西門子系統集商-上海煥拓自動控制有限公司

深爱激情网內容

當前位置:西門子PLC > 深爱激情网內容 > 心大!司機睡著了,特斯拉自動駕駛狂奔50公裏! > 正文

心大!司機睡著了,特斯拉自動駕駛狂奔50公裏!

西门子深爱激情网內容   查阅次数:2308   更新时间: 2019-06-16 10:56

据外媒报道,6月13日,在洛杉矶繁忙的405高速上,一辆高速行驶的特斯拉Model 3,司机竟然睡着了,车就这样在自动驾驶的情况下,行驶了至少30英里。

隨後,旁邊的司機報警。不過直到特斯拉駛出405高速,警察也沒有趕到,于是拍了視頻發在社交媒體上,引發網友關注。

前不久,特斯拉向中國車主推送了自動輔助導航駕駛功能,該功能可使車輛基于導航路線,在高速上完成自動變道超車、駛入和駛出匝道等功能。

自动辅助导航驾驶功能,英文名为Navigate on Autopilot,简称NoA。该功能可在驾驶员的监控下自主完成变道超车、自动驶入/驶出匝道等操作。

值得一提的是,自動輔助導航駕駛功能是特斯拉FSD裏的一項功能,而FSD是特斯拉車型的選裝件,選裝價格爲5.6萬元,沒有選裝該配置的特斯拉車主目前將不能使用自動輔助導航駕駛。

在近日舉辦的特斯拉2019年度股東大會上,埃隆·馬斯克表示,該公司很快會推出單次充電續航400英裏的電動車,預計年底將達到量産水平。

此外,他還透露,2016年10月後生産的特斯拉汽車可以實現單獨將NVIDIA系統更換爲特斯拉芯片系統,從而獲得完全的自動駕駛能力,該系統比NVIDIA快21倍。

原文標題:司機睡著了,特斯拉自動駕駛狂奔50公裏!這位司機心真寬……

文章出處:歡迎添加關注!文章轉載請注明出處。

自動駕駛模擬仿真系統中的傳感器模型

攝像頭

攝像頭仿真就是生成图像,逼真的图像,通过计算机图形学对三维景物模型添加颜色与光学属性。现在流行的Unreal Engine或者Unity 3D,就是基于物理的渲染引擎,实现一些CAD模型的绘制算法,比如光线跟踪或者光线投射,来实现图像合成。一些开源的自动驾驶仿真系统比如Intel Carla和Microsoft AirSim都采用了这些渲染引擎。

有一些开源的虚拟图像库,已经在计算机视觉的研究中得到应用,比如Virtual KITTI,FCAV 和Synthia等,下面图有一些各自的图像例子。

理论上,在计算机图形学有各种光照模型和绘制模型,当年Nvidia在GpU硬件对图形学算法加速做出了重大贡献,包括著名的voxel shader和pixel shader。大家说计算机视觉是计算机图形学的逆过程,只是它和计算机图形学也可以结合,结果有两个重要输出,一个是增强现实,另一个是基于图像的绘制。

AR的思想在仿真系統也可以體現,比如在真實的街景中可以插入合成的車輛或者行人。IBR在虛擬環境生成的過程中可以通過一些拍攝的圖像生成一些背景以簡化實際渲染的計算量。更甚至,通過機器學習,比如GAN,在大量真實圖像數據的訓練情況下,和圖形學的CAD模型結合,也可以合成新場景圖像。

除了3-D幾何和物理模型之外,還需要對相機鏡頭的結構與光學特性,內部數據采集過程進行仿真,例如焦距,畸變,亮度調節,伽瑪調節,景深,白平衡,高動態範圍色調調整等。

激光雷達

介绍一篇模拟激光雷達的论文。首先,采用非常流行的游戏GTA-V,安装有虚拟激光雷達,并通过AI接口在虚拟世界中进行自动驾驶。系统同时收集激光雷達点云并捕捉游戏图像。在虚拟环境中,虚拟攝像頭和虚拟激光雷達放在同一个位置。这样做有两个优点:

可以輕松地對收集的數據進行健全性檢查,因爲點雲和相應的圖像必須保持一致;

游戏的虚拟攝像頭和虚拟激光雷達之间的标定可以自动完成,然后收集的点云和场景图像可以组合在一起作为传感器融合任务的神经网络训练数据集。

光线投射用于模拟虚拟激光雷達发射的每个激光射线。光线投射将光线起点和终点的3D坐标作为输入,并返回该光线命中的第一个点3D坐标,该点将用于计算点的距离。激光雷達参数包括垂直视场,垂直分辨率,水平视场,水平分辨率,俯仰角,激光射线的最大范围和扫描频率。

如下图显示了一些可配置的参数:虚拟激光雷達前向图的正视图:黑色虚线是水平线,α是垂直视场,θ是垂直分辨率,σ是俯仰角; 表示虚拟激光雷達的俯视图,β是水平FOV,φ是水平分辨率。

