Technologie AI Revue de presse : À l'heure actuelle, l'industrie automobile mondiale a accepté le système de classement proposé par l'Administration nationale de sécurité routière (NHTSA) et la Société internationale d'ingénieur machine automatique (SAE), le pilote automatique en L0 à L5, respectivement, assumer des responsabilités correspondantes, et que le niveau L4 le deuxième plus haut sans pilote, est celui qui peut être entièrement automatisé et lorsqu'il est complètement driverless sans intervention humaine dans certains scénarios (par exemple la route), jusqu'à présent, pour atteindre sans pilote L4 est encore le domaine le plus difficile de l'intelligence artificielle la nature, l'un des problèmes les plus complexes.
Récemment, sur l'inter-AI Yanxishe quatre premiers truie après, la société la plus élevée du pilote automatique d'évaluation de la Chine risque Momenta M4U directeur technique Chen Kai a partagé la profondeur pilote automatique licorne Momenta comment « construire le cerveau du pilote automatique », et interpréter realize L4 pilote automatique niveau Quel type de technologie et de talent.
Chen Kai: Momenta L4 directeur technique, le Dr Université des sciences et de la technologie de la Chine, RoboCup @ Home League 2014 champion du monde, depuis de nombreuses années engagés dans la recherche du robot et les travaux connexes.
thème Partager : L4 perspective de mise en uvre sans pilote Talent (Explication supplémentaire Momenta emploi)
grandes lignes de l'action :
1, Momenta équipe: créer le pilote automatique cerveau
2, trois boucles de rétroaction grande plate-forme de données et des algorithmes AI
3, et pour la technologie de base Momenta: Basé sur l'environnement d'apprentissage en profondeur perçue, des cartes de haute précision, la conduite de l'algorithme de prise de décision
4, L4 atteindre le niveau de pilote automatique Quel type de technologie et de talent
AI Yanxishe au contenu des actions se résument comme suit:
Aujourd'hui, principalement ici pour partager avec vous l'itinéraire technique Momenta, et l'autre se concentrera sur ce que le niveau de la demande pour les talents L4 sans pilote.
Momenta équipe: créer cerveau pilote automatique
Momenta positionne la société pour créer cerveau pilote automatique, en termes simples, le cerveau est de fonctionner dans le logiciel des systèmes sans pilote. La figure est l'équipe de base de l'entreprise:
-
PDG Cao Xudong, est diplômé de l'Université de Tsinghua dans l'industrie Intelligence artificielle a accumulé près de 10 années de recherche et de l'expérience de gestion. Il a publié des dizaines d'articles en conférence de haut niveau sur l'ordinateur Vision CVPR / ICCV / ECCV, etc., et a remporté la deuxième place dans la compétition scientifique nationale de données US Bowl monde. Avant de fonder Momenta, Cao Xudong a été directeur exécutif de la science dynastie Shang et de la recherche et du développement technologique, a mené une centaine équipe de recherche et de développement, a une vaste expérience de la gestion et de l'expérience d'atterrissage produit. Avant de se joindre à la technologie dynastie Shang, Cao Xudong régime Chargé de recherche Microsoft Asie, sa technologie R & D est largement utilisé dans la Xbox, Bing, Comment vieux et d'autres produits bien connus, y compris un produit phénoménal How-Vieux a des centaines de millions d'utilisateurs.
-
R & D Ren Shaoqing, Chine Université des sciences et de la technologie et de Microsoft Research Asia cotutelle. M. Ren Shaoqing est le cadre le plus de détection d'objets populaires Faster-RCNN premier auteur de la plupart des auteurs influents de troisième étude approfondie structure du réseau ResNet, mais aussi obtenir IMAGEnet 2015 détection d'objet, la classification d'image, du positionnement des objets championnat, MS COCO 2015 un certain nombre de championnat, et CVPR 2016 meilleur papier et beaucoup d'autres honneurs.
-
Xia Yan, directeur de la recherche et le développement, la Chine Université des sciences et de la technologie et de Microsoft Research Asia cotutelle, les experts d'apprentissage en profondeur et les grandes données sur le terrain. Dans Bing et d'autres produits bien connus, le Dr Xia a appliqué les résultats de la R & D.
-
R & D Sun Gang, l'Académie chinoise des sciences, le Dr vision par ordinateur, parallèle haute performance informatique experts en systèmes, à grande échelle expert en matière de reconnaissance d'image. M. Sun Gang a remporté le classement de la scène runner-up IMAGEnet 2016, IMAGEnet 2017 champion du classement de l'image, et a été impliqué dans la conception de la première formation de cluster GPU au monde pour la profondeur de l'apprentissage.
