0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)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(huì)員中心
創(chuàng)作中心

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

3天內(nèi)不再提示

LeddarTech 和 Immervision 聯(lián)合宣布 合作加速 ADAS 和 AD 感知模型訓(xùn)練

全球TMT ? 來源:全球TMT ? 作者:全球TMT ? 2024-05-09 10:54 ? 次閱讀

魁北克城2024年5月9日/美通社/ --LeddarTech Holdings Inc. ("LeddarTech")(納斯達(dá)克:LDTC)和ImmervisionInc. 欣然共同宣布了一項(xiàng)合作,旨在簡(jiǎn)化感知模型訓(xùn)練過程,使其更快、更具成本效益并減少數(shù)據(jù)密集度。LeddarTech 是一家汽車軟件公司,為高級(jí)駕駛輔助系統(tǒng)(ADAS) 和自動(dòng)駕駛(AD) 和停車應(yīng)用,提供基于人工智能的低級(jí)傳感器融合和感知軟件技術(shù)LeddarVision?,創(chuàng)業(yè)界先河。Immervision 是先進(jìn)視覺系統(tǒng)的領(lǐng)先開發(fā)商,其系統(tǒng)結(jié)合了光學(xué)、圖像處理和傳感器融合技術(shù)。

wKgZomY8OueAJF-cAAAgGq2QhgQ740.jpg


LeddarTech_Inc__LeddarTech_and_Immervision_Jointly_Announce%C2%A0Thei

這項(xiàng)共同努力結(jié)合了LeddarTech 在基于人工智能的低級(jí)傳感器融合和感知軟件技術(shù)方面的專業(yè)知識(shí),以及Immervision 在高級(jí)視覺系統(tǒng)方面的領(lǐng)導(dǎo)地位,形成了強(qiáng)大的協(xié)同效應(yīng),旨在改善ADAS 和AD 感知訓(xùn)練。

ADAS 中感知技術(shù)的目標(biāo),是為車輛控制系統(tǒng)提供準(zhǔn)確、及時(shí)的信息,使其能夠做出明智的決策并協(xié)助駕駛員完成各種駕駛?cè)蝿?wù),例如避撞、車道保持和自適應(yīng)巡航控制。但是開發(fā)和驗(yàn)證過程,需要耗費(fèi)大量的數(shù)據(jù)收集和標(biāo)記工作。

LeddarTech 和Immervision 的合作旨在通過允許大規(guī)模數(shù)據(jù)重用,來改善和顯著優(yōu)化這一過程。兩家公司的研究團(tuán)隊(duì)取得的突破,允許在各種ADAS 和AD 平臺(tái)上重復(fù)使用數(shù)據(jù),而仿真與現(xiàn)實(shí)的差距為零。這意味著現(xiàn)有的數(shù)據(jù)資產(chǎn)現(xiàn)在可以用于新平臺(tái),從而顯著縮短感知模型的開發(fā)時(shí)間和成本,為整個(gè)系統(tǒng)提供更快、更具成本效益的開發(fā)周期。預(yù)計(jì)這種優(yōu)化將讓ADAS 和AD 的成本效益更高,且更安全可靠。

兩家公司打算在2024 年第三季度演示這項(xiàng)技術(shù)。

"在Immervision,我們與LeddarTech 的合作,在完善感知軟件培訓(xùn)方面實(shí)現(xiàn)重大飛躍。我們正在開創(chuàng)一種更快、更經(jīng)濟(jì)高效地訓(xùn)練這些系統(tǒng)的方法,從而最大限度地減少了對(duì)大量數(shù)據(jù)收集的需求。Immervision 首席執(zhí)行官M(fèi)ichel Van Maercke 表示,這一進(jìn)步降低了與開發(fā)先進(jìn)視覺系統(tǒng)相關(guān)的風(fēng)險(xiǎn),改寫了游戲規(guī)則。"通過與LeddarTech 的共同努力,我們打算簡(jiǎn)化ADAS 和AD 技術(shù)的發(fā)展,讓自動(dòng)駕駛技術(shù)加快邁向更安全、更高效的未來。"

LeddarTech 首席技術(shù)官Pierre Olivier 表示:"我對(duì)這種合作充滿熱情,這有可能顯著加快ADAS 和AD 解決方案的開發(fā)和部署。LeddarTech 和 Immervision 之前曾合作過,我們的團(tuán)隊(duì),對(duì)工具和數(shù)據(jù)在實(shí)現(xiàn)全自動(dòng)駕駛汽車夢(mèng)想方面可做出的貢獻(xiàn),有著共同的愿景。"

