自动驾驶

浅谈5G网络 移动通信发展历程 5G的定义 5G:第五代移动通信技术 5G的技术指标 5G关键技术 （1）超密集组网----满足热点高容量场景：大量增加小基站，以空间换性能； 宏基站：数千米 小基站（家庭基站；室内基站；个人基站；微基站；微微基站）：10米到200米SDN （2）大规模天线阵列—提升了信号可靠性；提升了基站吞吐率；大幅降低对周边基站的干扰；服务更多的移动终端 （3）动态自组织网络（SON)----部署灵活；支持多跳；超可靠性；支持超高带宽 （4）软件定义网络（SDN)----物理上分为控制平面和转发平面；控制器集中管理多台转发设备；服务和程序都部署在控制器上 （5）网络功能虚拟化（NFV)----软硬件解耦，虚拟化；通用功能实现网络功能 5G面临的挑战 （1）频谱资源的挑战 5GHz以下频段已经非常拥挤； 解决办法： 使用高频段，超高频段； （2）新业务的挑战 eMBB:3D/超高清等大流浪移动宽带业务； 挑战：AR/VR等对传输速率的要求高； nMTC:大规模物联网业务; 挑战：对连接数，待机，耗电等要求高； uRLLC:无人驾驶，工业自动化等高可靠，低时延业务； 挑战：对时延，可靠性要求极高； （3）新场景挑战 移动热点：大量热点带来的超密集组网； 物联网：物联新业务远超人的活动范围； 低空/高空覆盖：无人机，飞机航线覆盖； （4）安全挑战 三大场景安全：

大数据文摘出品 作者：刘俊寰 继长沙、沧州开放后，百度无人驾驶出租车在北京全面开放一周。不过，试乘体验迎来的吐槽绝不比最初大家的期待少。 其中被吐槽最多的可能就是 在前排始终保持高度紧张的安全驾驶员 了。不少人反馈到，自动驾驶出租车的前排仍然会有安全员， 他们的手都会放在离方向盘几厘米的位置 ，甚至在很多时候直接接管了车辆的运行。 毕竟在百度世界大会和各种演示视频中，无人车已经可以摆脱“安全员”自动行驶了。 对于这些吐槽，10月17日，百度智能驾驶事业群自动驾驶事业部总经理陶吉进行了回应，他表示，目前 还需要有一些基础设施配套 ，比如可以满足远程监管的5G环境，在这些都完善之后，会逐步在符合条件的区域开始拿掉安全员。 那么，无人驾驶出租车真的可以在没有人类监督的情况下自行“出街”吗？ 其实就在百度北京无人车发布前3天，10月8日，Waymo宣布重新向公众开放无人驾驶出租车，在凤凰城向公众开放，并且Waymo表示，这次上路的，是那种 没有安全员的100%无人驾驶出租车 。 之后，海外网友也对Waymo这种自行行驶的无人出租车表示了极大的好奇，根据一位名叫JJ Ricks的Reddit用户分享的4次乘坐视频，Waymo无人驾驶出租不仅能 准确定位上车点 ， 在人群攒动的街道也能无障碍前行 ，甚至还能 像老司机一样“闯黄灯” 。 整段视频一刀未剪全长一个多小时

点击 上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 作者： 红薯好吃 https://zhuanlan.zhihu.com/p/86481492 本文仅做学术分享，如有侵权，请联系删除。 2019机器人顶会ICRA一篇关于可以满足移动设备的双目立体模型 代码地址： https://github.com/mileyan/AnyNet 论文题目 《Anytime Stereo Image Depth Estimation on Mobile Devices》 论文摘要： 许多用于机器人领域的深度估计方法都对实时性有很大的需求。目前sota模型面临在精度和实时性做出平衡的问题，加快推理速度往往会导致精度大幅度下降。针对这个问题，作者提出了一种高速推理模型。该模型能够处理1242x375分辨率的双目图片，在NVIDIA Jetson TX2上达到10-35FPS。在减少两个数量级参数情况下，仅仅比SOTA精度略微下降。 方法概述 图1 图1所示，是作者提出的AnyNet预测的时间线示意图，视差是随着时间逐步优化的。这个算法可以随时返回当前最优的视差。initial estimates即使精度不高，但是足以触发避障操作，之后的更优的深度图可以为更高级的路径规划提供线索。 AnyNet整体网络示意图如图2所示： 图2 AnyNet利用U-Net架构提取多分辨率级别下的特征

