首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

自动驾驶之路已走了多远?一文读懂研究现状

我们调查了有关自动驾驶汽车的研究文献,重点关注的是自 DARPA 挑战赛以来开发的配备有可归类为 SAE 3 级或更高级的自主系统的自动汽车。自动驾驶汽车的自主系统的架构通常可分为感知系统和决策系统。感知系统通常分为负责自动驾驶汽车定位、静态障碍物地图测绘、移动障碍物检测与跟踪、道路地图测绘、交通信号检测与识别等多种任务的许多子系统。决策系统通常也分为许多子系统,分别负责路线(route)规划、路径(path)规划、行为选择、运动规划、控制等。在本调查报告中,我们会介绍自动驾驶汽车的自主系统的典型架构。我们还会总结在感知和决策相关方法方面的研究成果。此外,我们还将详细描述巴西圣埃斯皮里图联邦大学(UFES)的汽车 IARA 的自主系统的架构。最后,我们会列出科技公司开发的和媒体报道的突出的自动驾驶研究汽车。

01
您找到你想要的搜索结果了吗?
是的
没有找到

CBinsight重磅报告 | 如何从谷歌亚马逊苹果微软脸书的9年专利之争,看5大巨头在AI行业的未来10年之争

说到企业专利,乔布斯传记中的这样一段记载,把当年移动专利大战中惊心动魄的一面描写得淋漓尽致: ‘谷歌,你他妈的抄袭了iPhone,完全抄袭了我们。’这是偷窃,如果有必要,就算用尽最后一口气,花光苹果账户上的400亿美元现金,我也要纠正这个错误。我要摧毁安卓,因为它是偷来的产品。 说完这句话,乔帮主还不忘再加深一下谷歌的负罪感:“他们怕得要死,因为他们知道自己有罪。除了搜索引擎,谷歌的其他产品——包括安卓和Google Docs——都是狗屎。” 为了备战这场旷日持久地专利诉讼,苹果在2011年7月初以45

06

机器学习在汽车中的应用:从大众今天扩建慕尼黑AI实验室说起

大众集团日前宣布,将加大投资力度来加强其位于德国慕尼黑AI数据实验室的实力,专门致力于人工智能技术的研发。大众方面称,虽然目前正在削减内部开支,但作为IT计划的一部分,大众在慕尼黑的AI数据实验室并未受到影响,会有更多的人力投入人工智能团队的建设。 据了解,大众数据实验室的研究团队将继续发展无人驾驶技术和机器人学,主要研究方向包括机器学习技术,即引导机器人和传感器加强识别能力,以对行驶中遇到的物体和不同情形作出辨识,换言之,团队希望提高汽车摄像头的检测能力,减少无人驾驶汽车因拍摄盲区等而存在的安全隐患。 另

06

智能网联时代汽车行业数据合规挑战

随着新能源汽车市场占比的不断提升,全球汽车产业的转型升级已成为时代趋势,“数字化、智能化、网联化”成为汽车产业主要方向。随着人工智能技术的快速发展,新能源汽车、无人驾驶技术、车联网技术的不断升级与应用,汽车已从传统的运输工具,变成了新的数据处理节点。除了汽车自身信息、车主信息、座舱内数据外,汽车所搭载的各类设备还会采集海量的车外个人信息与测绘信息等重要数据,这些重要数据可以与其他智能终端进行数据交互,使汽车从传统的信息孤岛转变成为数据网络的重要节点。目前,包括驾驶辅助系统、车载摄像头、车辆和机器系统的语音信息等在内的大部分智能车联网功能,都需要依赖于大量车内外信息、司乘信息等多种类、敏感度高的数据,为司乘带来便利的同时,也使得汽车行业数据合规问题面临多个方面的新挑战。

04

大雾环境不再是障碍,MIT研发出可让自动驾驶汽车在大雾环境中准确检测物体的系统 | 热点

其实,不只黑暗环境,自动驾驶汽车想要安全上路,必须能够在大雾、下雨等极端天气或高密集人群等环境中实时识别路况。 近日,麻省理工学院(MIT)的研究人员宣布已研发出“可解析物体的图像并测量它们的深度”的系统,可在最浓的雾中拥有57厘米的能见度。值得一提的是,与普通的有雾环境不同,在研究人员营造的浓雾环境中,普通人的视野只有36厘米。 据悉,该系统是一个基于可见光的传感器系统,其核心在于统计数据。研究人员表示,雾粒子“反射”的光线到达单一统计模式(称为“伽马分布”)的时间是有规律的,因此,无论所处的环境雾浓度如

02

【IEEE Spectrum】神经网络视觉分类算法的意外弱点

【新智元导读】以往的对抗攻击需要进行复杂的数据处理,但最近华盛顿大学、密歇根大学、石溪大学和加州大学伯克利分校的一组研究人员发表了一篇文章,表明在物理世界中进行轻微的改变,也能诱骗视觉分类算法。通完自动驾驶安全之路,或许是完全排除人类因素。 人类非常难以理解机器人是如何“看”世界的。机器的摄像头像我们的眼睛一样工作,但在摄像头拍摄的图像和对于这些图像能够处理的信息之间的空间里,充满了黑盒机器学习算法。训练这些算法通常包括向机器显示一组不同的图像(比如停止标志),然后看看机器能否从这些图片中提取足够的常见特征

013

针对Model X无钥匙系统的远程攻击

本研究是针对特斯拉 Model X 无钥匙系统的实用安全评估。所分析的无钥匙系统采用了由通用标准认证的安全元件实现的安全对称密钥和公钥密码原语。本文记录了该系统的内部工作原理,包括遥控钥匙、车身控制模块和配对协议。此外,还介绍了相关逆向工程技术和几个安全问题。其中,遥控钥匙固件更新机制和遥控钥匙配对协议中发现的问题导致绕过了所有已实施的加密安全措施。此研究还开发了一种完全远程的概念验证攻击(PoC),允许在几分钟内进入车辆内部并配对修改后的遥控钥匙,从而启动汽车。该攻击不是中继攻击,因为其允许攻击者随时随地启动汽车。

03
领券