女人自慰AV免费观看内涵网,日韩国产剧情在线观看网址,神马电影网特片网,最新一级电影欧美,在线观看亚洲欧美日韩,黄色视频在线播放免费观看,ABO涨奶期羡澄,第一导航fulione,美女主播操b

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

美國高中生兩年時間搭建自動駕駛汽車

ml8z_IV_Technol ? 來源:工程師李察 ? 2019-01-05 09:02 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

這個美國高中生用兩年時間復現(xiàn)出英偉達端到端無人駕駛的論文,并在此基礎上進一步改進,得到了Nvidia的offer,卻執(zhí)意進入大學學習。

Sully Chen

Sully Chen 是南加州大學維特比工程學院的研究員,他喜歡數(shù)學、物理、人工智能以及醫(yī)學,目前他正致力于如何通過大數(shù)據(jù)和機器學習來改善醫(yī)療保健和醫(yī)學預防。三年前,當他還在加州帕洛斯弗迪斯高中念書的時候,就對自動駕駛汽車產(chǎn)生了濃厚的興趣,準備著手制造自己的機器。

熱愛的數(shù)學成為后期研究的重要基礎

十歲開始編程,并參與了很多項目的 Sully Chen 雖然稱不上是天才,但他對數(shù)學近乎癡迷。2015年初,同齡的高中生還在學習排列組合,而他在一個視頻中偶然發(fā)現(xiàn)了遺傳算法神經(jīng)網(wǎng)絡,這個視頻用計算機仿真出遺傳算法的特性,虛擬生物似乎在沒有人為輸入的情況下神奇地演變出復雜的行為,“這像極了我在生物課上學到的交叉和隨機變異,但我仍不相信這樣的計算機模擬是真的?!?/p>

很自然地,他編寫了自己的模型去驗證了它的可行性。通過親身實踐,更讓他無法自拔,他花了兩個星期開完了一學期的人工智能MIT公開課。與backprop(反向傳播算法)斗爭了好幾個星期,仍不能真正的理解。查閱大量論文,指南和博客后,最終在 Michael Nielsen 關于《神經(jīng)網(wǎng)絡和深度學習》博客中解決了自己的困惑,并用C++編了一個神經(jīng)網(wǎng)絡庫,以加深自己理解。

構造一臺無人車面臨無數(shù)的挑戰(zhàn)

憑借著對機器學習“淺薄”的認知,Sully Chen開始了制作自己的機器。

通過視覺算法來實現(xiàn)無人駕駛,第一個要解決的挑戰(zhàn)就是數(shù)據(jù)收集問題,需要協(xié)調好攝像頭和方向盤角度。攝像頭比較簡單,他用膠帶粘在了擋風玻璃上,而方向盤角度如何控制呢?

他首先嘗試了一種加速度計和Arduino(數(shù)據(jù)儀器)連接到方向盤上,并將時間數(shù)據(jù)與攝像頭同步。這種方法并不理想,由于加速度計比較敏感,加速度數(shù)據(jù)與視頻數(shù)據(jù)如何分開成了當時Sully需要面對的另一個挑戰(zhàn)。

第一種方式行不通,Sully開始了新的嘗試,使用現(xiàn)代汽車配備的OBD-II端口訪問CAN-BUS。這種方法又要面臨新的挑戰(zhàn),但最終實現(xiàn)了超精確方向盤測量,證明這種方法是值得的。

挑戰(zhàn)1:如何從 BD-II端口讀取CAN-BUS?解碼和處理CAN-BUS信號是一個復雜的過程,需要很長時間才能編寫和調試。幸運的是,前人(深圳矽遞科技)已經(jīng)做到了。Sully使用這個代碼和相對便宜的Arduino屏蔽,就能夠輕松地從汽車中提取和讀取CAN-BUS數(shù)據(jù)。

挑戰(zhàn)2:如何將CAN-BUS數(shù)據(jù)的亂碼轉變?yōu)榉较虮P讀數(shù)?下圖是提取的CAN-BUS數(shù)據(jù)。

美國高中生兩年時間搭建自動駕駛汽車

從數(shù)百個CAN-BUS渠道的解析中,找到一個方向盤角度的信息通道,對于一個高中生而言,難度可想而知。Sully 用最笨的辦法做到了!他手動監(jiān)控每個通道,慢慢轉動方向盤,需按照接受數(shù)據(jù)的平滑變化值。經(jīng)過大量的實驗,終于找到了方向盤的通道,用同樣的方法也找到了油門、制動器以及速度的通道。

