我们为你整理了每一个 Lecture 的课程笔记,提炼出每一讲的要点精华,推荐结合课程笔记观看视频内容,学习效果更佳。 雷锋字幕组获MIT课程团队授权翻译自动驾驶课程: http://www.mooc.ai/course/483/info 原标题 MIT 6.S094: Deep Learning for Self-Driving Cars 2018 Lecture 2 Notes 作者 | Sanyam Bhutani 翻译 | tikboa、原野、叶青、聂璐 整理 | 凡江
本文所有图片均来自课程 PPT。
下文是关于 MIT 6 S094 第 2 讲笔记:自动驾驶深度学习课程(2018),主讲人 Lex Fridman。
(或无人驾驶汽车或 Robocars)
一位工程师的观点:我们想找到一种可行的方法去改变我们的社会,并且改善我们的生活。
技术采用率 VS 年数:
不同的自动化方法
自动化的等级(SAE J 3016):
L0: 起点;
L1,L2,L3: A1: 以人为中心;
L4,L5: A2: 完全自动化。
以人为中心的方式: 批评: 当人类拥有系统时,他们会过度信任系统。系统越好,人们会注意得越少。
公众对于自主车辆内部所发生的变化有哪些看法:
工程师的观点:
可以处理的原始数据源。
雷达:
便宜的传感器:超声波+照相机+雷达。
照相机和激光雷达对比
便宜传感器融合和激光雷达的对比
Waymo 公司
优步
特斯拉
奥迪 A8 系统(将于 2018 年底发布):
值得注意的地方。
能够在空间中定位自己。
传统方法:
深度学习的方法-端到端的方法:
物体检测:传统的 HAAR 算法。
在理解场景之后,如何从 A 到 B ?
论点: A1 系统在近些年更受欢迎
对于 A2 系统的挑战:
声称自己处于“繁忙的区域”。
原文链接:
https://hackernoon.com/mit-6-s094-deep-learning-for-self-driving-cars-2018-lecture-2-notes-e283b9ec10a0与工作的好玩实操项目