展开

关键词

无人驾驶汽车PK

导读:无人驾驶技术的发展日新月异,技术或许不是障碍,障碍来自法律层面,虽然美国加州办法了无人驾驶汽车的实验牌照,但是,全球范围内尚未有任何一个国家正式公布相关的法律规定,让无人驾驶汽车可以正式合法地上路行驶 如果连保守的汽车行业都认为无人驾驶汽车五年内将会上市,我们这个梦想的实际距离或许还会更近。 这些企业都在测试各种各样的无人驾驶汽车,奥迪甚至用无人驾驶汽车载着5名记者从洛杉矶一路开到了拉斯维加斯。福特表示,该公司的无人驾驶汽车目前已经上路,其他企业也都已经展开了类似的尝试。 从长期来看,汽车厂商还有可能因此面临更大的风险:无人驾驶汽车将改变人类汽车的关系,使得我们更加依赖拼车服务。如果这种事情发生,汽车销量无疑会受到影响。 但还有其他一些问题有待解答。 由于无人驾驶汽车几乎都要依靠高度精确的地图,驾驶员必须厂商时刻保持联系,以便定期获得更新。这是否意味着驾驶员必须订阅这些服务?汽车厂商是否会组成联盟,相互分享地图数据

42550

【AI科技】无人驾驶汽车面临的两挑战:数据收集安全漏洞

据外媒报道,随着汽车公司继续科技公司叫车服务公司之间的合作以更快更有效地创新,无人驾驶汽车即将变成现实。但是在无人驾驶时代,人们对于未来隐私的安全产生了疑问。 大数据收集 为了使无人驾驶汽车能够高效运行,并且可以为乘客提供没有烦恼的体验,它们必须要获得大量的数据,并且允许访问精密传感器。想让无人驾驶汽车顺利地上路,就需要了解有关环境以及消费者的所有信息。 个性化的无人驾驶汽车越多,那么未来创新所带来的便利性就越大,也就需要更多的个人数据来融入到它们的服务中。 最主要的问题是怎样使用这些个性化数据。 另外,还有许多议员与其他团体也表达了大量无人驾驶汽车数据将会怎样被使用的担忧,尤其是这些数据最终将会被用于商业或者营销目的,或者落入坏人之手。 好在政府监管机构很多汽车公司高层已经对无人驾驶汽车带来的隐私问题进行了评估,并且正在寻找解决方案。公共信息运动专栏文章正在提醒公众,例如无人驾驶汽车这种变革技术在带来好处的同时也存在着风险。

42160
  • 广告
    关闭

    腾讯云图限时特惠0.99元起

    腾讯云图是一站式数据可视化展示平台,旨在帮助用户快速通过可视化图表展示大量数据,低门槛快速打造出专业大屏数据展示。新用户0.99元起,轻松搞定数据可视化

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    增强学习无人驾驶

    传统的机器学习把收集训练数据和模型学习作为两个独立的过程。 无人驾驶中需要执行一系列正确的行为才能成功的驾驶。如果只有标注数据,学习到的模型每个时刻偏移了一点,到最后可能会偏移非常多,产生毁灭性的后果。增强学习能够学会自动修正偏移。 无人驾驶决策增强学习 无人驾驶的决策是指给定感知模块解析出的环境信息如何控制汽车的行为达到驾驶的目标。例如,汽车加速、减速、左转、右转、换道、超车都是决策模块的输出。 无人驾驶模拟器 无人驾驶的决策过程中,模拟器起着非常重要的作用。决策模拟器负责对环境中常见的场景进行模拟,例如车道情况、路面情况、障碍物分布和行为、天气等。同时还可以将真实场景中采集到的数据进行回放。 普通的Deep Q-Learning相比,我们做了以下改进。首先,我们使用了多步的TD算法进行更新。多步的TD算法能够比单步的算法每次学习时看到更多的执行步数,因此也能够更快地收敛。