審核編輯 黃宇

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(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。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(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2541

    文章

    49961

    瀏覽量

    747478
  • AD
    AD
    +關(guān)注

    關(guān)注

    27

    文章

    865

    瀏覽量

    149824
  • 圖像處理
    +關(guān)注

    關(guān)注

    26

    文章

    1268

    瀏覽量

    56371
  • adas
    +關(guān)注

    關(guān)注

    309

    文章

    2131

    瀏覽量

    208329
  • ImmerVision
    +關(guān)注

    關(guān)注

    0

    文章

    3

    瀏覽量

    5760
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    ADAS系統(tǒng)組成簡(jiǎn)介#ADAS

    adas
    北匯信息POLELINK
    發(fā)布于 :2024年08月03日 20:05:37

    人臉識(shí)別模型訓(xùn)練流程

    據(jù)準(zhǔn)備階段,需要收集大量的人臉圖像數(shù)據(jù),并進(jìn)行數(shù)據(jù)清洗、標(biāo)注和增強(qiáng)等操作。 1.1 數(shù)據(jù)收集 數(shù)據(jù)收集是人臉識(shí)別模型訓(xùn)練的第一步。可以通過網(wǎng)絡(luò)爬蟲、公開數(shù)據(jù)集、合作伙伴等途徑收集人臉圖像數(shù)據(jù)。在收集數(shù)據(jù)時(shí),需要注意
    的頭像 發(fā)表于 07-04 09:19 ?498次閱讀

    深度學(xué)習(xí)模型訓(xùn)練過程詳解

    深度學(xué)習(xí)模型訓(xùn)練是一個(gè)復(fù)雜且關(guān)鍵的過程,它涉及大量的數(shù)據(jù)、計(jì)算資源和精心設(shè)計(jì)的算法。訓(xùn)練一個(gè)深度學(xué)習(xí)模型,本質(zhì)上是通過優(yōu)化算法調(diào)整模型參數(shù),
    的頭像 發(fā)表于 07-01 16:13 ?488次閱讀

    摩爾線程和滴普科技完成大模型訓(xùn)練與推理適配

    近日,摩爾線程與滴普科技宣布了一項(xiàng)重要合作成果。摩爾線程的夸娥(KUAE)千卡智算集群與滴普科技的企業(yè)大模型Deepexi已完成訓(xùn)練及推理適配,共同實(shí)現(xiàn)了700億參數(shù)LLaMA2大語(yǔ)言
    的頭像 發(fā)表于 05-30 10:14 ?416次閱讀

    LeddarTechImmervision達(dá)成合作,加速ADAS和AD感知模型訓(xùn)練

    近日,汽車技術(shù)領(lǐng)域的兩家領(lǐng)軍企業(yè)LeddarTechImmervision宣布達(dá)成合作,共同推動(dòng)高級(jí)駕駛輔助系統(tǒng)(ADAS)和自動(dòng)駕駛(A
    的頭像 發(fā)表于 05-11 10:44 ?294次閱讀

    【大語(yǔ)言模型:原理與工程實(shí)踐】大語(yǔ)言模型的預(yù)訓(xùn)練

    大語(yǔ)言模型的核心特點(diǎn)在于其龐大的參數(shù)量,這賦予了模型強(qiáng)大的學(xué)習(xí)容量,使其無需依賴微調(diào)即可適應(yīng)各種下游任務(wù),而更傾向于培養(yǎng)通用的處理能力。然而,隨著學(xué)習(xí)容量的增加,對(duì)預(yù)訓(xùn)練數(shù)據(jù)的需求也相應(yīng)
    發(fā)表于 05-07 17:10

    如何提高自動(dòng)駕駛汽車感知模型訓(xùn)練效率和GPU利用率

    由于采用了多攝像頭輸入和深度卷積骨干網(wǎng)絡(luò),用于訓(xùn)練自動(dòng)駕駛感知模型的 GPU 內(nèi)存占用很大。當(dāng)前減少內(nèi)存占用的方法往往會(huì)導(dǎo)致額外的計(jì)算開銷或工作負(fù)載的失衡。
    的頭像 發(fā)表于 04-29 09:12 ?676次閱讀
    如何提高自動(dòng)駕駛汽車<b class='flag-5'>感知</b><b class='flag-5'>模型</b>的<b class='flag-5'>訓(xùn)練</b>效率和GPU利用率