挑戰(zhàn)3:如何把CAN-BUS中的數(shù)據(jù)轉換成可讀數(shù)據(jù)?找到通道后,通過測量實際角度與通道數(shù)值進行線性變換,就能從CAN中讀出車輛的即時數(shù)據(jù)。

攔路虎順利擺平之后,開始瘋狂收集數(shù)據(jù)。為此,Sully 曠了很多課。當數(shù)據(jù)通過機器學習訓練算法時,一切變得有趣起來。

復現(xiàn)并優(yōu)化Nvidia論文,引起Nvidia官方的重視

用機器學習訓練模型時,第一次嘗試用Caffe 在 AlexNet上訓練分類模型。他將數(shù)據(jù)劃分成每個大小為10度的黑盒子,方向盤角度在0-9度,10-19,20-29等之間得到相應的圖像。采用了分類輸出的線性組合獲得最終預測。由于當時并不能真正理解的統(tǒng)計數(shù)據(jù),一切變得非常糟糕。這讓Sully 幾乎失掉了信心,他專門建了一個存放錯誤代碼和實踐的垃圾文件箱,用來提醒自己要從失敗中總結經(jīng)驗,學到新東西?,F(xiàn)在這個垃圾文件箱還存在著,而且越積越大,它的存在也證明了自己一路以來的進步。

2016年8月,Nvidia發(fā)布了一篇論文《End to End Learning for Self-Driving Cars》,詳細解讀了英偉達在端到端無人駕駛的探索,這讓Sully 有了第二次嘗試,他準備復現(xiàn)一下Nvidia論文

Nvidia模型使用以下架構:

美國高中生兩年時間搭建自動駕駛汽車

這個架構輸出的是前十個神經(jīng)元的簡單線性組合,Sully認為還可以改進。他通過對線性組合應用正切函數(shù)來改變這一點,這種方法更直觀從視覺數(shù)據(jù)中“恢復”曲率角度,而不必重新學習將斜率或切線轉換為弧度測量的方法。

研讀完Nvidia論文的高中生,在TensorFlow中寫了大約一個晚上的代碼,并用當時便宜的750ti GPU上訓練了它,結合Adam優(yōu)化器等訓練。最終,取得了不錯的成果!

一個高中生花費兩年時間完成了這個龐大的項目,Sully感嘆道“這次經(jīng)歷教會了我大量的信息,技術和編碼實踐。Nvidia甚至帶我去他們的自動駕駛實驗室參觀他們的技術!“Nvidia為這位高中生提供一份不低的工資,但被他拒絕了,Sully進入了大學,開始了自己本科的學習。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 人工智能
    +關注

    關注

    1806

    文章

    49014

    瀏覽量

    249416
  • 無人駕駛
    +關注

    關注

    99

    文章

    4175

    瀏覽量

    123537
  • 英偉達
    +關注

    關注

    22

    文章

    3952

    瀏覽量

    93748

原文標題:美國高中生兩年時間搭建自動駕駛汽車,重現(xiàn)了Nvidia論文

文章出處:【微信號:IV_Technology,微信公眾號:智車科技】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    自動駕駛汽車是如何準確定位的?

    [首發(fā)于智駕最前沿微信公眾號]隨著自動駕駛技術的快速發(fā)展,車輛的精準定位成為安全駕駛與路徑規(guī)劃的核心基礎。相比于傳統(tǒng)人類駕駛依賴路標和視覺判斷,自動駕駛
    的頭像 發(fā)表于 06-28 11:42 ?220次閱讀
    <b class='flag-5'>自動駕駛</b><b class='flag-5'>汽車</b>是如何準確定位的?

    汽車駕駛自動化分級》會更適合中國自動駕駛發(fā)展嗎?

    提供了有效支撐。在很長一段時間,大家對于自動駕駛的等級分類主要是依照由美國汽車工程師學會制定的J3016標準《道路機動車自動駕駛系統(tǒng)相關術語
    的頭像 發(fā)表于 05-18 09:06 ?435次閱讀
    《<b class='flag-5'>汽車駕駛</b><b class='flag-5'>自動</b>化分級》會更適合中國<b class='flag-5'>自動駕駛</b>發(fā)展嗎?

