自动驾驶论文阅读第17页

德思特方案 | 易用、高效、可靠！高精度组合定位系统P-Box测试解决方案

虹科电子科技·2024-01-12 17:38

羊驼2:开放的基础和微调聊天模型--Llama 2论文阅读

论文地址：https://arxiv.org/pdf/2307.09288.pdfd代码地址：GitHub-facebookresearch/llama-recipes:ExamplesandrecipesforLlama2model问答用了多少个gpu？这篇文档中使用了3.3MGPU小时的计算，使用的硬件类型是A100-80GB，可以扩展到2000个GPU，但这些计算的功耗估计并不包括互连或非G

andeyeluguo·2024-01-12 17:59

Cylinder3D论文阅读

：https://arxiv.org/pdf/2011.10033.pdf代码链接：https://github.com/xinge008/Cylinder3D摘要为什么做这件事（why）：●目前用于自动驾驶场景的最好的点

zhaoyqcsdn·2024-01-12 15:58

EM planner 论文阅读

Speed）参数少且统一化流程复杂流程简单单周期解空间受限简单场景解空间较大能适应复杂场景适合简单场景1摘要基于百度Apollo平台提出的一种实时运动规划系统，该规划系统包括顶层的多车道和其中的单车道自动驾驶

Big David·2024-01-12 15:57

NOA要降本，L3级自动驾驶急上路，谁为「安全」兜底？

自动驾驶感知的终局，是什么？“现阶段，自动驾驶已经从原来的简单封闭场景走向了更加复杂开放的场景，这背后涉及到在降本增效背景下的感知升级。比如，漏检，全类型目标、全场景的理解等等。”

高工智能汽车·2024-01-12 11:18

NLP论文阅读记录 - 05 | 2023 抽象总结与提取总结：实验回顾

文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作2.1提取方法2.2抽象方法2.3数据集三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言Abstractivevs.ExtractiveSummarization:AnExperimentalReview（2306）0、

yuyuyu_xxx·2024-01-12 09:59

深度学习技巧应用32-在YOLOv5模型上使用TensorRT进行加速的应用技巧

TensorRT可以加速深度学习模型在NVIDIAGPU上的推理速度，降低延迟和提升吞吐量，这对于实时应用如自动驾驶、机器人、AI

微学AI·2024-01-12 09:28

NLP论文阅读记录 - wos | 01 使用深度学习对资源匮乏的语言进行抽象文本摘要

文章目录前言0、论文摘要一、Introduction1.1目标问题1.2相关的尝试1.3本文贡献二.相关工作三.本文方法四实验效果4.1数据集4.2对比模型4.3实施细节4.4评估指标4.5实验结果4.6细粒度分析五总结思考前言Abstractivetextsummarizationoflowresourcedlanguagesusingdeeplearning（2211）0、论文摘要人类必须能够

yuyuyu_xxx·2024-01-12 09:22

最新调查报告|软件开发人员焦虑的根源是？

随着越来越多的制造商依赖软件组件为下一代联网和自动驾驶汽车提供动力，开发团队无疑将面临与新的安全和防范法规、设计和IP管理以及团队生产力相关的许多挑战。

龙智DevSecOps解决方案·2024-01-12 08:43

（无人驾驶仿真软件整理）

目录车联网数字孪生系统自动驾驶仿真测试闭环系统搭建相关使用的工具：术语车联网数字孪生系统自动驾驶仿真测试闭环系统搭建自动驾驶场景搭建硬件设备设置进入场景中进行仿真研究分析车辆算法仿真性能相关使用的工具：

谢大旭·2024-01-12 07:53

学习记录-自动驾驶与机器人中的SLAM技术

以下所有内容均为高翔大神所注的《自动驾驶与机器人中的SLAM技术》中的内容融合导航1.EKF和优化的关系2.组合导航eskf中的预测部分，主要是F矩阵的构建templateboolESKF::Predict

return !false·2024-01-12 07:08

【自动驾驶和机器人中的SLAM技术】基于点面ICP的iekf-lio系统

目录1.理论推导2.代码实现3.欢迎来过千帆公众号读书学习1.理论推导2.代码实现由于第7章已经有个icp_3d类了，并且有了点面ICP功能，这里直接在其基础上添加实现基于点面ICP的IEKFLIO系统对观测方程的处理方式，即：voidIcp3d::ComputeResidualAndJacobians(constSE3&input_pose,Mat18d&HTVH,Vec18d&HTVr)对观测