    摩爾線程助力AI大模型訓(xùn)練與計(jì)算升級(jí),共建美好數(shù)字化未來

    此外,在中關(guān)村國(guó)際技術(shù)交易大會(huì)高精尖技術(shù)產(chǎn)品首發(fā)會(huì)上,摩爾線程與無問芯穹聯(lián)合宣布,雙方正致力于開發(fā)基于夸娥千卡智算集群的“MT-infini-3B”合作模型。摩爾線程成為首家接入無問
    的頭像 發(fā)表于 04-28 16:42 ?822次閱讀

    未來已來,多傳感器融合感知是自動(dòng)駕駛破局的關(guān)鍵

    巨大的進(jìn)展;自動(dòng)駕駛開始摒棄手動(dòng)編碼規(guī)則和機(jī)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(jī)的駕駛,遇到場(chǎng)景直接輸入傳感器數(shù)據(jù),再直接輸出轉(zhuǎn)向、制動(dòng)和加速信號(hào)。模仿學(xué)習(xí)人類
    發(fā)表于 04-11 10:26

    谷歌模型訓(xùn)練軟件有哪些?谷歌模型訓(xùn)練軟件哪個(gè)好?

    谷歌在模型訓(xùn)練方面提供了一些強(qiáng)大的軟件工具和平臺(tái)。以下是幾個(gè)常用的谷歌模型訓(xùn)練軟件及其特點(diǎn)。
    的頭像 發(fā)表于 03-01 16:24 ?675次閱讀

    黑芝麻智能與LeddarTech達(dá)成戰(zhàn)略合作以提供高性價(jià)比ADAS解決方案

    CES 2024期間,黑芝麻智能與LeddarTech宣布達(dá)成合作,將共同為中國(guó)及全球汽車制造商與Tier 1廠商提供兼具高性能和成本效益的ADAS解決方案,為全球自動(dòng)駕駛行業(yè)帶來切實(shí)
    的頭像 發(fā)表于 01-11 17:24 ?1174次閱讀

    LeddarTech將展出其備受贊譽(yù)的LeddarVision ADAS產(chǎn)品和技術(shù)

    LeddarTech?,(納斯達(dá)克股票代碼:LDTC)是一家自動(dòng)化軟件公司,主要為 ADAS、AD 和泊車應(yīng)用提供基于人工智能的低層傳感器融合和感知軟件專利技術(shù)。其激動(dòng)地宣布,將參加2
    的頭像 發(fā)表于 01-07 10:56 ?498次閱讀

    LeddarTech 發(fā)布 LeddarVision Parking 融合與感知軟件堆棧

    / -- 汽車軟件公司?LeddarTech??致力于為?ADAS、AD 和泊車應(yīng)用提供獲得專利、基于人工智能的顛覆性底層傳感器融合和感知軟件技術(shù)。日前該公司很高興宣布推出Leddar
    的頭像 發(fā)表于 12-22 06:00 ?703次閱讀
    <b class='flag-5'>LeddarTech</b> 發(fā)布 LeddarVision Parking 融合與<b class='flag-5'>感知</b>軟件堆棧

    如何讓網(wǎng)絡(luò)模型加速訓(xùn)練

    ,對(duì) Pytorch的AMP ( autocast與Gradscaler 進(jìn)行對(duì)比) 自動(dòng)混合精度對(duì)模型訓(xùn)練加速 。 注意Pytorch1.6+,已經(jīng)內(nèi)置torch.cuda.amp,因此便不需要加載
    的頭像 發(fā)表于 11-03 10:00 ?1392次閱讀
    如何讓網(wǎng)絡(luò)<b class='flag-5'>模型</b><b class='flag-5'>加速</b><b class='flag-5'>訓(xùn)練</b>

    LeddarTech 攜手 Hailo:共創(chuàng) ADAS 成功!

    據(jù)INRIX 2022 報(bào)告,在倫敦、芝加哥和巴黎,司機(jī)每年平均浪費(fèi)在堵車上的時(shí)間分別為 156 小時(shí),155 小時(shí)和 138 小時(shí),其他城市的情況也差不多。ADAS 開發(fā)人員意識(shí)到,解決這一
    的頭像 發(fā)表于 10-09 11:53 ?336次閱讀
    <b class='flag-5'>LeddarTech</b> 攜手 Hailo:共創(chuàng) <b class='flag-5'>ADAS</b> 成功!