grande importance, mais pour atteindre le sol doit assurer la sécurité et à faible coût absolu. De plus, nous devrions être l'intégration verticale, il doit y avoir une solution complète, une forme d'écologie industrielle.

Apprentissage en profondeur à partir des données grand original, alors qu'en fait, étant également tels que GPU, TPU, ASIC et FPGA soutenir le développement rapide de la puce du cerveau de classe, est devenu la perception du pilote automatique, la prise de décision et de contrôle de la technologie sous-jacente. À l'heure actuelle, les trois puces géant aussi dans la transition vers la direction du renseignement artificielle, en particulier la mise en page du pilote automatique, qui est contestée.

l'apprentissage en profondeur est devenue la perception du pilote automatique procédé ordinaire et la prise de décision, qui comprend deux aspects: l'un est la profondeur de convolution réseau de neurones, l'autre est la profondeur de l'apprentissage par renforcement.

Profondeur convolution réseau de neurones progrès jusqu'à présent révolutionnaire, couplé avec le radar laser à faible coût, carte de haute précision travaillent ensemble pour le soutien, 5G Communications, V2X et systèmes de transport intelligents et la ville intelligente, va probablement rendre l'environnement de trafic environnant dans des conditions extrêmes, la perception fiable à faible coût, une grande fiabilité et la navigation de précision devient une réalité, le pilote automatique aide envergures de L2 à L3. L2 à L3 est réalisée à travers la perception de résoudre l'environnement ont-niveau humain, la route à un drone vraiment de la moitié gauche.

Apprentissage par renforcement basé sur la profondeur de AlphaGo peut atteindre le niveau humain, plus encore que le niveau humain. Les derniers progrès AlphaGo forte profondeur de poussée de l'apprentissage de renforcement, il est possible de la capacité automatique d'auto-apprentissage pour conduire une voiture avec des personnes similaires, y compris avoir à obtenir une situation d'urgence, y compris fin à prédire le comportement des systèmes de prise de décision et autonomes pilotées par les données système de contrôle intelligent , augmentant ainsi portées de pilote automatique de L3 à L4.

AI devrait permettre le pilote automatique d'atterrissage, principalement des algorithmes liés (profondeur convolution de réseau de neurones + apprentissage de renforcement de profondeur), les données (intentions visuelles et comportementales cibles grandes données / grandes données de nuages de points laser, les grandes données du comportement au volant, etc.), calculés (comme un terminal mobile, les nuages, l'accélérateur d'apprentissage de la profondeur de la formation en ligne), des scènes divisées (buts et perception des intentions de comportement, des cartes cognitives et de la navigation, la fusion de l'information, la prise de décision autonome, contrôle intelligent, etc.) et l'intégration verticale et cinq autres dimensions.

• Pilote automatique soutien à l'atterrissage des algorithmes d'apprentissage profond et frameworks open source: tensorflow Google, Berkeley, Californie Caffe, Bengio de Théano, Facebook Torch, Microsoft CNTK, MXNet, Paddle Paddle Baidu d'Amazon;

• technologies clés communs: environnement d'apprentissage + profond pour comprendre la profondeur de l'apprentissage + fusion de données, l'apprentissage approfondi de la décision + / contrôle;

• technologies de base de pointe: intention et le comportement basé sur une profondeur cible d'apprentissage supervisé de détection et d'identification, sous la supervision d'apprentissage sur la base de la profondeur de la création de la carte de haute précision; apprentissage supervisé basé sur la profondeur de fusion d'informations de navigation multi-modal, autonome de prise de décision et de contrôle sur la base de la profondeur de l'apprentissage par renforcement;

• Comment remplacer les gens soucieux de l'environnement: CNN perception de la profondeur environnement basé, associé à la carte HD, basée sur la route dans des conditions extrêmes CNN perception de la profondeur \ ligne de couloir et la surface de la route à détecter, la détection d'obstacles et d'identification basée sur la profondeur de CNN;

• Comment remplacer l'auto-perception humaine: la navigation autonome basée sur une étude approfondie multi-modale, conjointement avec carte cognitive, mettre fin à leurs décisions en fonction de la profondeur de l'apprentissage de renforcement, associés à carte cognitive, le contrôle en fonction de la profondeur de l'apprentissage par renforcement Acteur-critique, combinée à la connaissance conduit.

En outre, des données exclusives AI grande industrie est la clé du succès et de la magie. L'acquisition d'apprentissage plus profonde et l'alimentation des gros volumes de données, plus l'accès à l'intuition meilleure conduite.

géants technologiques pourchassent frénétiquement gros volumes de données, qui a de plus en tirent parti des Big Data, dont la maturité produit, plus le plus proche ou la commercialisation. Mais il est nécessaire de résoudre le problème des grandes quantités de données complètes, telles que le taux de reconnaissance accrue 99,999 à 99,99999%, la nécessité est la croissance exponentielle des données importantes, nécessite beaucoup de ressources à payer.

• pilote automatique support moteur de calcul d'atterrissage: basé sur super entraînement hors-ligne GPU / TPU;

• plate-forme applicative basée sur le cloud en ligne: GPU / FPGA processeur apprentissage en profondeur;

• applications de fin: NVIDIA Tegra étude approfondie de la puce X1 et Jetson TX2, puce apprentissage en profondeur Tesla, puce d'apprentissage profond lecteur PX2 et open source Xavier; DLA

• fabricants de puces de nouvelles voitures: Intel Apollo lac A3900 "cockpit intelligent plate-forme Internet", processeur Qualcomm Snapdragon 820A;

• Brain-chip: par exemple IBM TrueNorth, Qualcomm (Qualcomn) Zeroth;

• D'autres conditions de base pour soutien à l'atterrissage du pilote automatique: que la compréhension fondée sur les objectifs de la carte cognitive, en particulier, de haute précision (grille \ cognitive) tracent l'avenir peut devenir une énorme industrie. Il y a aussi basé sur les progrès de réseaux intelligents et 5G Internet mobile choses NB-IdO (tels que les communications en nuage de soutien et de l'équipement d'essai routier), les systèmes de transport intelligents (STI) et la ville intelligente, etc., et des efforts concertés pour soutenir la pratique de l'industrie du pilote automatique d'atterrissage.

