端到端为基础的自动驾驶中国地区

来源 | 智驾社

知圈 | 入“滑板底盘群”请加微yanzhi-6,备注底盘

在在几年，自动领航员摩托车越来越畅销，因为许多公司正在积极学术研究和共同开发新系统对设计，以意味着无需人类所干预的显然实质上领航员系统对。然而，对于这些系统对设计中都哪些尽可能意味着显然数据处理并使自动领航员摩托车在商业上行不通，业界有很多争论。

迄今为止，大多数实质上系统对在很大程度上依赖于遥感型式，如激光雷达，它用到电磁辐射波形来计数与附近物体的距离，以转化详细的生态环境图片。虽然用到激光雷达的领航员系统对可以很准确，并且有很大的距离和角度全域，但它们非常高昂，并且只能复杂的算法和精致调整的模板。因此，市场上没有基于激光雷达的自动领航员铁路车辆，这些铁路车辆的测试也仅限于某些地区。

一种装配自动领航员铁路车辆的新方法有已经开始在行业内得到普及，它涉及用到摄像和机器修习。人工神经因特网尽可能通过从人类所领航员提供者的数据资料中都修习来操纵铁路车辆。摄像提供者的图片被说明了，并标上各自的铁路车辆操纵值，作为人工神经因特网的操练和正确性数据资料。如果这种人工神经因特网方法有尽可能意味着或改入基于激光雷达的系统对的自动领航员精度，那么自动领航员摩托车的费用将大大降低，因为廉价的相机是唯一只能的光度计。侧对侧操纵也消除了构建任何条件性领航员算法和设置任何先行判别的模板的只能。

英伟达公司创建了他们自己的侧到侧领航员人工神经因特网架构，名为PilotNet，这是一个卷积人工神经因特网，通过用到前置摄像头拍摄的图片屏幕来修习操纵铁路车辆，并将其同样同态为转向指示。该因特网从人类所领航员员记录的数据资料中都修习。

为这两种方法有提供者公平的比较，对于支持英伟达的PilotNet等侧到侧人工神经因特网到底将会实质上铁路车辆设计的行不通方法有非常有用，因为减少其装配时间和费用可以使其更接近低费用。

用做自动领航员摩托车共同开发的 NVIDIA DRIVE 系列产品仅限于了从摩托车到数据资料中都心的所有内容。DRIVE Hyperion是车载解决方案，它是一个摩托车架构，包括光度计、用做计数的DRIVE AGX，以及薄弱的自动领航员和智能化领航员舱功能所需的软件工具。在数据资料中都心，NVIDIA提供者了AV共同开发所需的硬件和软件，包括用做操练DNN感知的NVIDIA DGX，以及用做转化数据资料集和正确性整个AV堆栈的DRIVE Sim。