0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

特斯拉專利從龐大車隊中獲取數(shù)據(jù)訓(xùn)練自動駕駛神經(jīng)網(wǎng)絡(luò)

汽車玩家 ? 來源:TechWeb ? 作者:小狐貍 ? 2020-03-24 13:42 ? 次閱讀

TechWeb】3月24日消息,據(jù)國外媒體報道,電動汽車制造商特斯拉申請了一項專利,該專利涉及如何從其龐大的客戶車隊中獲取訓(xùn)練數(shù)據(jù),以訓(xùn)練其自動駕駛神經(jīng)網(wǎng)絡(luò)

特斯拉人工智能AI)和自動駕駛軟件負(fù)責(zé)人安德烈·卡帕西(Andrej Karpathy)被指定為這項專利申請的唯一發(fā)明人。

特斯拉開發(fā)自動駕駛系統(tǒng)的方式與大多數(shù)其他公司大相徑庭。大多數(shù)其他公司是利用相對較少的測試車隊來收集數(shù)據(jù),并測試其系統(tǒng),而特斯拉則是利用其數(shù)十萬輛配備了一系列傳感器的客戶汽車來收集道路和駕駛數(shù)據(jù),并在“影子模式”下測試其自動駕駛系統(tǒng)。

上周,自動駕駛市場研究機構(gòu)Navigant Research發(fā)布了自動駕駛技術(shù)發(fā)展年度排行榜。該排行榜顯示,特斯拉在自動駕駛策略方面落后于谷歌母公司Alphabet旗下的自動駕駛部門Waymo、通用汽車旗下的自動駕駛子公司Cruise等公司。

該機構(gòu)根據(jù)生產(chǎn)戰(zhàn)略、營銷、能力、持久力和可靠性等多種因素,對近24家開發(fā)自動駕駛汽車硬件和軟件的公司進(jìn)行了排名。

Navigant Research將特斯拉放在了倒數(shù)第2個類別“挑戰(zhàn)者”中。該機構(gòu)表示,特斯拉繼續(xù)做出高調(diào)承諾,包括在2020年底前讓100萬輛具備自動駕駛能力的汽車上路。然而,其系統(tǒng)性能仍然不一致,其產(chǎn)品與提議的自動駕駛業(yè)務(wù)模式也不匹配。

特斯拉的高級駕駛輔助系統(tǒng)Autopilot一直以來都很引人注目,但也引起了不少的爭議。此前,特斯拉汽車在Autopilot開啟狀態(tài)下發(fā)生過多起撞車事故。

特斯拉曾表示,它的Autopilot系統(tǒng)只是部分實現(xiàn)了自動化,比如,使汽車保持在車道上,與前方車輛保持安全距離。這只是為了輔助司機,司機必須隨時準(zhǔn)備干預(yù)。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 電動汽車
    +關(guān)注

    關(guān)注

    155

    文章

    11691

    瀏覽量

    227904
  • 特斯拉
    +關(guān)注

    關(guān)注

    66

    文章

    6214

    瀏覽量

    126193
  • 自動駕駛
    +關(guān)注

    關(guān)注

    781

    文章

    13449

    瀏覽量

    165264
收藏 人收藏

    評論

    相關(guān)推薦

    FPGA在自動駕駛領(lǐng)域有哪些應(yīng)用?

    是FPGA在自動駕駛領(lǐng)域的主要應(yīng)用: 一、感知算法加速 圖像處理:自動駕駛需要通過攝像頭獲取并識別道路信息和行駛環(huán)境,這涉及到大量的圖像處理任務(wù)。FPGA在處理圖像上的運算速度快,可
    發(fā)表于 07-29 17:09

    Python自動訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)

    人工神經(jīng)網(wǎng)絡(luò)(ANN)是機器學(xué)習(xí)中一種重要的模型,它模仿了人腦神經(jīng)元的工作方式,通過多層節(jié)點(神經(jīng)元)之間的連接和權(quán)重調(diào)整來學(xué)習(xí)和解決問題。Python由于其強大的庫支持(如TensorFlow、PyTorch等),成為了實現(xiàn)和
    的頭像 發(fā)表于 07-19 11:54 ?159次閱讀

    如何使用經(jīng)過訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型

    使用經(jīng)過訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型是一個涉及多個步驟的過程,包括數(shù)據(jù)準(zhǔn)備、模型加載、預(yù)測執(zhí)行以及后續(xù)優(yōu)化等。
    的頭像 發(fā)表于 07-12 11:43 ?461次閱讀

    脈沖神經(jīng)網(wǎng)絡(luò)怎么訓(xùn)練

    脈沖神經(jīng)網(wǎng)絡(luò)(SNN, Spiking Neural Network)的訓(xùn)練是一個復(fù)雜但充滿挑戰(zhàn)的過程,它模擬了生物神經(jīng)元通過脈沖(或稱為尖峰)進(jìn)行信息傳遞的方式。以下是對脈沖神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-12 10:13 ?289次閱讀