épilogue

L2 L3 traversant le défi: comment utiliser profondeur alternatif convolutif personne de réseau de neurones percevoir de façon fiable le milieu environnant dans des conditions extrêmes de conduite.

L3 à L4 dans la difficulté est: comment les gens alternatives d'apprentissage par renforcement profond font la prédiction de leurs propres décisions.

progrès révolutionnaires récents apprentissage en profondeur, couplé avec carte de haute précision, communication 5G, liaison de réseau intelligent et de soutien pour les STI et la ville intelligente, et des efforts conjoints pour stimuler l'atterrissage du pilote automatique de l'industrie.

Partager des services à valeur ajoutée sans pilote et intelligents deviendront la sagesse ultime des objectifs de développement de Voyage.

Q & A

Q: sans pilote en cas d'urgence comment intervenir?

Réponse: Uber, la voiture a l'ingénieur d'essai Waymo, L2 en particulier pour ce niveau de véhicules autonomes, les gens sont assis sur la position du conducteur, et les mains sur le volant de direction, une situation d'urgence peut prendre à tout moment.

Si tel est le cas une intervention cognitive, le conducteur peut appuyer sur le bouton de commande d'arrêt d'urgence du véhicule. Que ce soit en voiture des moyens filaire ou sans fil à l'extérieur de la voiture, les gens peuvent, après une prise de décision, l'intervention de freinage d'urgence.

Q: Qu'est-ce qu'un concept de carte cognitive?

Réponse: carte cognitive lors de la conduite, la relation temporelle et spatiale entre les différents éléments de l'environnement de trafic routier environnant, est l'utilisation de la carte cognitive humaine à la conduite. L'il humain peut facilement distinguer les relations temporelles entre les objets et leur mutuelle, la machine est nécessaire pour détecter et identifier, en fait, c'est la plupart difficile.

Q: dégâts de vélo partagé, si graves voitures part driverless à l'avenir comment éviter ce gênant?

Réponse: Partager voiture pourrait ne pas avoir driverless ce problème, car il doit être une société ou une entreprise de fonctionner, en raison du coût relativement élevé de l'équipement, je crois que les entreprises auront de meilleurs modèles opérationnels et organisationnels. En fait, maintenant que la question est encore trop tôt, il est important de développer d'abord, puis résoudre le problème après que le problème se produit.

Q: comment le contrôle du pilote automatique de sécurité?

Réponse: la sécurité autopilote doit être plus grand qu'un homme de conduite. Les gens ont la fatigue, l'alcool au volant, émotionnel tout en conduisant, mais les véhicules sans pilote pour les éviter.

Nous sommes inquiets au sujet est qu'il ne peut pas atteindre le niveau de la perception humaine. À l'heure actuelle ne parvient pas à l'avant, il a dit, et la profondeur de convolution réseau de neurones a un défaut, qui ne peut résoudre le problème de la segmentation et la classification, la compréhension sémantique ne peut pas faire. Mais cette limitation, vous pouvez la fusion multi-capteurs, l'utilisation efficace de la carte de haute précision des connaissances antérieures, ainsi que réseau intelligent associé à l'ITS force composée de 5G, NB-IdO, etc. à briser. Dans l'ensemble, le pilote automatique est d'améliorer la sécurité au volant, au lieu de diminuer.

Q: Google, Nvidia, la puce d'Intel et de l'algorithme ont le pilote automatique Quels sont les avantages?

Réponse: Google utilisé pour faire de l'arithmétique, mais maintenant ils ont la puce TPU, et en essayant de se faufiler dans les trois grands jetons. Il Algorithmique et TPU se portent bien, l'avantage est évident. Techniquement, Google est certainement le premier. NVIDIA est lui-même pas l'algorithme, la tâche principale de la puce, à l'ère de l'intelligence artificielle, la puce est très avantageuse. Intel font maintenant également la disposition de la puce de l'intelligence artificielle et de la transformation.

Q: AI n'est pas la dernière voiture est une sorte de robot?

Réponse: Oui, dans un sens, les véhicules autonomes est un robot mobile sur roues à l'extérieur.

Q: Le pilote automatique est basé sur une carte, marquant la mise en uvre du calcul, puis pour l'environnement géographique de fond, il n'y a pas remblai ni tiret, comment obtenir le pilote automatique?

Réponse: carte de haute précision est juste des conditions de soutien de base, mais pas nécessairement. Aucune ligne de voie n'a pas d'importance, il n'y a pas de ligne de couloir environnement hors route, mais peut se déplacer surface de la route, tout en conduisant peut également être fusionnés ou des informations de navigation Beidou GPS et toute autre assistance à faire.

Q: Quelle est l'orientation des revenus Baidu pour les entreprises innovantes font?

Réponse: Il est une solution complète, mais je pense que ce ne sera que le premier acte de code source ouvert. Act I chemin juste de la technologie pour passer, mais il peut être indépendamment du coût, donc peu de valeur commerciale, mais vient de commencer start-ups du pilote automatique, il est également un rôle de guide. Acte II réelle valeur commerciale du programme, Baidu ne peut pas être open source.