شبكة لى فنغ AI تقنية مراجعة من قبل: صناعة السيارات العالمية الحالية قبلت النظام المقترح من قبل الإدارة الوطنية المرور على الطرق السريعة السلامة (NHTSA) والجمعية الدولية للمهندس آلة التلقائي (SAE)، الطيار الآلي في L0 إلى مستوى L5 الدرجات، على التوالي، تحمل الواجبات، في حين أن L4 ثاني أعلى مستوى كما دون طيار، هي واحدة التي يمكن مؤتمتة بالكامل وبدون سائق عندما بالكامل دون تدخل بشري في ظل سيناريوهات معينة (مثل الطرق السريعة)، وحتى الآن، لتحقيق L4 لا يزال من دون طيار المناطق الأكثر تحديا الذكاء الاصطناعي، واحدة من أكثر المشاكل تعقيدا.

في الآونة الأخيرة، على شبكة لى فنغ بين AI Yanxishe الأربعة الأولى بعد زرع، أعلى تقييم الطيار الآلي شركة مشروع مومينتا M4U المدير الفني الصينى تشن كاي عمق كيفية سهم الطيار الآلي مومينتا يونيكورن "إنشاء الطيار الآلي الدماغ" وتفسير مستوى L4 لتحقيق الطيار الآلي أي نوع من التكنولوجيا والمواهب.

تشن كاي: المدير الفني مومينتا M4U الدكتور جامعة العلوم والتكنولوجيا في الصين، RoboCup @ الرئيسية دوري 2014 بطل العالم، لسنوات عديدة تعمل في مجال البحوث الروبوت والأعمال ذات الصلة.

حصة الموضوع: L4 تنفيذ بدون طيار منظور المواهب (التكميلية الشرح مومينتا الوظيفة)

حصة الخطوط العريضة:

1، مومينتا الفريق: إنشاء الطيار الآلي الدماغ

2، ثلاثة ردود الفعل حلقات منصة البيانات الكبيرة والخوارزميات AI

3، لتحقيق التكنولوجيا الأساسية مومينتا: استنادا إلى بيئة تعليمية عمق المتصورة، خرائط عالية الدقة، والقيادة خوارزمية صنع القرار

4، L4 تحقيق مستوى الطيار الآلي أي نوع من التكنولوجيا والمواهب

لى فنغ شبكة AI Yanxishe لمشاركة المحتوى تتلخص فيما يلي:

اليوم أساسا هنا لأشاطركم الطريق مومينتا التقنية، والآخر سيركز على ما مستوى الطلب على المواهب L4 بدون طيار.

عزم الفريق: خلق الدماغ الطيار الآلي

العزم هو وضع الشركة لخلق الدماغ الطيار الآلي، بعبارات بسيطة، والدماغ هو لتشغيل في مجال البرمجيات أنظمة غير المأهولة. هذا الرقم هو الفريق الأساسية للشركة:

• الرئيس التنفيذي لشركة تساو شو دونغ، وتخرج من جامعة تسينغهوا في صناعة الذكاء الاصطناعي المتراكمة ما يقرب من 10 سنوات من البحث والخبرة الإدارية. وقد نشرت له عشرات الصحف في مؤتمر المستوى الأعلى في جهاز الرؤية CVPR / ICCV / ECCV وغيرها، وفازت العالم الوصيف في المسابقة الوطنية الأمريكية للعلوم البيانات السلطانية. قبل تأسيس مومينتا، خدم تساو شو دونغ مديرا تنفيذيا لاسرة شانغ العلوم والتكنولوجيا البحث والتطوير، قاد فريقا مئات من البحث والتطوير، لديها ثروة من الخبرة الإدارية والخبرة المنتج المقصودة. وقبل انضمامه إلى تقنية اسرة شانغ، ويستخدم فترة تساو شو دونغ زميل أبحاث آسيا مايكروسوفت، في التكنولوجيا R & D على نطاق واسع في أجهزة إكس بوكس، بنج، كيف القديمة وغيرها من المنتجات المعروفة، بما في ذلك المنتجات الهائل كيف قديم لديها مئات الملايين من المستخدمين.

• R & D مدير رن Shaoqing، جامعة الصين للعلوم والتكنولوجيا ومايكروسوفت للبحوث آسيا الدكتوراه المشترك. السيد رن Shaoqing هو الكائن الأكثر شعبية إطار الكشف عن أسرع-RCNN المؤلف الأول لمعظم المؤلفين تأثيرا في دراسة متعمقة هيكل الشبكة ResNet الثالث، ولكن أيضا الحصول على ImageNet 2015 الكشف عن وجوه، تصنيف الصور، وتحديد المواقع الكائنات البطولة، MS COCO 2015 عددا من البطولة، وCVPR 2016 أفضل ورقة والعديد من الجوائز الأخرى.

