您的位置:首页 > 新闻 > 新闻列表 > 数字图书馆

CCF数图充电行动:自动驾驶

阅读量:24 2020-02-20 收藏本文
微信图片_20200220092017



在当前疫情严重的情况下,为了减少人与人之间的接触,国家倡导普通人尽量不出门。但仍有大批社会工作者,如医护人员、公交和货运司机、物流配送人员、志愿者等,他们马不停滴穿梭来往于路途之上,承担各种运送任务,保障着社会的正常运转。感动之余,我们不禁思考,如果自动驾驶等相关技术再成熟一些,是否能代替他们负重前行?


微信图片_20200220092037



在抗疫前线,我们已经看到一些自动驾驶技术的落地应用,比如无人快递车、无人送餐机器人等。2月6日,一辆京东智能无人配送车从配送站出发,顺利将医疗物资送到了武汉第九医院,全程无人跟随,这说明自动驾驶已经可以投入实际使用了。自动驾驶出租车能够低成本提供全天候的城市交通服务,并减少人力成本和接触风险;而自动驾驶卡车可实现24小时连续工作,大大缓解长途物资运输压力。自动驾驶科技无疑正成为新的风口,蕴含价值无限挖掘的可能。

 

微信图片_20200220092040




今天我们推荐学习的三个专业报告都是关于自动驾驶技术的,马上来CCF数图开启学习之旅吧!


推荐一:CCCF《自动驾驶简介和社会影响》


作者:阿伊达·杰奎因·阿科斯塔(Aida Joaquin Acosta)哈佛大学伯克曼克莱因中心高级公共官员和研究员。长按下方二维码马上阅读报告。

自动驾驶技术会给我们的生活带来极大的便利,给社会带来新的机遇,但作者在报告中也提醒我们,自动驾驶将会对我们的社会规范提出新的挑战。

微信图片_20200220092043



推荐二:视频报告《强化学习技术进展及其自动驾驶汽车的应用》


作者:李升波博士 清华大学车辆学院长聘副教授,博导。长按下方二维码马上观看视频。

强化学习是一种动态系统的优化决策理论,它通过智能体在环境中试错获取经验,不断改进策略直到收敛至最优解,尤其适用于具有高维状态的大规模问题,已被用于AlphaGo,取得超越人类的成绩。本报告回顾强化学习的发展历史、主流技术以及自动驾驶汽车的应用挑战,探讨直接法和间接法两类算法的原理,同时分析强化学习算法存在诸多应用挑战。自动驾驶汽车是使用强化学习技术的重要应用场景,其道路场景建模、虚拟平台开发、并行训练加速、模型不确定性等问题也是本报告探索的重点。

微信图片_20200220092048




推荐三:视频报告《无人驾驶汽车中的前方车辆变道预测》


作者:吕强博士 长按下方二维码马上浏览视频报告。

强化学习(RL)作为机器学习的一个子领域,其灵感来源于心理学中的行为主义理论,即智能体如何在环境给予的奖励或惩罚的刺激下,逐步形成对刺激的预期,产生能获得最大利益的习惯性行为。本报告介绍了一种基于LSTM模型的前方车辆变道预测算法,并以此作为强化学习框架中计算奖励环节的核心算法。从实验结果来看,该算法在carmaker仿真器和实际车辆上均取得了良好的效果,相比于基于规则的前方车辆变道判断算法能提前1-2秒判断出其是否变道,使得自动驾驶可以提供更加舒适的减速和更加安全的提前急刹车。

微信图片_20200220092052



更多关于自动驾驶的精彩报告,请点击左下方“阅读原文”进入CCF数图进行相关搜索。


让你的思想和行动同时上线,每天通过CCF数图持续提升自己的专业水准,马上行动!


汇聚CCF独家原创专业资源,马上登录,找到更多你想要的吧!


微信图片_20200220092055

CCF数字图书馆https://dl.ccf.org.cn,6.8万+计算领域人士的专业智库。硬核收录国内外千人以上知名学者专家的报告讲稿及视频、近两万篇会议文集、十余种权威专业期刊、超过34个国内外会议的文献资料、大量CCF活动会议独家原创数字资源尽纳馆藏!第一时间入手独家珍贵资料,随时更新,源源不断!


了解学科热点、提高理论水平、掌握最新技术趋势,

CCF数图对会员免费全部开放,

马上加入CCF,畅享会员专业特权!


微信图片_20200220092057

二维码需点击放大图片后识别