技术解读2023理想科技日 | 自动驾驶通勤NOA

作者 | WayneGo  编辑 | 汽车人

原文链接:https://zhuanlan.zhihu.com/p/658106554

点击下方卡片,关注“自动驾驶之心”公众号

ADAS巨卷干货,即可获取

点击进入→自动驾驶之心【全栈算法】技术交流群

本文只做学术分享,如有侵权,联系删文

理想科技日上自动驾驶部分介绍了通勤NOA的技术路线,尝试在复杂的城市场景中先基于通勤路线落地(个人感觉是很好的商业思路,理想的产品定义能力果然NB)。

1、系统架构和关键点

  • 采用NPN特征和TIN网络,增强BEV大模型,准确识别城市中的复杂路口和信号灯通行意图,从而实现去高精地图的能力

  • 采用模仿学习的规控算法做出更类人性的动作

  • 全闭环自动训练平台持续驱动大模型进化

22c4beec7c223175352c0348560a1f05.png

2、感知模块

  • 在复杂路口BEV大模型结果不是很稳定,使用NPN(NeuralPriorNet)神经先验网络提取和使用复杂路口特征,和车端的实时感知结果相融合,得到更加完美的感知结果。

  • TIN(TrafficIntentionNet)端到端的信号灯意图网络,不需要人为设定规则和识别红绿灯的具体位置,网络直接给出车辆直行/左转/右转/停止的概率意图。

  • 使用Occupancy网络识别通用障碍物。

  • NPN特征的训练状态决定城市NOA是否允许开启的条件。

75dbc3e4094442a4e4afde887de39e6d.png a9d5eadbbdad812a39e0ffd27af1e2e6.png

3、规控模块

  • 基于模仿学习的决策规划,让规控做出更类人性的判断(技术方案没有展开)。

  • 采用真实驾驶员的行为习惯训练。

f309f0ce95d92f4ff97b7ac4e02549a7.png

4、训练平台

  • 拥有1200PFLOPS的训练平台,6亿自动驾驶里程。

  • 闭环架构:样本采集->样本挖掘->样本标注->模型训练->测试验证。

71b4d8811572db61da2ff45d0d5db4a3.png

① 全网独家视频课程

BEV感知、毫米波雷达视觉融合多传感器标定多传感器融合多模态3D目标检测点云3D目标检测目标跟踪Occupancy、cuda与TensorRT模型部署协同感知语义分割、自动驾驶仿真、传感器部署、决策规划、轨迹预测等多个方向学习视频(扫码即可学习

2ca5d1d23326e4575453d5092e5f07f9.png 视频官网:www.zdjszx.com

② 国内首个自动驾驶学习社区

近2000人的交流社区,涉及30+自动驾驶技术栈学习路线,想要了解更多自动驾驶感知(2D检测、分割、2D/3D车道线、BEV感知、3D目标检测、Occupancy、多传感器融合、多传感器标定、目标跟踪、光流估计)、自动驾驶定位建图(SLAM、高精地图、局部在线地图)、自动驾驶规划控制/轨迹预测等领域技术方案、AI模型部署落地实战、行业动态、岗位发布,欢迎扫描下方二维码,加入自动驾驶之心知识星球,这是一个真正有干货的地方,与领域大佬交流入门、学习、工作、跳槽上的各类难题,日常分享论文+代码+视频,期待交流!

7792ad2a0ff0bd5170781c73d08e1dfb.png

③【自动驾驶之心】技术交流群

自动驾驶之心是首个自动驾驶开发者社区,聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多模态感知、Occupancy、多传感器融合、transformer、大模型、点云处理、端到端自动驾驶、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、产品经理、硬件配置、AI求职交流等方向。扫码添加汽车人助理微信邀请入群,备注:学校/公司+方向+昵称(快速入群方式)

22c6a2ae29aa1d3d618592c414ad70fd.jpeg

④【自动驾驶之心】平台矩阵,欢迎联系我们!

0b023d7854c8963ae397564319adcca0.jpeg

猜你喜欢

转载自blog.csdn.net/CV_Autobot/article/details/133328241