En outre, les membres de l'équipe Momenta principalement du MIT, CMU, l'Université de Tsinghua, l'Université de Pékin, la Chine Université des sciences et de la technologie et d'autres universités et instituts de recherche à la maison et à l'étranger, ainsi que Google, Amazon, Facebook, Microsoft Research Asia, Tencent et d'autres bien connus entreprises de haute technologie, nous avons une forte accumulation technique, l'originalité technique forte et la richesse de l'expérience de l'industrie.
Momenta est une entreprise avec de classe mondiale capacités de R & D. Ci-dessous la profondeur de champ d'étude dans les trois résultats plus célèbres, tous issus de membres de l'équipe de base de Momenta.
Le premier est Senet, il a été la meilleure performance de l'unité de réseau d'apprentissage profond de l'industrie, Momenta a également obtenu en vertu de Senet champion du classement mondial l'image IMAGEnet 2017.
Le second est plus rapide R-CNN, Ren Shaoqing son auteur, il est le cadre de détection d'objet le plus souvent fait référence, sur la base de Momenta beaucoup amélioré.
Le troisième est ResNet, il est le plus influent structure du réseau d'apprentissage en profondeur, le papier a également reçu un meilleur article 2016 Nian CVPR de.
Ces documents de recherche 3-connexes ont été citées plus de 17.000 fois le nombre, en même temps, l'équipe a également remporté le IMAGEnet 2015 détection d'objet, la classification d'images, champion de positionnement de l'objet, MS COCO Défi champion 2015, IMAGEnet 2017 champion de classement d'images et une série de grandes compétitions internationales prix.
Momenta est positionné pour créer le cerveau du pilote automatique, toujours concentré sur la réalisation des logiciels et des algorithmes d'intelligence artificielle.
La technologie de Momenta se compose de trois modules:
Sur la base de la profondeur perçue de l'environnement d'apprentissage . Il est le principal problème à résoudre est que le véhicule sans pilote peut apercevoir des objets autour d'elle, y compris les panneaux de signalisation de statique et dynamique des véhicules, des piétons, des vélos et ainsi de suite.
carte de haute précision . Le pilote est différent des humains, des pistes de voiture sans conducteur très dépendant d'une feuille de route pour haute précision, pour qu'il sache ce qu'il est dans une position où vous voulez atteindre, quel genre de relation avec la position actuelle, et en fonction du positionnement et de faire une information de navigation plus précis, la destination finale automatique.
Décision conduite Algorithme . décisions de conduite entraînées par des données, semblable à la mise en place d'un 100 milliards de kilomètres d'expérience de conduite a un pilote intelligent. Par le paquet de test de la voie publique, Momenta carte sémantique obtenue avec la trajectoire d'entraînement de masse à haute précision. En apprenant à conduire la trajectoire massive algorithme Momenta peut être basé sur les informations de connaissance de la situation actuelle et carte de précision pour prendre des décisions à la planification d'entraînement.
Sur la base de ces technologies, Momenta a développé différents niveaux de programme de conduite automatisé, et avant que la technologie sous-jacente est très polyvalent, le dos de ma description plus précise.
La plate-forme sous-jacente Big Data et la boucle de rétroaction de l'IA
Ensuite, parlez-nous de la façon d'utiliser les données et les grandes grande boucle de rétroaction plate-forme informatique de grandes données et les algorithmes AI.
1. Grande plate-forme informatique, qui est soutenu Momenta pour former la possibilité d'obtenir un bon modèle de base des besoins, principalement pour le système de formation d'apprentissage profondeur GPU. En plus de deux ans depuis la fondation, l'équipe continue d'optimiser la plate-forme de formation, au premier semestre de 2018, propre plate-forme de Momenta a des milliers de morceaux de GPU, le nombre d'entreprises et de grandes sociétés start-up sont à l'intérieur d'un très grand échelle. Mais seulement ont tant de nombre de GPU ne suffit pas, l'équipe a également conçu un système de formation d'apprentissage profondeur distribué ROCS, il a fait beaucoup d'optimisation pour l'apprentissage en profondeur, y compris le transfert d'information à grande vitesse entre tous les serveurs, une excellente optimisation de stockage, basé sur le système et Senet, aider à accélérer le processus itératif. Plusieurs des principales caractéristiques de ce système de formation sont: stable, efficace, matériel de collaboration et des logiciels optimisés pour la facilité d'utilisation.
2. Plate-forme Big Data, se référant aux dix milliards de kilomètres de capacités d'acquisition de données. Momenta utiliser des idées crowdsourcing accumulées les données relatives à la conduite automobile. Les conditions routières rencontrées par les différents véhicules, les conditions météorologiques et la lumière dans différentes villes varient considérablement, les données accumulées peuvent aider à mieux percevoir le développement de l'algorithme. Les données du produit, les données collectées par le biais de multiples canaux, que la technologie obtenir une meilleure itération, permettent d'améliorer la qualité et la performance des produits, la forme finale boucle bénigne.