该系统实现3-D激光雷達点云和攝像頭图像的自动校准,而且用户可以选择所需的游戏场景,并指定和改变游戏场景的8个维度:汽车模型,位置,方向,数量,背景,颜色,天气和时间。前5个维度同时影响激光雷達点云和游戏图像,而后3个维度仅影响游戏图像。

毫米波雷達

介紹一篇基于機器學習模擬雷達的論文工作。由于多徑反射,幹涉,反射表面,離散單元和衰減等影響,雷達建模不簡單。詳細基于物理原理的雷達模擬是有的,但對實際場景而言計算量難以承受。

一種構建概率隨機汽車雷達模型的方法基于深度學習和GAN,産生的模型體現了基本的雷達效應,同時保持實時計算的速度。采用深度神經網絡作爲雷達模型,從數據中學習端到端的條件概率分布。網絡的輸入是空間柵格和對象列表,輸出是讀取的傳感器數據。

如上圖是在深度學習框架下模擬雷達數據的表示。空間柵格是具有兩個主要尺寸,即距離和方位角的的3D張量,第3維度是由不同類型的信息層組成。這個類似于RGB圖像,其像素信息存儲在空間維度和顔色通道中。那麽,這種空間柵格同樣適合CNN模型。

提供兩個直接參數化概率分布的基准雷達模型:正態分布和高斯混合模型。多變量正態分布通常用于機器學習,因爲它具有良好的數學性能。不過,正態分布是單峰的。而且正態分布的參數與目標變量的維數呈二次方增長。這裏CNN模型的輸出是具有兩層的張量網格:一個平均值,一個對角對數方差。

隨機雷達模型的一個重要挑戰是,傳感器輸出是多模態和空間相關的。回歸方法將平滑可能的解決方案,導致模糊的預測。而變分自動編碼器允許學習一對多概率分布而無需明確輸出哪個分布。

該模型的架構是一個編碼器-解碼器網絡。

編碼器獲取光柵和對象列表並産生潛在的特征表示x,解碼器采用特征表示和隨機生成的噪聲值並産生預測的傳感器測量值。編碼器由兩分支組成,即一個空間光柵和一個對象列表,這些分支合並在一起産生潛在的特征表示。兩個分支完全由卷積層組成。輸出被扁平化級聯在一起,然後使用有ReLU的全連接層處理。

解码器使用编码特征和随机噪声生成功率值的雷达极坐标网格。 在VAE重新参数化时候,随机噪声加入输入信号。使用ReLU激活的全连接层连接和处理噪声和潜在特征,然后重新整形和一系列反卷积层处理,产生输出雷达信号。

其他傳感器

其他傳感器,如GpS,IMU,超声波雷达和V2X传感器,也可以模拟仿真其数据。

GpS模擬GpS位置以及GpS噪聲模型參數,輸出車的經緯度,速度,航向等。

IMU模擬車的加速度和角速度,特別是GpS信號丟失時車的位置,速度、和航向的累積誤差。

超聲波雷達模擬超聲波雷達位置,角度和障礙物的距離。

V2X模擬動態交通流設備數據,甚至要反映通信延時或丟包的情況。

原文标题:自動駕駛模擬仿真系統中的傳感器模型

文章出處:歡迎添加關注!文章轉載請注明出處。

內存條常見故障

內存條常見故障

1、內存條過熱導致死機

電腦在正常運行的時候突然出現“內存不可讀”接著出現一串英文數字,這就是內存條過熱導致的,一般都是因爲天氣太熱造成了系統的工作不穩定。

2、電腦無法正常啓動

一种情况时打开电脑主机的时候出现长时间的鸣叫;还有一种情况就是可以打开主机电脑但是无法进行操作,屏幕出现“Error:Unable to ControlA20 Line”的错误信息后出现死机的情况。

3、電腦經常性的進入安全模式

由于主板和內存條的不兼容會導致電腦經常性的進入安全模式,影響操作。

4、內存條接觸不良導致開機無顯示

有的時候打開電腦顯示器無顯示內容,會聽見蜂鳴聲。

5、隨機性的死機

采用不同芯片的內存條,各內存條的速度不一樣,産生了一個時間差導致了電腦的隨機性死機。

如何避免聊天機器人的5個錯誤策略

预计到2025年将有12.5亿美元用于聊天机器人的开发,业务假设和客户需求的错位可能会导致代价高昂的错误。根据软件开发公司RubyGarage的说法,从头开始开发一个机器人需要6,000到12,240美元。当然,根据市场调研机构Juniper Research的数据,去年同样的技术已为企业节省了2000万美元。但是,要看到这些节省的资金,或所带来的任何其他好处都需要进行正确的培训和实施。

聊天機器人正迅速成爲客戶和最終用戶溝通的通用解決方案。但許多聊天機器人策略都沒有達到其目的。

你在開發的聊天機器人是正確的嗎?來自軟件公司pegasystems的最新數據顯示,人們並不總是按照企業的思維方式來使用聊天機器人。以問答功能爲例,這是很多聊天機器人具有的一個功能,但調查顯示只有不到一半的消費者需要該功能。

