-
斯坦福团队新作：喊话就能指导机器人，任务成功率暴增，网友：特斯拉搞快点
斯坦福的ALOHA家务机器人团队，发布了最新研究成果—— 项目名为Yell At Your Robot（简称YAY），有了它，机器人的“翻车”动作，只要喊句话就能纠正了！ 而且机器人可以随着人类的喊话动态提升动作水平、即时调整策略，并根据反馈持续自我改进...
-
马斯克造大模型，从特斯拉连挖高管
当全球首富埃隆・马斯克（Elon Musk）建立 xAI，准备与 OpenAI、谷歌竞争大模型时，他必须与众多科技巨头、初创公司争夺人才。 不过，他使用了一些取巧的办法：从自家的特斯拉挖来了几名优秀工程师。 该初创公司的网站显示，上个月，机器学习...
-
马斯克：将提高特斯拉AI工程师薪酬 防止OpenAI挖角
快科技4月5日消息，据媒体报道，特斯拉首席执行官马斯克在面临激烈的人才争夺战中，果断采取行动，不断提高人工智能工程师的薪酬水平。 他在自己的社交媒体平台X（前身为推特）上发帖透露：特斯拉正根据进展里程碑，逐步提升人工智能工程团队的薪酬待遇。” 马斯克指出，...
-
人工智能是否被高估了？
毫无疑问，人工智能已经成为近年来最热门的话题之一，吸引着技术专家、企业家和公众的想象力。然而，在围绕人工智能的炒作和兴奋中，关于人工智能是否被高估的争论越来越多。一些批评人士认为，人工智能只是一种先进的曲线拟合，而不是所描绘的革命性技术。 人工智能的核...
-
在线建图与轨迹预测如何紧密结合？
本文经自动驾驶之心公众号授权转载，转载请联系出处。 原标题：Producing and Leveraging Online Map Uncertainty in Trajectory Prediction 论文链接：https://arxiv.org/...
-
神经矩阵：数字进化的新生命形式
译者 | 李睿 审校 | 重楼 随着人工智能技术的快速发展，有些人害怕机器人的崛起，有些人担心人工智能将会接管世界。但是人们需要了解人工智能的未来发展，以及电子生命形式将会如何诞生。 本文不仅介绍电子生命形式将如何诞生，而且还将详细描述神经矩阵的关键元...
-
RV融合性能拉爆！RCBEVDet：Radar也有春天，最新SOTA！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 这篇论文关注的主要问题是3D目标检测技术在自动驾驶进程中的应用。尽管环视相机技术的发展为3D目标检测提供了高分辨率的语义信息，这种方法因无法精确捕获深度信息和在恶劣天...
-
3D视觉绕不开的点云配准！一文搞懂所有主流方案与挑战
本文经自动驾驶之心公众号授权转载，转载请联系出处。 作为点集合的点云有望在3D重建、工业检测和机器人操作中，在获取和生成物体的三维（3D）表面信息方面带来一场改变。最具挑战性但必不可少的过程是点云配准，即获得一个空间变换，该变换将在两个不同坐标中获取的...
-
“真假难辨”！巧用NeRF生成的自动驾驶仿真数据
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 神经辐射场（NeRF）已成为推进自动驾驶（AD）重新搜索的有前途的工具，提供可扩展的闭环模拟和数据增强功能。然而，为了信任模拟中获得的结果，需要确保AD系统以相同的方式...
-
DriveCoT：全面的开环端到端驾驶数据集和Benchmark
本文经自动驾驶之心公众号授权转载，转载请联系出处。 近年来，端到端自动驾驶技术取得了显著进展，表现出系统简单性和在开环和闭环设置下竞争性驾驶性能的优势。然而，端到端驾驶系统在驾驶决策方面缺乏可解释性和可控性，这阻碍了其在真实世界中的部署。本文利用CAR...
-
量产杀器！P-Mapnet：利用低精地图SDMap先验，建图性能暴力提升近20个点！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面 在线HD Map生成算法是当前自动驾驶系统摆脱对高精地图依赖的方法之一，现有的算法在远距离范围下的感知表现依然较差。为此，我们提出了P-MapNet，其中的“P”强调我们专注于融合地图先验以...
-
到2030年可以依靠人工智能运行的主要行业
随着人工智能(AI 继续快速发展，其在各个领域的潜在应用日益明显。到2030年，人工智能预计将彻底改变众多行业，改变企业运营方式，提高效率、生产力和创新。本文将探讨一些准备在未来十年利用人工智能力量的顶级行业。 医疗保健：到2030年，医疗保健行业将从...