• شيا يان، مدير الأبحاث والتطوير، وجامعة الصين للعلوم والتكنولوجيا ومايكروسوفت للبحوث آسيا الدكتوراه المشترك، والتعلم عمق والبيانات كبير الخبراء في هذا المجال. في بنج وغيرها من المنتجات المعروفة الدكتور شيا طبقت النتائج R & D.

• R & D مدير سون قانغ، الأكاديمية الصينية للعلوم، والدكتور الرؤية الحاسوبية، وبالتوازي مع الأداء العالي الحوسبة خبراء الأنظمة، وعلى نطاق واسع خبير التعرف على الصور. فاز السيد سون قانغ ImageNet 2016 الوصيفة تصنيف المشهد، ImageNet 2017 بطل تصنيف الصور، وشاركت في تصميم أول تدريب مجموعة GPU في العالم لعمق التعلم.

وبالإضافة إلى ذلك، وأعضاء فريق مومينتا أساسا من معهد ماساتشوستس للتكنولوجيا، جامعة كارنيجي ميلون، جامعة تسينغهوا، جامعة بكين وجامعة الصين للعلوم والتكنولوجيا وغيرها من الجامعات والمؤسسات البحثية في الداخل والخارج، فضلا عن جوجل وأمازون، الفيسبوك، ومايكروسوفت للبحوث آسيا، تينسنت وغيرها من شركات التكنولوجيا الفائقة المعروفة، لدينا تراكم فني قوي، والأصالة تقنية قوية وثروة من الخبرة في مجال صناعة.

العزم هي شركة مع قدرات R & D من الطراز العالمي. وفيما يلي عمق مجال الدراسة في ثلاث نتائج أكثر الشهيرة، وجميع من في أعضاء الفريق الأساسي مومينتا و.

الأول هو سينيت، وكان أفضل أداء في هذه الصناعة من وحدة شبكة التعلم العميق، مومينتا حصلت أيضا بحكم سينيت صورة تصنيف ImageNet 2017 بطل العالم.

والثاني هو أسرع R-CNN، رن Shaoqing صاحبه، بل هو إطار الكشف عن وجوه الأكثر المشار إليها في كثير من الأحيان، على أساس مومينتا تحسنت كثيرا.

والثالث هو ResNet، هو الأكثر تأثيرا هيكل شبكة التعلم العمق، ورقة أيضا حصل على أفضل ورقة 2016 نيان CVPR من.

وكانت هذه الأوراق البحثية 3 ذات الصلة استشهد أكثر من 17،000 أضعاف العدد، في الوقت نفسه، وفاز الفريق أيضا ImageNet 2015 الكشف عن وجوه، تصنيف الصور، بطل الكائن تحديد المواقع، MS COCO التحدي 2015 بطل، ImageNet 2017 بطل تصنيف الصور وسلسلة من كبار المسابقات الدولية جائزة.

يتم وضع العزم على إنشاء الطيار الآلي الدماغ، وتركز دائما على تحقيق البرمجيات والخوارزميات في مجال الذكاء الاصطناعي.

تتكون التكنولوجيا العزم من ثلاث وحدات:

ينظر البيئة التعلم العمق. وهذه هي المشكلة الرئيسية لحل هي أن مركبة غير مأهولة يمكن تصور بعض الكائنات من حوله، بما في ذلك علامات الطرق ثابت والمركبات الحيوية والمشاة والدراجات الهوائية وهلم جرا.

خريطة عالية الدقة. السائق هو يختلف عن الإنسان، ويدير سائق سيارة تعتمد كثيرا على خارطة طريق لدرجة عالية من الدقة، بحيث أنه يعرف ما هو عليه في الموضع الذي تريد الوصول إليه، أي نوع من العلاقة مع الموقف الحالي، وفقا لتحديد المواقع و للقيام معلومات الملاحة أكثر دقة، الوجهة النهائية التلقائي.

القيادة خوارزمية صنع القرار. القيادة القرارات مدفوعا البيانات، على غرار إنشاء 100 مليار كيلومتر من تجربة القيادة لديه سائق الذكية. من خلال حزمة اختبار الطريق العامة، مومينتا خريطة الدلالات التي تم الحصول عليها بدقة عالية القيادة الجماعية مسار. عن طريق التعلم لدفع مسار واسع، مومينتا خوارزمية يمكن استنادا إلى المعلومات الوعي وخريطة دقة الظرفية الحالية لاتخاذ القرارات والتخطيط محرك الأقراص.

