一、研究背景： 现代自动驾驶系统包含多个顺序执行的任务，即感知、预测及规划。随着传感器和硬件的进步，设计一种可以执行各种任务的智能系统成为一种趋势。之前的设计方案可概括为两类：1）为每个任务部署独立的模型；2）组建包含多个独立任务头的多任务学习模型。然而，这些方法都可能会受到累积误差以及在下游规划上较差的迁移效果的影响。近期，arXiv 中收录了上海人工智能实验室OpenDriveLab团队联合武
# 图神经网络在自动驾驶决策中的应用
## 引言
随着人工智能技术的快速发展，自动驾驶技术逐渐成为现实。自动驾驶系统需要从感知到决策再到执行的完整流程，其中决策是整个系统的关键环节。图神经网络作为一种新兴的深度学习方法，被广泛应用于自动驾驶决策中。本文将介绍图神经网络在自动驾驶中的应用，并给出代码示例。
## 图神经网络简介
图神经网络（Graph Neural Network，简称GNN）是
原创
2023-10-07 11:38:32
45阅读
自动驾驶架构本文整理自公众号九章智驾文章2万字长文说清自动驾驶功能架构的演进架构物理(电气)架构: 体现整车电子电气的布置关系与连接关系, 主要工作为电气原理图设计, 电源分配设计, 搭铁分配设计, 二维线束走向&三维布置设计
功能(逻辑)架构: 功能实现所需完整电器要素与逻辑关系(传感器-控制器-执行器), 主要工作为功能定义规范, 故障后处理策略系统架构: 体现ECU内部元器件逻
转载
2023-11-08 21:29:24
158阅读
百度图神经网络学习地址：https://aistudio.baidu.com/aistudio/education/group/info/1956PGL算法地址：https://github.com/PaddlePaddle/PGL一、图学习应用有哪些：二、图游走类型模型有哪些1、Deepwalk 采样对于给定的节点，DeepWalk会等概率的选取下一个相邻节点加入路径，直至达到最大路径长度，或者
没错！这个是我的毕业设计！！！ 整个电子信息学院唯一一个优秀毕业设计 拿到这里炫耀了 实物如下： 电脑端显示效果： 自动驾驶实现过程： 1． 收集图像数据。建立局域网，让主机和Raspberry Pi在同一局域网下，建立Socket套接字进行数据交换，Raspberry Pi把摄像头采集到的视频帧流
原创
2021-08-25 13:47:07
902阅读
”近年来，深度学习领域关于图神经网络（Graph Neural Networks，GNN）的研究热情日益高涨，图神经网络已经成为各大深度学习顶会的研究热点。GNN处理非结构化数据时的出色能力使其在网络数据分析、推荐系统、物理建模、自然语言处理和图上的组合优化问题方面都取得了新的突破。下面简单介绍一下2022年最新的研究综述，这些也是最近的研究趋势，希望对大家的研究有所帮助。第一篇是双曲图神经网络第
转载
2023-09-15 22:58:54
111阅读
现 代 控 制 理 论学习前言一、前馈控制与反馈控制1.状态反馈控制2.输出反馈控制3.输出跟踪控制4.极点配置法二、观测器隆伯格观测器基于观测器的状态反馈控制 前言该文章为汽车学堂 -----自 动 驾 驶 决 策 与 控 制 算 法-----学习笔记一、前馈控制与反馈控制前 馈 控 制反 馈 控 制前馈控制对于干扰的克服要比反馈控制及时 超前调节，可实现系统输出的不变性（但存在可实现问题）按
神经网络（Neural Network）又称为人工神经网络（Artificial Neural Network，即 ANN）。他模仿人类大脑的生物神经元信号传递的方式，通过计算机程序反映人类大脑的行为，解决人工智能、机器学习与深度学习等领域的问题。神经网络的类型
神经网络可根据不同的目的分为不同的类型，其中常见的神经网络类型包括：感知器、前馈神经网络或多层感知器 (Multilayer Perce
原创
精选
2022-05-29 16:56:13
328阅读
1. 项目介绍城市景观数据集：这个数据集包含高分辨率的城市场景图像，专门用于城市场景语义理解任务。该数据集包含 30 类对象（行人、汽车、公共汽车、自行车等）的 5,000 幅图像，并带有精细注释。在这个项目中，我们要使用RNN也就是循环神经网络来对2d图像进行分割。而我为什么要采用这个方法来做呢，因为之前学的模型基本上都是卷积神经网络来做图像分割，我现在想在这个数据集上尝试一下对于citysca
原创
2023-09-03 10:51:28
117阅读
本篇博客开启了一个新的系列——自动驾驶决策规划算法。文章首先介绍了自动驾驶的六个级别划分，并解释了级别划分的依据