宛如新生·2024-01-12 06:01

【自动驾驶与机器人中的SLAM技术】鲁邦核函数的含义和应用

目录1.给ICP和NDT配准添加柯西核函数1.1代码实现2.将第1部分的robustloss引入IncNDTLO和LooselyLIO，给出实现和运行效果3.从概率层面解释NDT残差和协方差矩阵的关系，说明为什么NDT协方差矩阵可以用于最小二乘4.为LOAMlikeLO设计一个地面点云提取流程，并单独为这些点使用点面ICP4.1代码实现4.2对地面点进行ICP5.也欢迎大家来我的微信公众号--过千

宛如新生·2024-01-12 06:31

《自动驾驶与机器人中的SLAM技术》基于保存的自定义NDT地图文件进行自动驾驶车辆的激光定位

目录1.为NDT设计一个匹配度评估指标，利用该指标可以判断NDT匹配的好坏。2.利用第1题的指标，修改程序，实现mapping部分的回环检测。3.将建图结果导出为NDTmap，即将NDT体素内的均值和协方差都存储成文件。4.实现基于NDTmap的激光定位。根据车辆实时位姿，加载所需的NDT体素并完成定位。5.给出上述结果相比于PCLNDT的性能、存储空间等关键指标1.为NDT设计一个匹配度评估指标

宛如新生·2024-01-12 06:57

论文阅读：TinyGPT-V 论文阅读及源码梳理对应

TODO有待更新QFormer作用？QFormer来自论文BCLI2工作中，用来弥补FrozenImageencoder和FrozenLLM之间的gap。基于Bert作为初始化的。推理结构图Imageblip2_image_evalQFormerLinerLinearget_context_embpromptGivethefollowingimage:ImageContent.""Youwillb

Liekkas Kono·2024-01-12 06:26

论文阅读_训练大模型用于角色扮演

英文名称:Character-LLM:ATrainableAgentforRole-Playing中文名称:角色-LLM：训练Agent用于角色扮演文章: [https://arxiv.org/abs/2310.10158](https://arxiv.org/abs/2310.10158)作者:YunfanShao, LinyangLi, JunqiDai, XipengQiu机构:复旦大学计算

xieyan0811·2024-01-12 03:05

部署实战 | 手把手教你在Windows下用TensorRT部署YOLOv8

作者|‍feiyull编辑|集智书童点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取1、加速结果展示1.1性能速览快速看看yolov8n在移动端RTX2070m(8G)的新能表现：modelvideoresolutionmodelinputsizeGPUMemory-UsageGPU-Utilyolov8n1920x10808x3x640x6401093MiB

自动驾驶之心·2024-01-12 03:51

【论文阅读】Deep Graph Infomax

目录0、基本信息1、研究动机2、创新点2.1、核心思想：2.2、思想推导：3、准备3.1、符号3.2、互信息3.3、JS散度3.4、DeepInfoMax方法3.5、判别器：f-GAN估计散度4、具体实现4.1、局部-全局互信息最大化4.2、理论动机5、实验设置5.1、直推式学习（Cora，CiteseerandPubmed）6、代码实现6.1、DGI6.2、GCNLayer6.3、readout

鲸可落·2024-01-12 02:06

自动驾驶（七十五）---------几种硬件平台对比

上一篇主要介绍了硬件平台的基本情况，并没有详细的分析和对比每种硬件平台的优劣，这里我选取几种常见的硬件平台，从输入、硬件架构、输出等几个方面进行详细对比，以便深入了解各种平台。这里我主要对比：恩智浦S32V、英伟达DRIVEPX2、TI的TDA4、寒武纪1M、高通SA8155。1.恩智浦S32VS32V是恩智浦推出的一款汽车视觉微处理器，主要参数如下：硬件方面：4xA53@1GHz，1xM4@13