    NVIDIA Halos自動駕駛汽車安全系統(tǒng)發(fā)布

    自動駕駛汽車的開發(fā)。正確的技術與框架對確保自動駕駛汽車駕駛員、乘客和行人的安全至關重要。 因此,NVIDIA 推出了NVIDIA Halos綜合安全系統(tǒng),將 NVIDIA 的
    的頭像 發(fā)表于 03-25 14:51 ?617次閱讀

    理想汽車推出全新自動駕駛架構

    2025年3月18日,理想汽車自動駕駛技術研發(fā)負責人賈鵬在NVIDIA GTC 2025發(fā)表主題演講《VLA:邁向自動駕駛物理智能體的關鍵一步》,分享了理想汽車對于下一代
    的頭像 發(fā)表于 03-19 14:12 ?540次閱讀

    自動駕駛的未來 - 了解如何無縫、可靠地完成駕駛

    。 汽車行業(yè)正在向自動駕駛汽車靠攏,其發(fā)展勢頭越來越強,其目標不僅是讓駕駛員的生活更簡單,而且要消除道路上的碰撞。 自動駕駛
    的頭像 發(fā)表于 01-26 21:52 ?565次閱讀
    <b class='flag-5'>自動駕駛</b>的未來 - 了解如何無縫、可靠地完成<b class='flag-5'>駕駛</b>

    MEMS技術在自動駕駛汽車中的應用

    MEMS技術在自動駕駛汽車中的應用主要體現(xiàn)在傳感器方面,這些傳感器為自動駕駛汽車提供了關鍵的環(huán)境感知和數(shù)據(jù)采集能力。以下是對MEMS技術在自動駕駛
    的頭像 發(fā)表于 11-20 10:19 ?1452次閱讀

    美國自動駕駛:十年磨一劍,搶占智能未來先機

    在最近于加利福尼亞州舉行的特斯拉發(fā)布會上,馬斯克揭曉了一項宏偉藍圖:預計在2025年,美國個州將率先實現(xiàn)無人監(jiān)督的完全自動駕駛,標志著汽車行業(yè)智能化轉型的新里程碑。此次發(fā)布會亮點紛呈
    的頭像 發(fā)表于 10-30 11:16 ?1191次閱讀

    自動駕駛汽車安全嗎?

    隨著未來汽車變得更加互聯(lián),汽車逐漸變得更加依賴技術,并且逐漸變得更加自動化——最終實現(xiàn)自動駕駛,了解自動駕駛
    的頭像 發(fā)表于 10-29 13:42 ?1121次閱讀
    <b class='flag-5'>自動駕駛</b><b class='flag-5'>汽車</b>安全嗎?

    蘋果自動駕駛汽車項目終止

    近日,美國加州機動車輛管理局(DMV)正式取消了蘋果的自動駕駛車輛測試許可證,為蘋果長達十年的電動汽車項目畫上了句號。據(jù)悉,DMV于9月25日收到了蘋果的確認,同意取消該許可證,而該許可證在
    的頭像 發(fā)表于 10-12 15:11 ?649次閱讀

    美國擬禁止自動駕駛汽車使用中國軟件

    據(jù)外媒最新報道,美國政府正醞釀一項重要政策,計劃在未來幾周內正式提出一項新規(guī),旨在全面禁止在自動駕駛汽車中使用中國軟件,特別是針對搭載L3及以上高級別自動駕駛系統(tǒng)的車輛。這一舉措不僅直
    的頭像 發(fā)表于 08-06 16:37 ?830次閱讀

    FPGA在自動駕駛領域有哪些優(yōu)勢?

    較高,但在處理復雜計算任務時,F(xiàn)PGA的能效比通常更優(yōu)。這是因為FPGA能夠針對特定任務進行優(yōu)化,減少不必要的計算和資源浪費。在自動駕駛系統(tǒng)中,這種高能效比有助于延長車輛續(xù)航時間和減少能耗成本
    發(fā)表于 07-29 17:11

    FPGA在自動駕駛領域有哪些應用?

    低,適合用于實現(xiàn)高效的圖像算法,如車道線檢測、交通標志識別等。 雷達和LiDAR處理:自動駕駛汽車通常會使用雷達和LiDAR(激光雷達)等多種傳感器來獲取環(huán)境信息。FPGA能夠協(xié)助完成這些傳感器
    發(fā)表于 07-29 17:09

    自動駕駛汽車如何識別障礙物

    自動駕駛汽車識別障礙物是一個復雜而關鍵的過程,它依賴于多種傳感器和技術的協(xié)同工作。這些傳感器主要包括激光雷達(LiDAR)、雷達、攝像頭以及超聲波雷達等,它們各自具有不同的工作原理和優(yōu)勢,共同為自動駕駛
    的頭像 發(fā)表于 07-23 16:40 ?2845次閱讀

    自動駕駛汽車傳感器有哪些

    自動駕駛汽車傳感器是實現(xiàn)自動駕駛功能的關鍵組件,它們通過采集和處理車輛周圍環(huán)境的信息,為自動駕駛系統(tǒng)提供必要的感知和決策依據(jù)。以下是對自動駕駛
    的頭像 發(fā)表于 07-23 16:00 ?3272次閱讀