预计到2025年将有12.5亿美元用于聊天机器人的开发,业务假设和客户需求的错位可能会导致代价高昂的错误。根据软件开发公司RubyGarage的说法,从头开始开发一个机器人需要6,000到12,240美元。当然,根据市场调研机构Juniper Research的数据,去年同样的技术已为企业节省了2000万美元。但是,要看到这些节省的资金,或所带来的任何其他好处都需要进行正确的培训和实施。

你在開發的機器人是正確的嗎?來自軟件公司pegasystems的最新數據顯示,人們並不總是按照企業的思維方式來使用聊天機器人。以問答功能爲例,這是很多聊天機器人具有的一個功能,但調查顯示只有不到一半的消費者需要該功能。

预计到2025年将有12.5亿美元用于聊天机器人的开发,业务假设和客户需求的错位可能会导致代价高昂的错误。根据软件开发公司RubyGarage的说法,从头开始开发一个机器人需要6,000到12,240美元。当然,根据市场调研机构Juniper Research的数据,去年同样的技术已为企业节省了2000万美元。但是,要看到这些节省的资金,或所带来的任何其他好处都需要进行正确的培训和实施。

是的,訓練聊天機器人以滿足多種需求,這意味著需要做更多的前期工作。在威瑞森公司,這意味著教會“設備”這個詞在每個實例中的不同含義,但是梅說道,這樣做是值得的:“集成程度更高的系統將表現的更好。”

忘記對人員的培訓

太过于训练聊天机器人,以至于企业可能会忘记人类用户需要进行自我培训。事实上,pegasystems公司的报告显示,43%尚未使用过机器人的用户根本不知道如何使用机器人。受访者并非是技术新手,其中65%的受访者经常发短信息,61%的受访者使用Facebook Messenger。数据表明他们还没有接触过聊天机器人,也没有获得任何使用指导。

但梅表示,即使是熟悉聊天机器人的用户也可能需要被提醒,你面对的是机器人。他所在公司机器人会回答一些重复性的人力资源问题,比如我还有多少假期。“如果你每年只与HR进行几次接触,那么你就会忘记你面对的是机器人,”他说,“机器人必须首先成为你的一切,然后你才可以去面对它提出人力资源问题”-- 加强进行多个实例的案例训练。

誤解了真正人員的價值

市场研究公司Grand View Research的报告称,45%的聊天机器人用户更喜欢将该技术作为客户服务沟通的主要方式。不幸的是,这意味着超过一半的用户仍然需要与人类员工进行交流。pegasystems公司的数据还显示出绝大多数人的偏好,其指出60%的用户“在线与某一品牌进行交流时更愿意与人沟通。”

然而,這並不意味著聊天機器人應該假裝是人。雖然給機器人起一個像波莉或艾米麗這些人類的名字很時髦,但庫馬爾說,“我絕不建議機器人......假裝它是人類。”數據也給出類似的結論:在pegasystems公司尚未使用機器人的群體中僅有36%的人說,他們更喜歡人類說話。27%的人則稱,機器人像人一樣說話會“令人毛骨悚然”。

找到一种方法,既能最大限度地提高技术效率,又能让人参与其中。 7.ai公司的企业传播副总裁伊恩?贝恩建议,让真人来复审聊天机器人的谈话,寻找需改进的方面。虽然这是所有机器学习的标准训练步骤,但贝恩还建议实施“机器人与人类的接力”,即“只有在机器人遇到麻烦时,人类才会参与。”这种切换工作可以有两种方式:第一,在线客户可以要求聊天机器人将她与真人连接进行交流。“当机器人无法回答某一问题时,或者当客户感到沮丧时,它可以自我识别,然后机器人将客户连接到客服人员,”贝恩说。

未注意你的語氣

成長型公司Doogheno的主管丹?史密斯說,除了明確你的機器人是機器人之外,還不要忘記語氣。“語氣決定一切,”他說道,一般的企業溝通往往會是正式的、非正式的、隨意的或是專業的。

“對于聊天機器人,”他解釋說,“這是一個挑戰。人們普遍認爲聊天機器人的語氣應該像和朋友聊天一樣,但爲什麽呢?如果你打深爱激情网給客服進行投訴,他們會自動稱呼你的名字並加上‘口頭表情符號’,你會認爲他們沒有認真對待你的投訴問題。”史密斯補充說,特別是,如果你是“一位55歲的人,正在對寶馬汽車尋找保修服務。”同樣地,對于一個出售披薩的聊天機器人打深爱激情网稱呼某人爲某某先生,讓他去收貨,這是不合時宜的。

作爲一種解決方案,史密斯建議監測客戶的語言,以獲取一組觸發詞,然後通過這些詞來告訴機器人使用哪種語氣,同時部署更廣泛的情緒分析。