Après avoir tellement de données et non pas directement à la grande plate-forme de données, il y aura des étapes intermédiaires:
La première étape est la collecte de données, la collecte de données à travers le produit;
La deuxième étape consiste à filtrer, des données de récupération de données après, une partie des données est inutile, il doit y avoir une certaine inutile, vague choisi pour supprimer les données;
La troisième étape est des données d'annotation de données valides, les données du système a été effectivement utilisé pour des algorithmes de détection Momenta précis, ces algorithmes peuvent grandement améliorer l'efficacité de l'étiquetage, le marquage nécessité de ne pas commencer de 0;
La quatrième étape, les données sur l'accès à la grande plate-forme de données de Momenta, modèle de formation.
En fait, le processus de formation est la nécessité de consommer beaucoup de mémoire et des ressources informatiques, il est également un ensemble de crowdsourcing interne système d'annotation de données à distance en ligne, nous pouvons tirer profit des résultats du modèle de formation pour aider à filtrer les données et les données auxiliaires marquées avec l'algorithme semi-automatique. Momenta également rejoint les étudiants ont accès à ces projets, certaines de leurs idées ont la possibilité de pratiquer et de vérification.
Il faut aussi mentionner la profondeur du modèle d'algorithme d'apprentissage, Momenta bonne performance du modèle peut être mieux intégré dans le produit. Dans le cas de la précision du modèle est peu endommagé, donc 10-100 fois plus rapide modèle de calcul, alors que la taille du modèle comprimé 100 fois, de sorte que le temps et le modèle de l'espace a deux ordres d'amélioration de l'ampleur, et rendre le modèle formé mieux mettre à faible informatique, de faible puissance plate-forme plate-forme de voiture intégrée, facilitant ainsi la commercialisation.
De plus, au sein de la société ainsi que la plate-forme de simulation, utilisé un moteur de simulation physique très professionnelle, peut être une simulation réaliste de la dynamique du véhicule peut être simulé sur la route d'ajouter dynamique et obstacles statiques, à l'aide de haut niveau en ligne sans pilote test.
MOMENTA atteindre la technologie de base
Spécifiques sur la conscience environnementale Momenta, ses différents types de détection et de reconnaissance obstacle.
Obstacle le plus commun sur la route est le véhicule, Momenta reconnaît maintenant une variété de modèles, mais aussi le sens de non seulement la frontière extérieure, mais aussi par un certain nombre de façons de restaurer le véhicule lui-même proche du geste 3D, l'emplacement des pneus, etc. Avec cette information peut la vitesse relative de l'obstacle, une bonne estimation de la position de la caméra afin de mieux déterminer la relation relative entre les voitures et autres véhicules autour.
Très fréquent obstacle sur le véhicule, qui est aussi, en plus de la route. perception de l'environnement capable de 17 articulations de la détection de traces de corps humain, l'identification de toutes les attitudes de passants et des actions telles que l'identification des personnes à vélo ou à pied, si les gens marchent, nous serait alors de détecter si une voie parcourue par le véhicule Si le coureur qui, il détecte la vitesse et la pose 3D, la position pertinente.
En plus de ces obstacles dynamiques, l'obstacle statique pour les véhicules est également très important, y compris la ligne de voie, traversant la ligne de guidage, la signalisation de la circulation, les feux de circulation et ainsi de suite. Par exemple, certains lampadaires verticalement, en raison d'une partie d'occlusion ne peuvent être identifiés, mais l'algorithme de détection de l'environnement estimeront la durée de celle-ci, et l'utilisation d'une information a priori pour déterminer la position 3D de réverbères. De plus, les lignes de voies d'information sémantique est très utile dans les informations sur la base, couplé avec des panneaux de signalisation et d'autres informations, il peut être construit en fonction de la carte sémantique visuelle.