点击 上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 本文由作者林家荣授权转载，二次转载请联系作者 https://zhuanlan.zhihu.com/p/157533731 ----多图预警！请在wifi环境下食用！---- 首先，先放我儿子镇下楼先 自从上次在知乎上分（吹）享（水）了我们的工作后， https://www.zhihu.com/question/332926945/answer/836032023 我们的工作收到了很多的关注，并陆陆续续收到了来着各位朋友的咨询邮件，截止到目前，我们的开源库 https://github.com/hku-mars/loam_livox 已经收到了517个star(感谢各位老铁)。于是乎，我们趁(划)胜(水)追(摸)击(鱼)， 苟 (不敢出去，年前怕被废青干，年后怕被疫情干)在实验室里面，积(通)极(宵)开展了新的研(组)究(团)工(开)作(黑)。 而今天，我要介绍的是我们最近被IROS 2020接收的工作” A decentralized framework for simultaneous calibration, localization and mapping with multiple LiDARs”即“一个多激光雷达同时定位建图以及外参的自标定的分布式框架”。我们的工作不仅能实现多（5

　　导读：Waymo 近期宣布在凤凰城地区开放没有安全员的无人驾驶出租车，实现首个商用的真正的无人驾驶。与此同时，Waymo 也公开分享了一系列新的研究论文，本文就来讲解一下 Waymo 在行为预测方面的研究成果。 　　周围的车辆和行人在接下来数秒中会做什么？要实现安全的自动驾驶，这是一个必须回答的关键问题，这也就是自动驾驶领域中的行为预测问题。 　　行为预测的难点在于周围行人、车辆的不确定性和各种规则之外的行为。这些状况难以用规则进行总结，因此最近研发人员们开始利用基于数据驱动的深度学习的方法，以达到更加合理的预测效果。 　　在这方面， 来自 Waymo 和谷歌的团队提出了一系列用于自动驾驶行为预测的模型，让无人车理解抽象的道路环境，并实现对车辆、行人的多可能性预测。 　　在今年 6 月的一篇 CVPR 论文中，这个团队首先提出了一个全新模型 VectorNet。 　　在该模型中，团队首次提出了一种抽象化认识周围环境信息的做法：用向量（vector）来简化地表达地图信息和移动物体，这一做法抛开了传统的用图片渲染的方式，达到了降低数据量、计算量的效果。Waymo 也在其博客文章中明确表示，该技术提高了其行为预测的精准度。 　　近日，这个团队公布了进一步的工作，提出了 TNT (Target-driveN Trajectory Predictio)。TNT

整理 | 夕颜 出品 | CSDN（ID:CSDNnews） 近日有媒体爆料称，字节跳动副总裁、人工智能实验室马维英离职，并将赴清华大学智能产业研究院，加入正在筹备该产业院的原百度总裁张亚勤团队。CSDN 向字节跳动方面求证，证实马维英确实离职，并出于自身兴趣，选择到清华大学从事人才培养和科研相关工作，但他本人将继续担任字节跳动技术顾问。 2019年12月31日，张亚勤已加盟清华大学，受聘清华大学“智能科学”讲席教授，在清华大学车辆与运载学院、计算机系和相关院系开展科研、教学和人才培养工作。张亚勤同时负责牵头筹建“清华大学智能产业研究院（AIR）”，面向第四次工业革命，以自动驾驶、人工智能+物联网和类脑智能为关键的技术突破方向，打造世界顶尖的创新研发平台。 消息透露，马维英将作为联合创始人与张亚勤一起筹备清华大学智能产业研究院（AIR），另一共同创始人为前海尔集团CTO赵峰。预计，清华大学智能产业研究院（AIR）预计年底可正式成立。 资料显示，字节跳动人工智能实验室（AI Lab）成立于2016年，马维英于2017年离开微软亚洲研究院加盟实验室。AI Lab的使命是推动机器智能的极限，致力于将AI理论研究快速追踪用于产品部署，研究领域包括自然语言处理、计算机视觉、机器学习、数据挖掘、计算及图形&增强现实、系统&网络。 自成立以来，该实验就成为字节跳动产品AI应用的技术支持“大后方”

来源 | 清华大学计算机系校友会 北京时间10月14日，清华大学计算机科学与技术系（以下简称“计算机系”）张悠慧团队、精密仪器系（以下简称“精仪系”）施路平团队与合作者在《Nature》杂志发文，首次提出“类脑计算完备性”以及软硬件去耦合的类脑计算系统层次结构。 这是清华大学计算机系以第一完成单位/通讯单位发表的首篇《Nature》论文，也完成了清华大学一年多以来在《Nature》正刊的类脑计算领域“三连发”。 与通用计算机的“图灵完备性”概念与“冯诺依曼”体系结构相对应，本篇题为《一种类脑计算系统层次结构》（A system hierarchy for brain-inspired computing）的论文首次提出“类脑计算完备性”以及软硬件去耦合的类脑计算系统层次结构，通过理论论证与原型实验证明该类系统的硬件完备性与编译可行性，并扩展了类脑计算系统应用范围使之能支持通用计算。 类脑计算处于起步阶段，国际上尚未形成公认的技术标准与方案，这一成果填补了完备性理论与相应系统层次结构方面的空白，利于自主掌握新型计算机系统核心技术。 近年来，类脑计算研究受到了越来越多的关注。类脑计算，是借鉴生物神经系统信息处理模式和结构的计算理论、体系结构、芯片设计以及应用模型与算法的总称。 其重要性正如欧盟人脑旗舰研究计划项目所指出的：“在未来10到20年内，谁要引领世界经济，谁就必须在这个领域领先