-
一文尽览！相机内参标定的工具有哪些？
本文经自动驾驶之心公众号授权转载，转载请联系出处。 相机标定任务是很多高级功能的上游，无论是深度学习方案或是传统方案都非常依赖相机标定精度，今天就为大家盘点下相机内参标定常用的工具箱。 1）OpenCV标定工具箱 opencv这个不用多说了，支持多种相机...
-
马斯克：人形机器人成本不到汽车的一半
3 月 27 日消息，特斯拉 CEO 埃隆・马斯克周二表示，制造人形机器人 Optimus 的成本仅为特斯拉电动汽车的一半。 马斯克在社交平台表示，“人形机器人虽然单位质量的复杂程度更高，但最终的制造成本我认为仍然会低于特斯拉汽车的一半。” 马斯克的...
-
DifFlow3D：场景流估计新SOTA，扩散模型又下一城！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 原标题：DifFlow3D: Toward Robust Uncertainty-Aware Scene Flow Estimation with Iterative Diffusion-Based...
-
TrajectoryNAS：一种用于轨迹预测的神经结构搜索
本文经自动驾驶之心公众号授权转载，转载请联系出处。 论文链接：https://arxiv.org/pdf/2403.11695.pdf 本文介绍了TrajectoryNAS：一种用于轨迹预测的神经结构搜索。自动驾驶系统是一项快速发展的技术，其可以实现...
-
CLIP-BEVFormer：显式监督BEVFormer结构，提升长尾检测性能
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 目前，在整个自动驾驶系统当中，感知模块扮演了其中至关重要的角色，行驶在道路上的自动驾驶车辆只有通过感知模块获得到准确的感知结果后，才能让自动驾驶系统中的下游规控模块做...
-
AIGC时代，软件测试智能化到底会怎样？
AI技术在软件测试领域的应用比软件开发早。早在上个世纪七、八十年代，软件测试就开始应用采用遗传算法生成测试数据，到九十年代，其研究和应用逐渐增多，从单元测试、接口测试到GUI的系统测试， 提供自动化的测试用例生成、自动化的测试执行和评估等功能，取得了不少成...
-
继电动汽车之后，下一次汽车转型是否已经发生？
随着从内燃机汽车向电动汽车的转变从未消失，停在街边的汽车连接充电线如何迅速成为一种常见景象。而且似乎一些汽车制造商已经度过了过渡阶段。汽车数字化和计算机化是另一个重大转变，它拥有约1亿行代码和1,000多个半导体芯片，而且这一趋势还在持续增长。据估计，...
-
「量子大军」出动，中国实验室破解世界级算法难题！MRD码微秒级加密防窃听，6G无人机爆炸性飞跃
近期，「新质生产力」成为备受市场关注的热词，不仅被写入2024政府工作报告，更被列为十大任务之首。 从古至今，人类社会的发展离不开生产力的变革，每一次生产力的变革都让人类社会发生天翻地覆的变化。从工业革命、电气革命到信息革命，生产力与生产关系的变化深刻影...
-
关于新的AI法案 每位CEO都需要了解的事
具有潜在危险的AI应用程序已被指定为“不可接受的”，除非在特定条件下用于政府、执法和科学研究，否则将是非法的。 与欧盟的一般数据保护条例一样，这项新立法将增加在27个成员国内开展业务的任何人的义务，而不仅仅是总部设在那里的企业。 负责撰写这份报告的人表...
-
AI和6G：构建自给自足的安全网络
在技术快速进步的时代，人工智能(AI 和即将推出的第六代(6G 无线通信技术的融合，有望彻底改变我们感知网络和与网络交互的方式。随着互连设备的激增，以及对高速、低延迟连接的需求不断增加，自我维持和安全网络的发展已成为首要关注的问题。本文将深入探讨人工智能...
-
AI模型训练：强化算法与进化算法
强化学习算法(RL 和进化算法(EA 都属于机器学习领域的子集，但它们在解决问题的方法和思想上有所不同。 强化学习算法： 强化是一种机器学习范式，它主要关注的是智能体(agent 在与环境进行交互的过程中，通过尝试和错误来学习最优的行为策略，以使其在某...
-
CUDA之通用矩阵乘法：从入门到熟练！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 通用矩阵乘法 (General Matrix Multiplication，GEMM 是各种模型和计算中的核心部分，同时也是评估计算硬件性能 (FLOPS 的标准技术。本文将通过对 GEMM 的实...
-
Stable Diffusion中的UNet是什么？
UNet的论文 U-Net: Convolutional Networks for Biomedical Image Segmentation | SpringerLink 首先，U-Net的卷积神经网络架构，最早它被用于生物医学图像分割任务。U-Ne...