在一套完整的自动驾驶系统中，如果将感知模块比作人的眼睛和耳朵，那么决策规划就是自动驾驶的大脑。大脑在接收到传感器的各种感知信息之后，对当前环境作出分析，然后对底层控制模块下达指令，这一过程就是决策规划模块的主要任务。同时，决策规划模块可以处理多么复杂的场景，也是衡量和评价自动驾驶能力最核心的指标之一。下图第一行功能模块便是自动驾驶中决策与规控部分。车辆的决策以横纵向驾驶行为可分为:驾驶行为推理问题
原创
2021-10-13 17:43:09
1289阅读
教程：http://bit.baidu.com/Course/detail/id/273.html 老师：David Zhou，百度Apollo平台产品负责人关于apollo本节主要介绍了apollo的一个概述。整体框架apollo主要分为4层。 最底层是Reference vehicle platform，是车载验证平台，主要就是线控车的一套结构； 上一层是Reference hardware
转载
2023-09-05 19:59:55
294阅读
Lyft目标是研究出一个开放型的自动驾驶平台。
最近有外媒报道称，作为仅次于Uber的美国第二大共享出行公司Lyft，对外宣布正式设立自动驾驶研发部门。据悉，该部门的办公地点在加州帕罗奥多市的一家工厂处，Lyft租下了面积为5万平方英尺的场地，用于设立实验室和公开测试场地。
在这个名为“Level 5”的办公楼内，Lyft将致力于研发出
如何构建一辆无人驾驶车呢？先从无人驾驶车的硬件开始介绍。1 简介无人驾驶车由车、线控系统、传感器、计算单元等组成，如图2.1所示。车作为无人驾驶的载体，是无人驾驶车最基础的组成部分。除了车本身之外，还需要车上安装有线控系统。有别于传统汽车通过机械传动的方式控制汽车，线控系统通过电信号来控制汽车，这种方式显然更适合电脑控制。无人驾驶车还配备了数目众多的传感器，包括激光雷达、摄像机、毫米波雷达、超声波
转载
2023-11-08 14:04:43
44阅读
在2019年的上海车展上，华为首次公开宣布进入汽车领域。时隔一年多，在2020北京车展上我们将再次看到华为的身影。这一次，人们的疑问不再是“华为要干嘛”，而是变成了“华为干得怎么样了”。华为也用丰硕的成果给出了答案：神秘的鸿蒙车机OS正式发布，将让车机拥有和手机一致的用户体验；MDC智能驾驶平台不断进化，可以实现车辆在市区自动行驶1000km无需人工接管；智能车云服务升级到了2.0版，可以提供高精
谈起车圈，也就不得不提自动驾驶了。不管是BBA这种给人以德国机械精密感的老牌霸主，还是特斯拉这种科技后起之秀，甚至是苹果、Google这样的硅谷巨头，都在自动驾驶领域频频发力，以求开启汽车驾驶新时代。反观市面的家用车，自动泊车算是普及到了家用领域，自动驾驶技术更多的事土豪们的专利，不过不久之后，你可能不再需要仰仗汽车厂商来提供自动驾驶能力了。昨天荣耀手机联合极果网，共同举办了一次让Magic 2赋
转载
2023-09-08 17:11:57
209阅读
文章目录神经决策树(总述)前言：为什么要结合神经网络与决策树？一、神经决策树是什么？1.合作派2.被激励的神经网络3.神经决策树二、神经决策树的分类三、神经决策树通用的组成和推理模式1.通用框架组成2.通用推理机制四、一般的训练流程总结和传送门 前言：为什么要结合神经网络与决策树？神经网络和决策树都是流行的机器学习模型，而且分别是连接主义和符号主义的出色代表，但它们有着很大程度上相互排斥的优势和局
转载
2023-10-11 05:55:06
138阅读
开发者工具知识站帮助开发者更加高效的工作，提供围绕开发者全生命周期的工具与资源https://developer.aliyun.com/tool?spm=a1z389.11499242.0.0.65452413shiknb&utm_content=g_1000283979概述首先自动驾驶技术从业务流程上分为3个核心的流程，分别是环境感知定位、决策规划、执行控制。这3个核心流程的具体价值如下
转载
2023-09-18 14:56:58
0阅读
一、安装环境gym是用于开发和比较强化学习算法的工具包，在python中安装gym库和其中子场景都较为简便。安装gym：pip install gym安装自动驾驶模块，这里使用Edouard Leurent发布在github上的包highway-env（链接：https://github.com/eleurent/highway-env）：pip install --user git+https:
转载
2023-08-14 12:52:29
181阅读
点赞
前言：自动驾驶技术是一个庞大的工程体系，软件架构、功能算法、控制规划、感知识别、建图定位、电气架构、车载控制器、验证体系等等，有太多的角度可以去切入。对于自动驾驶功能与算法开发，自动驾驶功能的分级是很重要的，自动驾驶的功能衍变就是随着自动驾驶功能的分级推进而不断发展。而随着自动驾驶等级的不断提高，对应的功能使用场景以及软件架构也发生相应的调整。想系统学习自动驾驶算法的小伙伴，可以关注订阅以下专栏：
