热搜关键词: 数字信号处理RTOSC语言Linux射频电路

pdf

无人驾驶lecture2_Self-Driving Cars

  • 1星
  • 2018-03-23
  • 6.82MB
  • 需要2积分
  • 77次下载
标签: 人工智能

人工智能

汽车电子

人工智能

无人驾驶lecture2_Self-Driving  Cars

文档内容节选

Lecture 2 SelfDriving Cars For the full updated list of references visit httpsselfdrivingcarsmitedureferences MIT 6S094 Deep Learning for SelfDriving Cars MIT 6S094 Deep Learning for SelfDriving Cars httpsselfdrivingcarsmitedu httpsselfdrivingcarsmitedu Lex Fridman Lex Fridman lexmitedu lexmitedu January January 2018 2018 SelfDriving Cars aka driverless cars autonomous cars robocars Utopian view Save lives 13 million die every year in manual driving 4Ds of human folly drunk drugged distract......

展开预览

文档解析

这份文档是MIT课程6.S094:自动驾驶汽车深度学习(Deep Learning for Self-Driving Cars)2018年的讲座笔记,由Lex Fridman主讲。文档涵盖了自动驾驶汽车的多个方面,包括乌托邦和反乌托邦观点、自动驾驶汽车的不同自动化级别(根据SAE J3016标准)、超越传统自动化级别的两种AI系统(人类中心自主性和完全自主性)、自动驾驶汽车的硬件和传感器、以及自动驾驶汽车的关键任务,如定位与映射、场景理解、运动规划和驾驶员状态检测。 文档强调了自动驾驶汽车技术的双刃剑特性,既能节省生命、消除汽车拥有权、增加流动性和访问性、节省资金,并使交通个性化、高效和可靠,也可能消除交通部门的就业机会、引发失败案例、可能存在的人工智能偏见和安全问题。文档还提到了人们对AI在自动驾驶汽车中表现的直觉可能是错误的,并强调了区分未来车辆承诺的重要性。 文档详细介绍了自动驾驶汽车的传感器市场,预计到2030年将达到360亿美元,包括雷达、激光雷达(LIDAR)、摄像头等传感器的技术特点和市场价值。同时,讨论了传感器融合技术,以及未来传感器技术的发展,如摄像头与激光雷达的比较。 此外,文档还提到了一些在自动驾驶汽车领域取得显著进展的公司,如Waymo、Uber、Tesla、Audi等,以及它们的一些里程碑事件。文档最后强调了实现完全自动驾驶(A2)需要解决的挑战,包括开发有效的奖励函数,以平衡驾驶安全和愉悦性。

猜您喜欢

评论

HFSD
感谢分享啊
2019-12-17 23:01:47
登录/注册

积分规则

意见反馈

求资源

回顶部

推荐内容

热门活动

热门器件

随便看看

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

 
机器人开发圈

About Us 关于我们 客户服务 联系方式 器件索引 网站地图 最新更新 手机版 版权声明

北京市海淀区中关村大街18号B座15层1530室 电话:(010)82350740 邮编:100190

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2026 EEWORLD.com.cn, Inc. All rights reserved
×