-
UniPAD：一种通用的自动驾驶预训练模式
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 UniPAD研究了一个关键问题：如何有效地利用大量未标记的3D点云数据进行自监督学习，以增强其在3D目标检测和语义分割等下游任务中的应用效率。这个问题之所以重要，是...
-
相机与激光雷达是怎么标定的？一览行业所有主流的标定工具
本文经自动驾驶之心公众号授权转载，转载请联系出处。 相机与激光雷达的标定是很多任务的基础工作，标定精度决定了下游方案融合的上限，因为许多自动驾驶与机器人公司投入了较大的人力物力不断提升，今天也为大家盘点下常见的Camera-Lidar标定工具箱，建议收...
-
深度估计SOTA！自动驾驶单目与环视深度的自适应融合
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&个人理解 多视图深度估计在各种基准测试中都取得了较高性能。然而，目前几乎所有的多视图系统都依赖于给定的理想相机姿态，而这在许多现实世界的场景中是不可用的，例如自动驾驶。本工作提出了一...
-
人工智能如何发展到AIGC？解密一份我四年前写的机器学习分享材料
正文共：777 字 26 图，预估阅读时间：2 分钟 我第一次参与到人工智能中，还是在H3C的时候，当时H3C搞领航者峰会，准备了一个智能问答机器人——吱吱答。当时的吱吱答，是真的“人工”智能，实现机制就是传统的关键词识别、系统问题匹配等，...
-
小米汽车超级工厂正式揭幕 人工智能汽车AI应用有哪些？
在「小米汽车超级工厂正式揭幕」的消息中，我们看到了小米在汽车领域的雄心和实力。小米创办人，董事长兼CEO雷军的这一宣布，不仅标志着小米汽车产业的正式启动，也预示着AI技术在汽车制造和管理领域的进一步应用和发展。小米汽车超级工厂的揭幕，是小米公司多元化战略的...
-
端到端大一统前夕？GenAD：LLM和轨迹规划全搞定
今天汽车人和大家分享一篇自动驾驶领域中第一个大规模视频预测模型。为了消除高成本数据收集的限制，并增强模型的泛化能力，从网络获取了大量数据，并将其与多样化和高质量的文本描述配对。由此产生的数据集累积了超过2000小时的驾驶视频，涵盖了世界各地具有多样化天气...
-
12 分钟内部会结束了苹果十年造车梦，转攻 AIGC
1苹果叫停十年造车项目，团队成员有人转岗，有人被裁 据知情人士透露，苹果在一次时长约 12 分钟的内部会议上决定叫停长达十年的电动汽车研发尝试，放弃公司有史以来最具野心的重大项目之一。 知情人士称，苹果公司于本周二在内部放出了上述消息，令参与电车项目的...
-
DualBEV：大幅超越BEVFormer、BEVDet4D，开卷！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 这篇论文探讨了在自动驾驶中，从不同视角（如透视图和鸟瞰图）准确检测物体的问题，特别是如何有效地从透视图（PV）到鸟瞰图（BEV）空间转换特征，这一转换是通过视觉转换（VT）模块实施的。现有的方法大致...
-
旷视实战大模型：把多模态扎进行业
距离ChatGPT、GPT-4等引爆新一轮人工智能变革的时刻，已经过去了整整一年的时间。在这一年里，国内外大量公司涌入大模型的“斗兽场”，加速大模型技术的迭代与跃迁。 大模型前所未有的通用任务处理能力，让所有人看到了解锁更多应用场景的可能性。各行各业开始...
-
为自动驾驶而生，Lightning NeRF：速度提升10倍
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 最近的研究强调了NeRF在自动驾驶环境中的应用前景。然而室外环境的复杂性，加上驾驶场景中的视点受限，使精确重建场景几何体的任务变得复杂。这些挑战往往会导致重建质量下降...
-
全球首个基于大语言模型的自动驾驶语言控制模型
Arxiv论文链接：https://arxiv.org/abs/2312.03543项目主页：https://github.com/Petrichor625/Talk2car_CAVG 近年来，工业界和学术界都争先恐后地研发全自动驾驶汽车（AVs）。尽...
-
优于所有方法！HIMap：端到端矢量化HD地图构建
本文经自动驾驶之心公众号授权转载，转载请联系出处。 矢量化高清（HD）地图构建需要预测地图元素的类别和点坐标（例如道路边界、车道分隔带、人行横道等）。现有技术的方法主要基于点级表示学习，用于回归精确的点坐标。然而，这种pipeline在获得elemen...