    35530

    Waymo无人驾驶汽车开进亚特兰

    腾讯科技讯 1月23日据国外媒体报道,Waymo是谷歌母公司Alphabet旗下的自动驾驶部门,现在该公司又增加了一个无人驾驶汽车的测试城市,亚特兰。 今天,Waymo宣布已经将克莱斯勒Pacifica自动驾驶测试车送至亚特兰,但除此之外并未透露更多细节。 Waymo一位发言人表示,公司已经从上周开始在亚特兰大市中心绘制地图,最新、最精确的3D地图对自动驾驶汽车测试来说非常重要,因为要依靠汽车上的传感器和摄像头获取数据,并且对周围的环境进行实时再现。 除了奥斯汀和凤凰城,亚特兰能够为Waymo提供一种无雪的冬日气候来进行测试。亚特兰大地势平坦,并且汽车数量很多,只有16%的家庭没有汽车,主要的原因是亚特兰的地铁系统并不发达。 2016年,亚特兰居民曾投票支持一项销售税上调的政策,资助一条投资12亿美元的轻轨铁路建设。而这条铁路会变成亚特兰大新的交通中心,同时缓解亚特兰的交通压力。

    32480

    数据思维陷阱

    应用大数据进行精准营销,要注意规避如下三陷阱: 1,有数不一定有据; 2,而不全; 3,内生变量模糊了因果关系。 一要养成大数据思维,二要避开三陷阱。 大数据思维 大数据思维有如下四个维度。 定量思维:一切皆可测。POS机、网上购物、社交媒体以及各种各样的卡,都是大数据的来源。 “车”的应用也已有案例,如美国一家保险公司为汽车加装了跟踪器,根据行驶数据来决定保险费率;米其林也会搜集环境相关的数据,某智能芯片厂商为长途货运汽车提供的芯片,可以全球定位、调节物流和运输。 三陷阱 应用大数据进行精准营销,要注意规避如下三陷阱。 有数不一定有据。应用大数据需要什么样的统计或逻辑背景?首先,描述。要能辨识出我们描述的人跟心里想的目标人群是不是一群人。其次,预测。 而不全。有些大数据应用收集的数据非常多,但对其倾向性却不清楚。解决的办法是跨界,收集企业之外的数据。例如,汽车制造商要跟电商结合,要跟社交媒体结合,通过跨界把数据做全,才能把精准营销做得更好。

    45920

    无人驾驶的速度激情 | 数据科学50人·吴甘沙

    对于吴甘沙来说,选择all in无人驾驶,是“原力觉醒”的过程——就像苏醒后的绝地武士,这次,他想要“干一票的”。 在进军无人驾驶领域之前,吴甘沙更广为人知的另一个身份,是英特尔中国研究院的院长。 从并行编程,到嵌入式系统;从大数据,到物联网;从机器人,再到如今的无人驾驶……在18年的职业生涯里,吴甘沙的研究领域横跨了多个不同的技术方向,不过不变的是,他始终在数据科学打交道。 舍恩伯格在《大数据时代》中提出的“数据要全集不要采样、拥抱混杂性无需精确性、相关性大于因果性”等理念已经逐渐被证明是“吹牛专用”;Google经典的流感预测则在2013年1月失准,被《科学》杂志称为 另一方面,在数据安全上,无人驾驶天然地会收集用户出行数据,那要如何避免出现诸如《速度激情》中出现的场景——黑客鼠标一点,成千上万的汽车就会失控上路? 创业前为英特尔中国研究院院长,英特尔首席工程师,领导了英特尔的大数据技术战略长期规划,并为中国研究院确立5G通讯、智能计算和机器人三方向。

    39500

    无人驾驶定位贝叶斯滤波

    无人驾驶需要精确的定位。本文将简要介绍无人驾驶定位的相关方法,重点介绍贝叶斯滤波框架进行递归的状态估计。同时附上一维马尔科夫定位的实例及代码。 无人驾驶定位 定位是指在空间中确定自己的位置。 无人驾驶对定位精度要求较高需要达到cm级的误差,因此需要多传感器融合定位。 定位的数学问题之贝叶斯滤波 定位的目标:记汽车的位置为x,定位即是求解P(x)。 地图数据m,包含地图上标志物的位置信息 观测数据z,包含汽车感知到的标志物汽车的相对位置信息 控制数据u,包含汽车的油门转弯等控制信息 定位本身是一种位置不确定性的度量,我们的目标是尽量减少这种不确定性 数据 这里使用的数据包含以下三种,目的是要获得汽车在tt时刻位置的置信为bel(xt)bel(x_t)。 地图数据mm,包含地图上标志物的位置信息 观测数据zz,包含汽车感知到的标志物汽车的相对位置信息 控制数据uu,包含汽车的油门转弯等控制信息 ? ? ? ?

