汽车市场网首页 信息服务 广告服务 安装插件 English 新浪微博
公众 新闻 进出口 咨询 新能源数据 会员 综合 客车 专用车 多功能车 世界汽车 零部件 历史数据 交叉型车
  专题 经销商   报告 调研   轿车 卡车 摩托车 工程机械 低速汽车 发动机 新能源车 新车上市
 
多伦多大学与优步ATG研发全新算法 帮助AI识别非结构化数据
多伦多大学与优步ATG研发全新算法 帮助AI识别非结构化数据
2018年6月25日   来源:李文龙 盖世汽车  作者:
关键词:

据外媒报道,多伦多大学计算机科学系(department of computer science)与优步旗下多伦多先进技术集团(Advanced Technologies Group,ATG)的研究人员研发了一款算法,可应对目标物探查、追踪等任务。重要的是,其方案(画质响应速度)可实现30毫秒/帧。

优步自动驾驶测试车辆顶部的激光雷达扫描仪可利用激光束实现测距,采集了北美地区多个城市的海量数据集,该数据集的容量超过了百万帧,其数据源自于6500多个不同驾驶情境。

激光雷达的数据输出形式为:在三维空间内提供点云图,需要利用人工智能系统来读懂其含义。从本质上讲,该数据是凌乱、无条理的(非结构化数据),与图像等送入人工智能系统的结构化数据(structured data)存在极大差异。

为应对这类非结构化数据(unstructured data),博士生Shenlong Wang与优步ATG的研发人员共同研发了一款特殊的AI工具。

黑科技,前瞻技术,多伦多大学优步算法研发,多伦多AI算法,优步AI运算

Wang(上图)表示:“该图片是2D网格状的,而3D建模则是一串3D网格(meshes),激光雷达所捕获的则是一束(a bunch of)点,且在该区域呈离散分布,传统的AI难以应对这类难题。”

助理教授Urtasun解释道,人工智能在图像处理方面表现非常出色,因为图像是矩形目标物,由许多很小的矩形点构成,算法在格栅结构的分析处理时表现出色。然而,激光雷达的数据却不是常规结构,使得AI系统难以读取其含义。

离散点处理的表现并不仅限于自动驾驶领域,这类非结构化数据还存在于化学及社交网络中。

为提升整体运算能力,研究人员还设计了稀疏矩阵运算(sparse computation)方式,其利用了重要区域判定原则。为此,相较于当前的计算方式,该算法的速度翻了10倍多。

研究人员还发布了SBNet代码,在提升智能手机等小型设备的处理能力方面大有裨益。Urtasun表示,优步自动驾驶车队已开始使用其算法,这对提升其整体研究水平帮助很大。自动驾驶是本世纪内的一大根本性难题,我们正在设法寻找解决方案。

责任编辑:


分享到:

* 浏览更多文章,请进入汽车市场网轿车频道(http://car.automarket.net.cn/)。

汽车市场网版权及免责声明:
1、凡本网注明“来源:汽车市场网” 的所有作品,版权均属于汽车市场网,转载请注明“来源:汽车市场网”。违反上述声明者,本网将追究其相关法律责任。
2、凡本网注明 “来源:XXXX(非汽车市场网)” 的作品,均转载自其它媒体,目的旨在传递更多信息,并不代表本网赞同其观点和对其真实性负责。
3、如因作品内容、版权和其它问题需要同本网联系的,请在30日内进行。 

※ 有关作品版权事宜请联系:024-86615728