一实相印·2024-01-11 23:26

车领~专有名词记录

自动驾驶（七十五）---------几种硬件平台对比_高通8155和tda4性能对比-CSDN博客恩智浦S32V、英伟达DRIVEPX2、TI（TexasInstruments德州仪器）的TDA4、寒武纪

lei7143·2024-01-11 23:55

大创项目推荐深度学习机器视觉车道线识别与检测 -自动驾驶

文章目录1前言2先上成果3车道线4问题抽象(建立模型)5帧掩码(FrameMask)6车道检测的图像预处理7图像阈值化8霍夫线变换9实现车道检测9.1帧掩码创建9.2图像预处理9.2.1图像阈值化9.2.2霍夫线变换最后1前言优质竞赛项目系列，今天要分享的是机器视觉深度学习车道线检测-opencv该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！学长这里给一个题目综合评分(每项满分5分)难度系数

laafeer·2024-01-11 21:37

Python点云处理（二十一）基于Gradient Boosting的点云分类算法

点云分类在自动驾驶、机器人导航、虚拟现实等领域具有广泛的应用，为实现对环境的理解和感知提供了基础。点

Auto工程师·2024-01-11 19:48

Python之递归函数的理解,搞不清楚你打我！

写在前面：本人算法小白，出生车辆工程，本科偏机械，硕士入了自动驾驶的坑，对于算法总是停留在一知半解的层次，最近在刷LeetCode，递归函数一直是自己的短板，对于其的理解如下，希望可以帮助到大家。

Way_X·2024-01-11 17:55

学习笔记之——3D Gaussian Splatting源码解读

之前博客对3DGS进行了学习与调研学习笔记之——3DGaussianSplatting及其在SLAM与自动驾驶上的应用调研-CSDN博客文章浏览阅读450次。

gwpscut·2024-01-11 15:53

自动驾驶企业为何内斗不断？

https://www.toutiao.com/a6681926324405142028/本文为燃财经（ID:rancaijing）原创作者/蔡浩爽编辑/阿伦以节气作比，如果说2016年是中国自动驾驶的

城市中迷途小书童·2024-01-11 12:57

自动驾驶中的坐标系变换

https://mp.weixin.qq.com/s/tTRCjZBRZcnb59nX3FRR8whttps://zhuanlan.zhihu.com/p/597554089各种坐标系https://developer.baidu.com/article/detail.html?id=290582

yang_daxia·2024-01-11 10:54

黑芝麻智能亮相CES 2024，智能驾驶产业“芯”势能席卷全球

智能汽车计算芯片引领者黑芝麻智能，携旗下车规级高性能自动驾驶芯片华山系列A1000量产生态、智能汽车跨域计算芯片武当系列C1200家族和智能汽车跨域融合商业化范式，完善成熟的工具链算法和软件案例，以及丰富生态合作案例亮相盛会

高工智能汽车·2024-01-11 10:09

抢跑“自动驾驶第一股”背后：大规模商业化才是“王道”

去年以来，自动驾驶领域相关初创公司开始扎堆谋求上市。

高工智能汽车·2024-01-11 10:39

端到端自动驾驶

自动驾驶主要流程：感知->预测->规划预测是预测周围目标（车、行人、动物等）的轨迹，规划是规划自车的运动轨迹。

yang_daxia·2024-01-11 10:07

商用车自动驾驶跑出交付加速度

即将迈入2024年，还活着的自动驾驶玩家，身上有两个显著标签：选对了细分赛道、会玩。

高工智能汽车·2024-01-11 10:06

基于Hologres+Flink的曹操出行实时数仓建设作者：林震｜曹操出行实时计算负责人

｜曹操出行实时计算负责人曹操出行业务背景介绍曹操出行创立于2015年5月21日，是吉利控股集团布局“新能源汽车共享生态”的战略性投资业务，以“科技重塑绿色共享出行”为使命，将全球领先的互联网、车联网、自动驾驶技术以及新能源科技