    95860

    NeurIPS2019无人驾驶研究成果总结(含大量论文及项目数据

    本文以无监督的方式学习这些视觉词汇,使用元学习来确保本文的训练目标推理过程相匹配。 本文实现了基于finetuning的方法相当的精度,并在四个视频分割数据集的速度/精度权衡方面达到了最先进的水平。 可用于自主车辆嵌入式计算机的基准模型相比,它采用了改进的算法,提高了环境感知精度和实时效率。基准技术相比,本文的融合算法在各种环境场景中显示出更好的性能。 本文将真实的测量数据模拟的干扰相结合,以创建适合于训练模型的输入输出数据。通过有限样本容量的性能比较,验证了该模型在模拟数据和真实数据上训练的有效性以及在转移学习上的有效性。 本文提出了两种无监督的神经传感器模型,基于不配对的领域翻译CycleGANs和神经风格的转移技术。

    1.1K10

    2016数据行业的变不变

    趋势不容忽视 据潘柱延介绍,今年CCF大数据专家委列出了2016年数据产业技术发展的十趋势,而这些趋势可以解释上面提到的关键词。 “可视化技术推动大数据平民化被专家选为了第一趋势,这是非常有意思的结论,工作组也感到很意外。” 大数据之变 根据2013年发布的大数据白皮书显示,十关注点在于:数据的资源化,大数据的隐私问题突出,大数据云计算等深度融合,基于大数据智能的出现,大数据分析的革命性方法,大数据安全,数据科学兴起,数据共享联盟 而2014年的十关注点是:大数据从概念走向现实,大数据架构的多样化模式并存,大数据的安全和隐私,大数据的分析可视化,大数据产业成为战略性产业,数据商品化数据共享联盟化,基于大数据的推荐预测流行, 深度学习数据智能成为支撑,数据科学的兴起数据生态环境逐步完善。

    394120

    影响无人驾驶技术未来发展的六趋势

    虽然谷歌的无人驾驶汽车(目前是Alphabet旗下的Waymo公司)是目前资格最老的无人驾驶汽车项目,但很多创业公司获得的关注加总起来也可以之比肩。 2、融资数据表明成熟度增强 ? 很多创业公司和大型企业的终极目标是改变上个世纪的交通模式,从私人拥有汽车转向共享无人驾驶车队,从而按照需求使用汽车。这种愿景经常内燃机向电动汽车的转移融合起来。 ——投资和并购:上述趋势同步的是跨领域的直接投资数量增加,例如通用汽车斥资5亿美元少量入股Lyft,而且花费10亿美元收购了Cruise Automation,Uber也收购了无人驾驶卡车创业公司Otto 这些理念上的差异一定程度上源自无人驾驶行业的另外一争论,这牵扯到无人驾驶汽车本身的部署模式。厂商考虑的问题包括:采用车队模式还是直接出售给消费者?如何快速推出功能并教育消费者? 零售商还在尝试增强现实和虚拟现实应用,可以在线购物完美配合,从而进一步降低开设实体店的需要。 除此之外,车队式无人驾驶汽车显然会颠覆以往面向消费者的汽车零售模式。

    48650

    智能音箱2017爆发,6数据看懂亚马逊谷歌之争

    谷歌大量的信息来源都是来自知识图谱,这是一个包含了大量确证事实的数据库,以搜索引擎见长的谷歌在过去的5年间对搜索结果进行了深厚的积累。 与此同时,亚马逊通常会选择信息和内容合作伙伴协作,来获得数据。对于随机用户来说,特别是现在许多AI 业务都是在云上完成,谷歌和亚马逊的搜索结果可能不会有本质的区别。但是,搜索引擎的数据集是海量的。 例如,如果你现在要求Nest 的家庭温度计互联的谷歌Home“将空调的温度调到72华氏度”,它可以顺利地完成这一任务。 但是根据新的数据,这一数字上升到了1.5到1.6台。 虽然数字没有那么精确,但是Echo的统治力是毋庸置疑的。 当然是更适合厨房使用的设备,所以增加屏幕是一个不错的选择,它能让用户看菜谱视频、朋友家人视频聊天,或者在做饭的同时看好在客厅的孩子。