    BP神經(jīng)網(wǎng)絡(luò)樣本的獲取方法

    訓(xùn)練樣本是至關(guān)重要的。 數(shù)據(jù)收集 數(shù)據(jù)收集是構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型的第一步。根據(jù)研究領(lǐng)域和應(yīng)用場景的不同,數(shù)據(jù)來源可以分為以下幾種: 1.1
    的頭像 發(fā)表于 07-11 10:50 ?212次閱讀

    20個數(shù)據(jù)可以訓(xùn)練神經(jīng)網(wǎng)絡(luò)

    當(dāng)然可以,20個數(shù)據(jù)點對于訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)來說可能非常有限,但這并不意味著它們不能用于訓(xùn)練。實際上,神經(jīng)網(wǎng)絡(luò)可以
    的頭像 發(fā)表于 07-11 10:29 ?325次閱讀

    怎么對神經(jīng)網(wǎng)絡(luò)重新訓(xùn)練

    重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)是一個復(fù)雜的過程,涉及到多個步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡(luò)是一種強大的機器學(xué)習(xí)模型,廣泛應(yīng)用于圖像識別、自然語言處理、語音識別等領(lǐng)域。然而,隨著時間的推移,數(shù)據(jù)分布可
    的頭像 發(fā)表于 07-11 10:25 ?304次閱讀

    如何利用Matlab進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練

    ,使得神經(jīng)網(wǎng)絡(luò)的創(chuàng)建、訓(xùn)練和仿真變得更加便捷。本文將詳細(xì)介紹如何利用Matlab進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,包括網(wǎng)絡(luò)創(chuàng)建、
    的頭像 發(fā)表于 07-08 18:26 ?842次閱讀

    神經(jīng)網(wǎng)絡(luò)前向傳播和反向傳播在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的作用

    神經(jīng)網(wǎng)絡(luò)是一種強大的機器學(xué)習(xí)模型,它通過模擬人腦神經(jīng)元的連接方式來處理復(fù)雜的數(shù)據(jù)。神經(jīng)網(wǎng)絡(luò)的核心是前向傳播和反向傳播算法。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 11:11 ?420次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的是什么

    、訓(xùn)練過程以及應(yīng)用場景。 1. 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 卷積神經(jīng)網(wǎng)絡(luò)的定義 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋深度學(xué)習(xí)模型,其核心思想是利用卷積操作提取輸入
    的頭像 發(fā)表于 07-03 09:15 ?220次閱讀

    神經(jīng)網(wǎng)絡(luò)在圖像識別的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在圖像識別領(lǐng)域的應(yīng)用日益廣泛。神經(jīng)網(wǎng)絡(luò)以其強大的特征提取和分類能力,為圖像識別帶來了革命性的進(jìn)步。本文將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)在圖像識別的應(yīng)用案例,包括
    的頭像 發(fā)表于 07-01 14:19 ?411次閱讀

    如何訓(xùn)練和優(yōu)化神經(jīng)網(wǎng)絡(luò)

    神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的重要分支,廣泛應(yīng)用于圖像識別、自然語言處理、語音識別等多個領(lǐng)域。然而,要使神經(jīng)網(wǎng)絡(luò)在實際應(yīng)用取得良好效果,必須進(jìn)行有效的訓(xùn)練和優(yōu)化。本文將從
    的頭像 發(fā)表于 07-01 14:14 ?268次閱讀

    未來已來,多傳感器融合感知是自動駕駛破局的關(guān)鍵

    巨大的進(jìn)展;自動駕駛開始摒棄手動編碼規(guī)則和機器學(xué)習(xí)模型的方法,轉(zhuǎn)向全面采用端到端的神經(jīng)網(wǎng)絡(luò)AI系統(tǒng),它能模仿學(xué)習(xí)人類司機的駕駛,遇到場景直接輸入傳感器數(shù)據(jù),再直接輸出轉(zhuǎn)向、制動和加速信
    發(fā)表于 04-11 10:26

    Kaggle知識點:訓(xùn)練神經(jīng)網(wǎng)絡(luò)的7個技巧

    。訓(xùn)練神經(jīng)網(wǎng)絡(luò)的挑戰(zhàn)在訓(xùn)練數(shù)據(jù)集的新示例之間取得平衡。七個具體的技巧,可幫助您更快地訓(xùn)練出更好的神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 12-30 08:27 ?544次閱讀
    Kaggle知識點:<b class='flag-5'>訓(xùn)練</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的7個技巧

    如何訓(xùn)練這些神經(jīng)網(wǎng)絡(luò)來解決問題?

    神經(jīng)網(wǎng)絡(luò)建模,經(jīng)常會出現(xiàn)關(guān)于神經(jīng)網(wǎng)絡(luò)應(yīng)該有多復(fù)雜的問題,即它應(yīng)該有多少層,或者它的濾波器矩陣應(yīng)該有多大。這個問題沒有簡單的答案。與此相關(guān),討論網(wǎng)絡(luò)過擬合和欠擬合非常重要。過擬合是模
    發(fā)表于 11-24 15:35 ?639次閱讀
    如何<b class='flag-5'>訓(xùn)練</b>這些<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>來解決問題?