阿里云大数据AI技术·2024-01-11 09:40

【论文阅读】InstructGPT: Training language models to follow instructions with human feedback

论文链接：InstructGPT关注公众号funNLPer了解更多AI算法文章目录1.摘要2.导论2.1背景2.2方法2.3发现3.方法及实验细节3.1数据集3.2模型3.3实验结果总结1.摘要把语言模型变大并不意味着会让模型更好的理解用户意图，例如大的语言模型会生成一些不真实、有害的、没有帮助的输出给用户，换句话说，这些模型并没有和用户的意图对齐（aligned）。在这篇论文中我们展示了通过使用

orangerfun·2024-01-11 06:25

大模型与自动驾驶：技术趋势还是未来必要？

在科技日新月异的今天，自动驾驶技术已经成为了汽车行业的一大热点。而在这个领域中，大模型的应用无疑是一股强大的推动力。它们以其强大的数据处理能力和精准的预测能力，为自动驾驶的发展提供了无限可能。

数智大号·2024-01-11 05:29

“猴子思维”与“”心流”

夏子/文自动驾驶的大脑我的大脑犹如“”自动驾驶的汽车”，每天被各种各样的想法和杂念装满，自己根本无能为力，无论做什么事，想拥有专注力根本就是奢望。“活在当下”，这就是我最大的愿望。

夏子520·2024-01-11 05:50

论文阅读《Generalizing Face Forgery Detection with High-frequency Features》

高频噪声分析会过滤掉图像的颜色内容信息。本文设计了三个模块来充分利用高频特征，1.多尺度高频特征提取模块2.双跨模态注意模块3.残差引导空间注意模块（也在一定程度上体现了两个模态的交互）SRM是用于过滤图像的高频噪声输入的图像X，共两个分支，一部分是用于输入到SRM获得高频特征Xh，一部分是RGB流，RGB的分支同样也会输入到SRM进行提取高频特征，其结果与已经输入SRM中的结果进行相加得到最后的

一只发呆的猪·2024-01-11 04:51

太阳系舰队5：浪客文明：第二十三章：告别浪客

随后，他将飞船的曲速引擎关闭，把飞船设定为自动驾驶，至于航线，关豪设定了一条很长的直

银天星风·2024-01-11 04:24

百度Apollo开放平台基于二次优化的最优车辆路径规划

论文题目：OptimalVehiclePathPlanningUsingQuadraticOptimizationforBaiduApolloOpenPlatform摘要路径规划是自动驾驶运动规划的关键组成部分

Big David·2024-01-11 00:56

人工智能ai在第四次工业革命中起到的作用

AI在许多领域具有广泛的应用潜力，包括自动驾驶、机器人技术、智能制造、医疗保健和能源等。

mailang7788·2024-01-10 21:28

哪种框架适合使用汽车4D成像雷达进行自动驾驶的在线3D多目标跟踪？

原文链接：https://arxiv.org/pdf/2309.06036.pdf摘要：由于高级驾驶员辅助系统（ADAS）和自动驾驶（AD）对三维感知的需求不断扩大，在线3D多目标跟踪（MOT）最近受到了极大的研究兴趣

AYu~·2024-01-10 20:36

周六 2020-01-11 09:00 - 24:30 多云 02h00m

二〇二〇年一月十一日基本科研[1]:1.论文阅读论文--二小时2.论文实现实验--小时3.数学SINS推导回顾--O分4.科研参考书【】1)的《》看0/0页-5.科研文档1)组织工作[1]:例会--英语能力