    470120

    2014年数据云计算的预测

    数据并不是一个全新的思路了;企业们知道需要解决它,由这些大数据可以产生出很多有益的见解(或一些集成的障碍)。 在2014年,我们可以期待大数据和云计算的发展: 1、大数据和云计算一同成长:大多数组织知道他们应该使用云计算平台,但云计算到大数据的主要贡献将会转移。 不久,云计算将成为许多大数据的来源,从开放数据到社会数据到聚合数据——所有来源都将为大数据项目提供能量和动力。 企业要建立一个包括全面数据源的大数据基础设施。 要超越“传统”的数据源(数据库,ERP/ CRM等),这一基础设施必须扩展到任何问题有关的可用的数据源。 2、Hadoop的成长:最初,Hadoop基本上是一个单任务批处理平台。 从本质上讲,数据量的大量增加是可以被存储或处理的,这已经使得企业能够从大数据中受益。更多的数据意味着更多的可操作的见解。

    39430

    无人驾驶技术的灵魂——SLAM的现在未来

    PTAM的重要意义在于以下两点: PTAM提出并实现了跟踪建图过程的并行化。我们现在已然清楚,跟踪部分需要实时响应图像数据,而对地图的优化则没必要实时地计算。 (Essential Graph俗称图)。 第三个线程,也就是图线程,对全局的地图关键帧进行回环检测,消除累积误差。由于全局地图中的地图点太多,所以这个线程的优化不包括地图点,而只有相机位姿组成的位姿图。 值得一提的是,尽管在纯视觉SLAM中优化方法已经占了主流,但在VIO中,由于IMU的数据频率非常高,对状态进行优化需要的计算量就更大,因此目前仍处于滤波优化并存的阶段。 图8 语义SLAM的一些结果,左图和右图分别来自文献[138,140] 在深度学习广泛应用之前,我们只能利用支持向量机、条件随机场等传统工具对物体或场景进行分割和识别,或者直接将观测数据数据库中的样本进行比较

    1.2K98

    说一说Python无人驾驶那些事

    上周,美国亚利桑那州发生了第一起无人驾驶撞人致死案件,将无人驾驶汽车再一次推上了风口浪尖。“到底该不该发展无人驾驶”也再次成为了热议话题的中心。 Google 的数据表明,无人驾驶汽车的舒适性和安全性均超过人类驾驶员平均水平。 无人车的出色表现,得益于无数无人驾驶工程师的努力。而这个迅速发展的行业,还需要更多优秀人才的加入。 向探索无人驾驶领域的领先企业学习,也许是更好的选择。 Google 在无人车领域已经深耕 10 年,从各种公开数据来看, Google 的无人车 Waymo 在安全性和舒适性上也都遥遥领先。 除了 Sebastian 亲自授课,更有斯坦福、耶鲁、MIT 大牛助力,让你足不出户就能享受到硅谷的专业师资前沿的课程内容。 项目 4 规划最佳路径 你将使用数据结构和搜索算法方面的知识来编写一种算法,该算法将帮助无人车使用地图和交通信息来查找两点之间的最佳路径。 ?

    2.1K320

    Java八基本数据类型变量类型

    基本数据类型 Java内置了8个基本数据类型,它们分别是byte、short、int、long、float、double、boolean、char。 每种基本数据类型都有相应的包装类:Byte、Short、Integer、Long、Float、Double、Character。 第九种基本数据类型void 实际上,Java还有第九种基本数据类型void,我们经常在方法返回值那里见到它,它的包装类是java.lang.Void。 三变量类型 Java中的一个类可以包含3种类型的变量:局部变量、成员变量、类变量。它们的定义位置如下图所示: 局部变量 局部变量是在方法、构造方法或者语句块中定义的变量。