وبناء على هذه التقنيات وتطويرها مومينتا مستويات مختلفة من برنامج القيادة الآلية، وقبل التكنولوجيا الأساسية هو غاية تنوعا، الجزء الخلفي من بلدي وصف أكثر تحديدا.

منصة الكامنة وراء البيانات الكبيرة وAI خوارزميات حلقة مفرغة

بعد ذلك، تخبرنا عن كيفية استخدام بيانات كبيرة ومنصة الحوسبة البيانات الكبيرة رد الفعل كبيرة والخوارزميات AI.

1. منصة الحوسبة كبيرة، وهو مدعوم مومينتا لتدريب القدرة على الحصول على نموذج الحاجة قاعدة جيدة، وذلك أساسا لعمق GPU تعلم نظام التدريب. في أكثر من عامين منذ تأسيس، يواصل فريق لتحسين منصة التدريب، في النصف الأول من عام 2018، منصة مومينتا الخاصة لديها آلاف القطع من GPU، وعدد من الشركات المبتدئة والشركات الكبرى في الداخل كبير جدا الحجم. ولكن ليس لدي سوى عدد كثير جدا من GPU ليست كافية، والفريق أيضا مصممة على عمق توزيع تعلم ROCS نظام التدريب، وقدم الكثير من التحسين من أجل التعلم العميق، بما في ذلك سرعة عالية في نقل المعلومات بين مختلف الخوادم والتخزين الأمثل ممتازة، استنادا إلى نظام وسينيت، والمساعدة على تسريع عملية تكرارية. عدة سمة رئيسية من سمات هذا النظام التدريب هي: مستقرة وفعالة والأجهزة التعاوني والبرمجيات الأمثل لسهولة الاستخدام.

2. منصة البيانات الكبيرة، في اشارة الى عشرة مليارات الكيلومترات من قدرات الحصول على البيانات. العزم استخدام التعهيد الجماعي الأفكار المتراكمة البيانات المتعلقة القيادة. أحوال الطرق بواسطة مركبات مختلفة، والطقس وظروف الإضاءة في مدن مختلفة تواجه تختلف على نطاق واسع، يمكن للبيانات المتراكمة تساعد على إدراك أفضل للتطوير الخوارزمية. البيانات من المنتجات، وجمعت البيانات من خلال قنوات متعددة، دعونا الحصول على التكنولوجيا أفضل التكرار، والمساعدة على تحسين الجودة والأداء من المنتجات، والشكل النهائي حلقة حميدة.

بعد الحصول على الكثير من البيانات وليس مباشرة إلى منصة البيانات الكبيرة، سيكون هناك بعض الخطوات الوسيطة:

الخطوة الأولى هي جمع البيانات، وجمع البيانات من خلال المنتج؛

والخطوة الثانية هي بيانات تصفية، واستعادة البيانات بعد، بعض البيانات لا طائل منه، فإنه يجب أن يكون بعض عديمة الفائدة، غامضة اختيار لإزالة البيانات؛

وبيانات صالحة الشرح البيانات، وقد تم بالفعل استخدام الخطوة الثالثة بيانات النظام إلى مومينتا خوارزميات الكشف الدقيق، يمكن لهذه الخوارزميات تحسن كثيرا من كفاءة وضع العلامات، ووضع علامات على ضرورة عدم البدء من 0؛

الخطوة الرابعة والبيانات على الوصول إلى منصة البيانات الكبيرة مومينتا والتدريب النموذجي.

في الواقع، فإن عملية التدريب هو الحاجة إلى تستهلك الكثير من الذاكرة وموارد الحوسبة، بل هو أيضا مجموعة من التعهيد الجماعي الداخلي على الانترنت عن بعد نظام الشرح البيانات، يمكننا الاستفادة من نتائج نموذج التدريب لمساعدة مرشح البيانات، والبيانات المساعدة ملحوظ مع خوارزمية نصف آلية. انضم العزم أيضا للطلاب الحصول على هذه المشاريع، وبعض من أفكارهم لديهم الفرصة لممارسة والتحقق.

الجدير بالذكر هو عمق نموذج الخوارزمية التعلم، مومينتا أداء جيدة نموذج يمكن أن تكون متكاملة بشكل أفضل في المنتج. في حالة دقة نموذج تلف نادرا، لذلك 10-100 مرات أسرع نموذج الحساب، في حين أن حجم مضغوط نموذج 100 مرة، حتى ذلك الوقت، ونموذج الفضاء اثنين أوامر من تحسين حجم، وجعل نموذج تدريب وضع أفضل على الحوسبة منخفضة ومنخفضة الطاقة جزءا لا يتجزأ من منصة منصة السيارة، مما يسهل تسويقها.