来源：清华大学藤影荷声 本文 约5200字 ，建议 阅读10+分钟 人工智能技术来势凶猛，给我们留下的时间不多了。 一场关于人工智能的有趣对话 在2019年世界人工智能大会上，有一个饶有意思的对话。阿里巴巴总裁马云充满信心地说，AI（Artificial Intelligence，人工智能）可以解释为“阿里智慧”(Alibaba Intelligence)。特斯拉公司首席执行官马斯克（Elon Musk）楞了一下，轻轻回应说，“那最后还真有可能（It might end up being true）”，或许马斯克在想，这也是他自己想做的。马云后来又说：“在我的一生中，特别是过去的两年多时间，当人们大量谈论AI，认为机器会控制人的时候，我十分不认同。那是不可能的事情。人是不同的，机器是人造的，根据科学,人不可能造出比他自己更聪明的机器。人很聪明的，而且还有很多聪明人。他们不可能造出比自己更聪明的机器（来控制自己）。”马斯克这次的回答却非常敏捷明快：“我太不同意你了（I very much disagree.）。”这段对话既显示了中国企业家对未来的憧憬和人定胜万物的信心，也反映了美国企业家坚持理念，不轻易放弃对科学能力的认同的精神。 马斯克认为，与计算机比，人其实很笨（very dumb）。机器已经在很多地方比人聪明，能做到人做不到的事情。人们往往低估AI的能力

前言 姿态估计，一直是近几年的 研究热点 。 它就是根据画面，捕捉人体的运动姿态，比如 2D 姿态估计： 再比如 3D 姿态估计： 看着好玩， 那这玩应有啥用呢 ？ 自动驾驶 ，大家应该都不陌生，很多公司研究这个方向。 自动驾驶里，就用到了 人体行为识别 。 通过摄像头捕捉追踪人体的动作变化，根据肢体动作或变化角度判断人体动作行为，可用于无人车、机器人、视频监控等行为分析需求场景。 而这些的基础，就是人体的姿态估计。 再比如， 虚拟形象 。 通过 真人驱动 ，让虚拟形象具备类比真人的肢体动作，并支持与3D人脸特效、手势识别等功能结合应用，让虚拟形象更加灵活生动，可用于虚拟IP驱动、肢体驱动类游戏、远程授课或播报等场景。 姿态估计，无疑有着巨大的 应用价值 。 但今天，咱们说的这个算法，比上文提到的，还要酷炫一些！ 它就是 FrankMocap。 FrankMocap FrankMocap 是港中文联合 Facebook AI 研究院提出的 3D 人体姿态和形状估计 算法 。 不仅仅是估计人体的运动姿态，甚至连 身体的形状 ， 手部的动作 都可以一起计算出来。 算法很强大，能够从 单目视频 同时估计出 3D 人体和手部运动，在一块 GeForce RTX 2080 GPU 上能够达到 9.5 FPS。 缺点就是，速度有点慢，计算量较大，达到实时性有一定难度。 不过随着硬件的快速发展

虽然编程语言有很多，但在需要 顶级性能 的项目上，基本都会使用C++。 尤其是机器人、自动驾驶、AI等 嵌入 和 实时 系统，都是C++的主要应用方向，在这种层面，几乎没有竞争者。 比如熊厂的搜索引擎、推荐引擎等核心产品，鹅厂几乎所有产品都是C++开发。 C++的性能固然强大，但它的范式和机制也给开发者造成很大的负担： 一是 项目开发效率低 ； 二是 学习困难，不好上手 ； 这也导致企业要想 招一个合格的C++程序员十分困难！ 其实， C++的 难点 主要集中在“ 位操作 ”和“ 指针 ”，很多人纵使学的非常用心也依旧不能深入理解，搞得非常痛苦。 所以今天给大家推荐一个 《C++项目开发4天实战特训营》 。 对于“指针”等难点讲的非常透彻，而且会 深入C++核心编程 并带着完成1个 G oogle测试框架 ，我这个老司机看过后也有了全新的理解。 授课老师胡船长也是我一直非常敬重的大神，他早在10年前就获得了 ACM亚洲区金牌 ，并 2次晋级 全球总决赛。 此后任职 百度知识图谱部 ，推动 开发 百度NLP推理引擎 ，并获得百度“ 黑马奖 ” “ 年度英雄奖 ” 等荣誉，代码能力非常强悍！ 特训营 原价 399 元 ，靠着关系搞到 100 个优惠 名额，仅需 1 元 即可入学！只要你是统招本科及以上学历，就可以抢占！ 长按3秒 即可扫码 你现在长按识别上方二维码或点击阅读原文