Momenta aussi pour la scène chinoise, l'algorithme de perception a été optimisé pour les caractéristiques des véhicules domestiques a recueilli des données, et ces données une formation ciblée afin de mieux adapter aux conditions de la route, les différents types d'obstacles sur la route.
ligne Lane base, la signalisation et d'autres informations, peut être construit une carte sémantique Momenta de haute précision. Pourquoi construire une carte sémantique très précise? En ce qui concerne la carte traditionnelle concernée, Momenta précision carte sémantique présente les avantages suivants:
La première consiste à soutenir plus rapidement les mises à jour. Pour le même type de route, le véhicule n'a besoin que d'utiliser l'appareil photo sur l'équipement de foule collecte pour la route, vous pouvez mettre à jour la situation face actuellement. En outre, si pour l'entretien des routes et il y a eu des changements, mais aussi par les informations du véhicule de capture de la caméra, il est bien entretenu;
Le second est fortement comprimé. Précision carte sémantique de l'espace pour stocker un très faible encombrement, d'ailleurs, a aussi plus robuste. Certains des plus caractéristiques sous-jacentes, liées en raison de la lumière, l'angle de vision et d'autres facteurs ayant une incidence défavorable sur les caractéristiques 2D extraites, avec une grande précision les cartes sémantique de ces facteurs peuvent être réduits;
troisième figure est construit et la précision de positionnement, la précision carte sémantique acquise d'un autre point de vue, un autre moment, les données multi-caméras, afin de maximiser la précision de la carte de garantie, jour pour obtenir un positionnement erreur de précision est inférieure à 10 cm.
L4 pour obtenir le pilote automatique Quel type de technologie et de talent
Momenta actuellement accumulé plus de 200 millions de dollars de financement, évaluation de plus de 1 milliard de dollars. Le leadership technologique de Momenta et les capacités produit, en plus de l'atterrissage du marché des capitaux est largement reconnue, mais aussi par la reconnaissance des partenaires de l'industrie.
Pour ceux qui veulent se joindre au prochain partenaire junior, nous parler de la croissance Momenta.
Momenta est très ouvert, avec l'esprit d'entreprise de partage, nous avons la possibilité de participer à la réunion internationale haut de la société d'écouter part des experts de l'industrie. En plus du système de formation de Momenta est également très robuste, y compris:
Les éléments suivants sont des positions Rezhao de Momenta, peut directement intéressés scan en bas à droite code à deux dimensions de votre curriculum vitae.
Tout d'abord, l'emploi Momenta est très polyvalent sans pilote Ingénieur logiciel (C ++). Contrairement à le développement de logiciels, les systèmes sans pilote algorithmes de direction et les exigences de développement de logiciels pour les structures de données, des algorithmes, la capacité d'optimisation est très élevée, mais la demande est très grande exigences sont très élevées. Mais ce poste il y a beaucoup de possibilités d'entrer en contact avec l'architecture du système, la pratique d'optimisation de l'algorithme dans ces projets, nous avons tous besoin de parler à ses collègues ont mené en profondeur la communication et l'échange, le travail fait très bien.
La planification algorithme ingénieur est relativement forte demande d'emplois, responsable du comportement de prévision des voitures driverless, la planification et les chemins de prise de décision, et ont donc besoin d'utiliser une méthode d'apprentissage et de planification automatisée. Et différents algorithmes d'optimisation ont leurs propres avantages et ses limites, et par conséquent, ce poste nécessite une bonne stratégie à utiliser, le système permet peut être mieux traité au conducteur de scènes différentes.
algorithme de fusion avec capteur ingénieur de modélisation de l'environnement, la nécessité perçue d'utiliser pour construire les informations d'environnement et véhicule précis dynamique. La nécessité d'une position multi-caméras, radar à ondes millimétriques, les ultrasons et la fusion de données de détection d'objet par laser, afin d'améliorer l'estimation statique et la position de l'obstacle dynamique précision de la vitesse, pour construire l'environnement de modèle courant.
ingénieurs systèmes de simulation sans pilote, en plus de ce travail après simulateur connexe, il y a de nombreux aspects des données d'emploi, les systèmes sans pilote ont également besoin de rétablir la situation pour mieux voir sur l'émulateur, et sur la machine d'apprentissage par renforcement la capacité d'apprentissage ont des exigences. Cette position va collaborer avec la simulation de ses collègues ont développé ensemble pour atteindre un système de simulation plus réaliste développement.
En plus des emplois de R & D-connexes, Momenta et certains post test - ingénieur d'essais sans pilote, j'espère que ce bureau de poste qui ont les connaissances de base appropriées pour mieux comprendre comment le produit sans pilote meilleur niveau du système tests, analyse des différentes structures de test, et le module de positionnement, de mieux promouvoir l'équipe de développement pour améliorer les questions connexes.
Bienvenue à se joindre Momenta, avec le meilleur temps, avec un groupe de personnes concernées, faire une bonne chose.
Ce sont les clients actuels partagent tous. Plus ouvert go vidéo de classe à Lei Feng réseau AI Yanxishe communautaire (https://ai.yanxishe.com/) à regarder. Mise au point sur le numéro public micro-canal: AI Yanxishe (okweiwu), vous pouvez obtenir le dernier avis de temps en classe ouverte en direct.