وبالإضافة إلى ذلك، داخل الشركة وكذلك منصة محاكاة، وتستخدم محترفة جدا محرك محاكاة الفيزياء، قد تكون محاكاة واقعية من ديناميكية السيارة يمكن محاكاة على الطريق لإضافة حيوية والعقبات ثابتة، إلى مساعدة على مستوى مرتفع من دون طيار على الانترنت الاختبار.

العزم تحقيق التكنولوجيا الأساسية

تحديدا حول الوعي البيئي مومينتا، وأنواع مختلفة في الكشف عقبة وتحديد الهوية.

معظم عقبة مشتركة على الطريق هي مركبة، مومينتا تعترف الآن مجموعة متنوعة من النماذج، ولكن أيضا الشعور الحدود الخارجي فحسب، ولكن أيضا من خلال عدد من الطرق لاستعادة السيارة نفسها بالقرب من لفتة 3D، موقع الاطارات، وما إلى ذلك مع هذه المعلومات يمكن للسرعة النسبية للعقبة، يكون تقدير جيد من موقع الكاميرا من أجل تحسين تحديد العلاقة النسبية بين السيارات والمركبات الأخرى حولها.

عقبة شائعة جدا على السيارة، الذي هو أيضا بالإضافة إلى الطريق. الإدراك البيئي قادرة على 17 مفاصل الكشف عن الجسم البشري أثر، وتحديد كل موقف المارة والإجراءات، مثل تحديد الأشخاص في ركوب الدراجات أو المشي، وإذا يدخلون الناس، ثم أننا سوف يأتي لاكتشاف ما إذا كان ممر سافر من قبل سيارة إذا كان المتسابق الذي، فإنه كشف عن والسرعة وقفة 3D، وموقف ذات الصلة.

وبالإضافة إلى هذه العقبات ديناميكية، وعقبة ثابتة للمركبات هو أيضا مهم جدا، بما في ذلك خط حارة، وعبور خط دليل، لافتات المرور، وإشارات المرور وهلم جرا. على سبيل المثال، بعض أعمدة الإنارة عموديا، وذلك بسبب انسداد جزء يمكن تعريف فقط، إلا أن الاستشعار عن خوارزمية البيئة ويقدر طول منه، واستخدام المعلومات المسبقة لتحديد موقف 3D من أعمدة الانارة. وبالإضافة إلى ذلك، وخطوط حارة المعلومات الدلالي هي مفيدة جدا في المعلومات على أساس، إلى جانب إشارات المرور وغيرها من المعلومات، فإنه يمكن أن يبنى على أساس خريطة الدلالات البصرية.

أيضا للمشهد الصيني، وقد تم تحسين الإدراك خوارزمية لخصائص السيارات المحلية العزم جمعت بعض البيانات، وهذه البيانات استهدف التدريب من أجل التكيف بشكل أفضل مع ظروف الطريق، وأنواع مختلفة من العقبات على الطريق.

لين خط أساس، لافتات وغيرها من المعلومات، يمكن بناؤها على درجة عالية من الدقة مومينتا خريطة الدلالي. لماذا بناء خريطة دقيقة للغاية الدلالي؟ وفيما يتعلق الخريطة التقليدية المعنية، مومينتا الدقة خريطة الدلالات والمزايا التالية:

الأول هو لدعم تحديثات أسرع. لنفس النوع من الطريق، والسيارة تحتاج فقط إلى استخدام الكاميرا على جهاز لجمع الحشد على الطرق، يمكنك تحديث الوضع يواجه حاليا. وبالإضافة إلى ذلك، إذا لصيانة الطرق وكانت هناك بعض التغييرات، ولكن أيضا من خلال المعلومات الكاميرا التقاط المركبات، وكذلك الحفاظ عليه؛

ومضغوط للغاية الثانية. الدقة خريطة الدلالي من مساحة لتخزين بصمة صغيرة جدا، وعلاوة على ذلك، لديها أكثر قوة أيضا. بعض الميزات أكثر الكامنة، ملزمة بسبب الضوء، وزاوية عرض والعوامل الأخرى التي تؤثر سلبا على 2D استخراج ميزات، مع دقة عالية خرائط الدلالي من هذه العوامل يمكن أن تخفض.

بنيت FIG الثالث ودقة تحديد المواقع، والدقة خريطة الدلالي الحصول عليها من منظور مختلف، زمن مختلف، لبيانات كاميرا متعددة، لتحقيق أقصى قدر من الدقة في ضمان الخريطة، يوم لتحقيق مكانة خطأ دقة وأقل من 10 سم.