-
DECO: 纯卷积Query-Based检测器超越DETR！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 标题：DECO: Query-Based End-to-End Object Detection with ConvNets 论文：https://arxiv.org/pdf/2312.13735...
-
机器学习：Github上排名前19个强化学习 (RL)项目
强化学习 (RL 是一种机器学习，使代理能够通过反复试验来学习。强化学习算法用于各种应用，包括游戏、机器人和金融。 RL 的目标是找到一种最大化预期长期回报的策略。强化学习算法通常分为两类：基于模型的算法和无模型的算法。基于模型的强化学习算法构建环境模...
-
华为云张平安：矢志打造中国 AI 算力的沃土
今天，AI 重塑一切，“人工智能+”首次被写入政府报告，AI 产业机遇加速涌现，AI 创新大有可为。 “所有的行业必须拥抱 AI，我们必须要有澎湃的 AI 算力，华为云矢志要将技术扎到根，做 AI 算力的沃土，推动行业智能应用创新，携手伙伴构建核心技术...
-
进一步加速落地：压缩自动驾驶端到端运动规划模型
本文经自动驾驶之心公众号授权转载，转载请联系出处。 原标题：On the Road to Portability: Compressing End-to-End Motion Planner for Autonomous Driving 论文链接：ht...
-
直接干到未来！DriveDreamer-2：世界首个自定义驾驶场景流生成，提升50%！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 世界车型在自动驾驶方面表现出了优势，尤其是在多视图驾驶视频的生成方面。然而，在生成自定义驾驶视频方面仍然存在重大挑战。在本文中，我们提出了DriveDreamer-2...
-
实时加SOTA一飞冲天！FastOcc：推理更快、部署友好Occ算法来啦！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 写在前面&笔者的个人理解 在自动驾驶系统当中，感知任务是整个自驾系统中至关重要的组成部分。感知任务的主要目标是使自动驾驶车辆能够理解和感知周围的环境元素，如行驶在路上的车辆、路旁的行人、行驶过...
-
图片采集卡：数字影像世界的关键纽带
在数字影像技术日新月异的今天，图片采集卡作为连接模拟与数字世界的桥梁，发挥着越来越重要的作用。它不仅是专业影像处理的核心组件，也日渐成为普通消费者追求高质量数字生活的一部分。本文将深入探讨图片采集卡的原理、应用及其对数字影像技术发展的推动作用。一、图片采集...
-
端到端没有数据怎么办？ActiveAD：面向规划的端到端自动驾驶主动学习！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 自动驾驶的端到端可微学习最近已成为一种突出的范式。一个主要瓶颈在于其对高质量标记数据的巨大需求，例如3D框和语义分割，这些数据的手动注释成本是出了名的昂贵。由于AD中样本内的行为往往存在长尾分布这一...
-
3DGStream：快速训练，200 FPS实时渲染逼真场景！
本文经自动驾驶之心公众号授权转载，转载请联系出处。 从多视角视频构建动态场景的照片逼真的自由视角视频（FVV）仍然是一项具有挑战性的工作。尽管当前的神经渲染技术取得了显著的进步，但这些方法通常需要完整的视频序列来进行离线训练，并且无法实时渲染。为了解决...
-
探索数据科学对机器人的影响
数据驱动的感知: 数据科学彻底改变机器人技术的关键领域之一是感知。配备了传感器、摄像头和其他数据收集机制的机器人会产生大量有关其环境的数据。数据科学技术，包括计算机视觉、传感器融合和深度学习，使机器人能够解释和理解这些数据，促进强大的感知能力。从物体识...
-
AI和大数据正在改变汽车行业的六种方式
预测未来 每个车主都明白定期更换机油和刹车检查的价值，希望避免未来更昂贵的维护，现在，大数据和人工智能正在为主动的车辆健康提供涡轮增压。 预测性维护使经销商能够远程和连续地监控车辆性能数据，集成的车载传感器收集任何给定汽车的健康数据，并利用人工智能和大...
-
RAG和AGI以及AIGC，你知道多少？
RAG（Retrieval-Augmented Generation）： RAG是一种模型架构，结合了检索（retrieval）和生成（generation）的方法。它使用检索模块从大规模的知识库中检索相关信息，然后使用生成模块生成响应或回答。这种结合...
-
LimSim++：多模态大模型在自动驾驶中的新舞台
本文经自动驾驶之心公众号授权转载，转载请联系出处。 论文名称：LimSim++: A Closed-Loop Platform for Deploying Multimodal LLMs in Autonomous Driving 项目主页：https:...