自动驾驶汽车的激光雷达传感器的工作原理是发送红外光脉冲，并测量它们从物体反射回来所需的时间，从而创建一个3D点地图，作为汽车周围环境的图像。
(来源:麻省理工学院计算机科学&；人工智能实验室)
激光雷达的一个缺点是它有大量的3D数据，并且计算量很大。例如，典型的64通道传感器每秒产生200多万个点。与2D图像相比，由于额外的空间维度，最先进的3D模型需要14倍以上的计算。因此，为了有效导航，工程师必须首先将数据分解成2D，但这种方法会导致大量信息丢失。
据国外媒体报道，麻省理工学院团队一直在研究使用机器学习的自动驾驶系统，旨在无需定制手动调整。研究人员开发的新的端到端框架可以仅使用原始的3D点云数据和低分辨率GPS地图自动导航，类似于当前智能手机中的功能。
因为它涉及到为计算机学习如何驾驶提供大量的感知信息，所以基于原始激光雷达数据的端到端学习是一个计算密集型的过程。为此，该团队必须设计一种新的深度学习组件，以更有效地利用现代GPU(图形处理单元)硬件，以便实时控制车辆。
博士生刘志坚说，“我们从算法和系统方面优化了我们的解决方案，与现有的3D lidar方法相比，实现了约9倍的累积加速。”测试表明，新系统减少了人类驾驶员从机器接管控制的频率，甚至可以承受严重的传感器故障。
人们开车穿过隧道，然后出现在阳光下。一瞬间，人眼可能会被强光照瞎。自动驾驶汽车的摄像头和自动驾驶系统的激光雷达传感器在天气条件差的时候也会出现类似的问题。为了解决这个问题，麻省理工团队的系统可以估计任何给定预测的确定性，因此它可以在决策时权衡预测。(在从隧道出来的情况下，系统基本会忽略传感器数据不准确导致的预测不可靠。)
该团队将其方法称为“混合证据融合”，因为它将不同的控制预测融合在一起，以获得运动规划选项。麻省理工学院教授丹妮拉·鲁斯(Daniela Rus)说，“根据模型的不确定性和控制预测的整合，系统可以适应意外事件。”
在许多方面，该系统本身融合了麻省理工学院之前的三个项目:
MapLite:手动调整框架，在没有高清3D地图的情况下驾驶；
可变端到端导航可变端到端导航:机器学习系统，用人类驾驶数据训练，从零开始学习如何导航；
SPVNAS:高效的3D深度学习解决方案，优化了神经架构和推理库。
研究人员亚历山大·阿米尼(Alexander Amini)表示，“我们利用了无地图驾驶的优势，并将其与端到端的机器学习相结合，因此我们不需要专业程序员来手动调整系统。”接下来，该团队计划继续扩展该系统，以增加真实世界的复杂性，包括不利的天气条件和与其他车辆的动态交互。自动驾驶汽车的激光雷达传感器的工作原理是发送红外光脉冲，并测量它们从物体反射回来所需的时间，从而创建一个3D点地图，作为汽车周围环境的图像。
(来源:麻省理工学院计算机科学&；人工智能实验室)
激光雷达的一个缺点是它有大量的3D数据，并且计算量很大。例如，典型的64通道传感器每秒产生200多万个点。与2D图像相比，由于额外的空间维度，最先进的3D模型需要14倍以上的计算。因此，为了有效导航，工程师必须首先将数据分解成2D，但这种方法会导致大量信息丢失。
据国外媒体报道，麻省理工学院团队一直在研究使用机器学习的自动驾驶系统，旨在无需定制手动调整。研究人员开发的新的端到端框架可以仅使用原始的3D点云数据和低分辨率GPS地图自动导航，类似于当前智能手机中的功能。
因为它涉及到为计算机学习如何驾驶提供大量的感知信息，所以基于原始激光雷达数据的端到端学习是一个计算密集型的过程。为此，该团队必须设计一种新的深度学习组件，以更有效地利用现代GPU(图形处理单元)硬件，以便实时控制车辆。
博士生刘志坚说，“我们从算法和系统方面优化了我们的解决方案，与现有的3D lidar方法相比，实现了约9倍的累积加速。”测试表明，新系统减少了人类驾驶员从机器接管控制的频率，甚至可以承受严重的传感器故障。
人们开车穿过隧道，然后出现在阳光下。一瞬间，人眼可能会被强光照瞎。自动驾驶汽车的摄像头和自动驾驶系统的激光雷达传感器在天气条件差的时候也会出现类似的问题。为了解决这个问题，麻省理工团队的系统可以估计任何给定预测的确定性，因此它可以在决策时权衡预测。(在从隧道出来的情况下，系统基本会忽略传感器数据不准确导致的预测不可靠。)
该团队将其方法称为“混合证据融合”，因为它将不同的控制预测融合在一起，以获得运动规划选项。麻省理工学院教授丹妮拉·鲁斯(Daniela Rus)说，“根据模型的不确定性和控制预测的整合，系统可以适应意外事件。”
在许多方面，该系统本身融合了麻省理工学院之前的三个项目:
MapLite:手动调整框架，在没有高清3D地图的情况下驾驶；
可变端到端导航可变端到端导航:机器学习系统，用人类驾驶数据训练，从零开始学习如何导航；
SPVNAS:高效的3D深度学习解决方案，优化了神经架构和推理库。
研究人员亚历山大·阿米尼(Alexander Amini)表示，“我们利用了无地图驾驶的优势，并将其与端到端的机器学习相结合，因此我们不需要专业程序员来手动调整系统。”接下来，该团队计划继续扩展该系统，以增加真实世界的复杂性，包括不利的天气条件和与其他车辆的动态交互。
标签：现代
早在2019年，美国就将自动驾驶产业的发展触手，从乘用车市场进行单纯的试验，推送至无人物流领域进行商业化落地。而那时起，中国的自动驾驶公司也开始在RoboTaxi行业发力。
1900/1/1 0:00:005月27日，以汽车安全为主题的特斯拉“Ttalk”讲堂在北京亦庄特斯拉服务中心举办。特斯拉通过解析国产Model3白车身的设计结构与材料，向公众揭秘五星安全背后的逻辑。
1900/1/1 0:00:00日前，ST海马发布公告称，海马汽车股份有限公司股票交易于2021年5月26日开市起停牌一天，自5月27日开市起恢复交易，撤销其他风险警示，证券简称由“ST海马”变更为“海马汽车”，
1900/1/1 0:00:00盖世汽车讯据外媒报道，索尼集团计划在未来三年内投资2万亿日元（约180亿美元）发展娱乐和汽车传感器业务，确保其游戏和动漫主导供应商地位，并扩大传感器业务。
1900/1/1 0:00:00盖世汽车讯5月25日，法国研究机构CEALeti宣布推出首款自动成像仪，可通过面部识别或其他特定模式激活智能手机和小型家电，以及驾驶员识别。
1900/1/1 0:00:00说起最近几年在资本市场大火的汽车行业中概股，可能绝大部分人一定最先想到的是蔚来、小鹏和理想这三家新造车企业。
1900/1/1 0:00:00
汽车导航