    12820

    无人驾驶车将成为新的数据制造机

    “谷歌自驾车已经是真正的大数据创造者,”Rijmenam在这个星期的一篇博客文章中说, “它根据这些数据判断车往哪里开,开多快。 根据Rijmenam预测,如果自动驾驶汽车确实以每秒1GB的速度产生数据,一年内将产生大约2PB的数据。 该计算基于每辆车每年行驶约600小时,也就是2160000秒,相当于2PB的数据。 科斯洛夫斯基不同意自驾车将产生每秒1GB数据的说法。 的确,大量的数据在自驾车的内部组件之间传递,但它们不会被存储或共享,因为这些数据将只用于汽车驾驶目的。 然而,自驾车普通车相比,将成倍增加所产生的数据量。 95%的新车中的事件数据记录仪已经在跟踪预测司机和车的性能。 在未来,这些收集到的数据“将帮助汽车企业迅速查明需要升级的部件,以适当升级调整汽车。

    28870

    2013年数据市场应用趋势调研报告

    在这一年,数据比以往任何时候都要宝贵,甚至成为可以石油资源相媲美的新能源,大数据被认为是继信息化和互联网后整个信息革命的又一次高峰。 调查主要结论: 一、每月新增数据规模在500G以上的企业由2012年的16.67%,增长到18.11%。虽然拥有大数据的企业比例有所上升,但预测中数据增长速度还有很大差距。 七、企业在大数据选型的过程中最先考虑的三个因素是产品的性能、服务支持水平和与其他应用的兼容性。 八、大多数企业选择大数据产品或解决方案的类型是大数据分析软件。 拥有大数据的企业比例有所上升,但预测中数据增长速度(59%)还有很大差距。 ? 企业更青睐哪家大数据厂商?或许从现有产品的部署情况可以看出端倪。 总结 本调查针对2013年数据应用现状和趋势展开,从调查结果可以看出,企业在未来一两年中有迫切部署大数据的需求,并且已经从一开始的基础设施建设,逐渐发展为对大数据分析和整体大数据解决方案的需求

    33361

    NewSQL数据对象块存储原理应用

    最后,分布式数据库方案则使用分布式数据库中的对象机制,将元数据对象统一存放在数据库中,在支持批次管理、版本管理、流程管理等元数据管理特性时不需要借助额外第三方数据库进行支持。 二、功能概述 SequoiaDB(巨杉数据库)是一款新一代分布式文档类数据库,同时支持事务标准SQL的结构化数据访问方式。 在同类开源分布式数据库中,SequoiaDB是唯一一款原生集成行存储块存储双引擎的数据库。 三、架构 SequoiaDB的LOB存储结构分为元数据文件(lobm)数据文件(lobd)。 图3:LOB元数据数据文件结构映射 在建立集合的过程当中,对象存储必须依附于普通集合存在,一个集合中的对象仅归属于该集合,不能被另外一个集合管理。 当用户上传一个对象时,会经历几次散列操作。

    57350

    5架构:细数数据平台的组成扩展

    这种方式有一个弊端是存储的数据量受限于内存的大小,数据量一,索引也增大,数据就饱和了。 2)第二种方式是把的索引结构,拆成很多小的索引来存储。 列式存储尤其适用于表扫描,求均值、最大最小值、分组等聚合查询场景。 列式存储在MPP数据库里面应用广泛,例如RedShift、Vertica及hadoop上的Parquet等。这种结构适合需要表扫描的数据处理问题,数据聚合类操作(最大最小值)更是他的主战场。 列式存储特别适合需要加载数据块,且数据块分到多个文件中的场景。Druid把一些近线实时数据放到写优化的存储中,然后随着时间的推移逐步把这些数据迁移到读优化的存储中。 信息桥,连接前端后端,允许上层应用使用访问数据处理平台的数据。 这种模试比较适合中级数量的部署,尤其是至少包含部分的、不可 避免的动态视图请求。 ?

    47080

    相关产品

    • 大数据处理套件

      大数据处理套件

      腾讯大数据处理套件(TBDS)是基于腾讯多年海量数据处理经验,对外提供的可靠、安全、易用的大数据处理平台。你可以根据不同数据处理需求选择合适的大数据分析引擎和相应的实时数据开发、离线数据开发以及算法开发服务,来构建您的大数据应用服务……

    相关资讯

    热门标签

    活动推荐

    扫码关注腾讯云开发者

    领取腾讯云代金券