么得感情的日更机器·2024-01-10 20:37

socket can 的配置

起因：拿到一套阿波罗自动驾驶的硬件．其中包括一台NVIDIAJETSONTX2和一张CAN卡，型号为SN65HVD230CANBoard.这个型号和apollo在github上说明的CAN卡型号CAN-PCIe

tianyingang·2024-01-10 17:34

用BEVformer来卷自动驾驶-3

书接前文前文链接：用BEVformer来卷自动驾驶-2(qq.com)上文书基本把BEV的概念捋清楚了，也对标准BEV可能存在的计算和显存的压力做了一番分析这篇就是介绍BEVformer是个啥先给个定义

周博洋K·2024-01-10 17:17

使用 Open3D 的 3D LiDAR 可视化：用于自动驾驶的 2D KITTI 深度框架-含数据集+源码

这项技术尤其彻底改变了地球观测、环境监测、侦察以及现在的自动驾驶领域。它提供准确和详细数据的能力有助于增进我们对环境和自然资源的理解和管理。

TD程序员·2024-01-10 17:46

论文阅读：Language Models are Few-Shot Learners（巨无霸OpenAI GPT3 2020）

原文连接论文阅读：LanguageModelsareFew-ShotLearners（巨无霸OpenAIGPT32020）-知乎目录收起摘要1介绍2方法2.1模型和架构2.2训练数据集2.3训练流程2.4

baidu_huihui·2024-01-10 13:23

【LLM 论文阅读】NEFTU N E: LLM微调的免费午餐

指令微调的局限性指令微调对于训练llm的能力至关重要，而模型的有用性在很大程度上取决于我们从小指令数据集中获得最大信息的能力。在本文中，我们提出在微调正向传递的过程中，在训练数据的嵌入向量中添加随机噪声，论文实验显示这个简单的技巧可以提高指令微调的效果，通常有很大的优势，而不需要额外的计算或数据开销。NEFTune虽然简单，但对下游的会话质量有很大的影响。当像LLaMA-2-7B这样的原始LLM被

致Great·2024-01-10 09:16

论文阅读1---OpenCalib论文阅读之factory calibration模块

前言该论文的标定间比较高端，一旦四轮定位后，可确定标定板与车辆姿态。以下为本人理解，仅供参考。工厂标定，可理解为车辆相关的标定，不涉及传感器间标定该标定工具不依赖opencv；产线长度一般2.5米FactoryCalibrationTools：四轮定位+多位姿标定板1、CalibrationBoardSetupTools1）根据传感器安装位姿，生成标定板放置范围2）检测当前环境标定板姿态是否合适2

鸿_H·2024-01-10 09:44

论文阅读：Making Large Language Models A Better Foundation For Dense Retrieval

论文链接Abstract密集检索需要学习区分性文本嵌入来表示查询和文档之间的语义关系。考虑到大型语言模型在语义理解方面的强大能力，它可能受益于大型语言模型的使用。然而，LLM是由文本生成任务预先训练的，其工作模式与将文本表示为嵌入完全不同。因此，必须研究如何正确地调整LLM，以便它们能够有效地初始化为密集检索的骨干编码器。在本文中，我们提出了一种新的方法，称为LLaRA（适用于密集检索的LLM），

comli_cn·2024-01-10 09:08

DUET: Cross-Modal Semantic Grounding for Contrastive Zero-Shot Learning论文阅读

文章目录摘要1.问题的提出引出当前研究的不足与问题属性不平衡问题属性共现问题解决方案2.数据集和模型构建数据集传统的零样本学习范式v.s.DUET学习范式DUET模型总览属性级别对比学习==正负样本解释：==3.结果分析VIT-basedvisiontransformerencoder.消融研究消融研究解释4.结论与启示结论总结启发PLMs的潜在语义知识引入多模态，跨模态整合细粒度角度考虑原文链接

GCTTTTTT·2024-01-10 09:37

MulticoreWare与Imagination一同按下汽车计算工作负载的“加速键”

2024年1月8日-MulticoreWareInc与ImaginationTechnologies共同宣布已在德州仪器TDA4VM处理器上实现了GPU计算，不仅使算力提升了约50GFLOPS，而且还实现了自动驾驶和高级驾驶辅助系统

Imagination官方博客·2024-01-10 08:58

推荐频道

自动驾驶论文阅读