مستوى L4 لتحقيق الطيار الآلي أي نوع من التكنولوجيا والمواهب

العزم المتراكمة حاليا أكثر من 200 مليون دولار تمويل، وتقييم أكثر من 1 مليار دولار أمريكي. يتم إثبات القدرات القيادية التكنولوجيا والمنتجات العزم، بالإضافة إلى الهبوط في سوق رأس المال على نطاق واسع، ولكن أيضا من الاعتراف الشركاء في الصناعة.

بالنسبة لأولئك الذين يرغبون في الانضمام الشريك الأصغر المقبل، تخبرنا عن النمو مومينتا.

العزم هو منفتح جدا، مع روح الشركة من المشاركة، لدينا الفرصة للمشاركة في اجتماع دولي كبير للشركة للاستماع إلى حصة خبراء الصناعة. وبالإضافة إلى ذلك نظام التدريب مومينتا هو أيضا قوية جدا، بما في ذلك:

وفيما يلي مواقف Rezhao مومينتا، ويمكن المهتمين المسح الضوئي مباشرة رمز ثنائي الأبعاد أسفل يمين سيرتك الذاتية.

أولا، مومينتا المهمة جدا تنوعا مهندس برمجيات من دون طيار (C ++). وخلافا لتطوير البرمجيات، من دون طيار خوارزميات التوجيه أنظمة ومتطلبات تطوير البرمجيات للهياكل البيانات، الخوارزميات، والقدرة الأمثل هو مرتفع جدا، ولكن الطلب متطلبات كبيرة جدا وعالية جدا. ولكن هذا المنصب هناك العديد من الفرص لتتلامس مع بنية النظام، خوارزمية الممارسة الأمثل في هذه المشاريع، ونحن جميعا بحاجة الى التحدث الى الزملاء أجريت في العمق التواصل وتبادل المعلومات، المتعلقة بعمل جيد جدا.

تخطط خوارزمية المهندس هو الطلب الكبير نسبيا للوظائف، مسؤولة عن سلوك التنبؤ السيارات بدون سائق والتخطيط ومسارات صنع القرار، وبالتالي تحتاج إلى استخدام بعض أساليب التعلم والتخطيط الآلي. وخوارزميات التحسين المختلفة لها مزاياها وحدودها، وبالتالي، هذا المنصب يتطلب استراتيجية جيدة للاستخدام، ويسمح هذا النظام للسائق لمشاهد مختلفة يمكن علاجها على نحو أفضل.

استشعار الانصهار خوارزمية مع مهندس النمذجة البيئية، والحاجة المتصورة لاستخدامها لبناء المعلومات البيئة المحيطة والمركبات دقيقة الديناميكية. الحاجة إلى وضع كاميرا متعددة، ملليمتر موجة الرادار والموجات فوق الصوتية والكشف عن وجوه ليزر دمج البيانات، من أجل تحسين ثابت وموقف عقبة الديناميكي تقدير دقة السرعة، لبناء بيئة نموذجية على علم بها.

من دون طيار مهندسي أنظمة المحاكاة، بالإضافة إلى هذا المنصب محاكاة الأعمال ذات الصلة، هناك جوانب كثيرة من البيانات المهمة، تحتاج النظم الآلية أيضا إلى إعادة الوضع إلى أفضل رؤية على المحاكي، وعلى تعزيز تعلم آلة القدرة على التعلم لديك بعض المتطلبات. هذا الموقف سوف تتعاون مع محاكاة الزملاء وضعت معا لتحقيق تنمية أنظمة محاكاة أكثر واقعية.

بالإضافة إلى وظائف R & D ذات الصلة، مومينتا وبعض آخر اختبار - اختبار بدون طيار مهندس، وآمل أن هذا المكتب بعد الذين لديهم خلفية معرفية مناسبة لتحسين فهم مستوى النظام كيفية المنتج من دون طيار أفضل الاختبارات وتحليل الهياكل الاختبار المختلفة، وتحديد المواقع وحدة، وأفضل تشجيع فريق التطوير لتحسين القضايا ذات الصلة.

مرحبا بكم في الانضمام مومينتا، مع أفضل وقت، مع مجموعة من الناس الحق، والقيام بالشيء الصحيح.

هذه هي الضيوف الحالي جميعا. أكثر انفتاحا الذهاب فئة فيديو لشبكة لى فنغ AI Yanxishe المجتمع (https://club.leiphone.com/) لمشاهدة. التركيز على عدد جمهور قناة الصغرى: AI Yanxishe (okweiwu)، يمكنك الحصول على أحدث إشعار وقت الفئة المفتوحة الحية.