广告
初创公司Perceptive Automata通过深度学习为无人车赋予“直觉”
2018-08-03 09:57:03· 来源：英伟达NVIDIA企业解决方案
来自哈佛大学的初创公司Perceptive Automata正在让自动驾驶汽车实现像人类一样的推理和判断。
来自哈佛大学的初创公司Perceptive Automata正在让自动驾驶汽车实现像人类一样的推理和判断。
只需轻轻一瞥，您就可以了解到一个人的很多信息。比如您可以判断他是否已经疲惫、正在分心或是很匆忙，也可以看出他是下班回家还是去健身房。
不必神探福尔摩斯附体，您就可以迅速凭直觉做出这些判断，因为我们的大脑就是这样运作的。事实上，大脑非常擅长处理此类感知，以至于您都很难意识到自己在做出这些判断。
来自哈佛大学的初创公司Perceptive Automata正努力通过深度学习将这种人类才有的直觉应用于自动驾驶汽车中。
肢体语言或对方手持物品等视觉线索可以为驾驶决策的形成提供重要信息。如果一个人一边打电话一边冲向马路对面，那么您就可以得出结论：对方的注意力集中在别处，而不是在其周围环境上。此时，您就需要谨慎行事。而如果一位行人站在人行横道上左右张望，那么您就知道，对方已经意识到其所处的环境并在留意过往车流。
“驾驶比解决物理问题更加复杂，”Perceptive Automata联合创始人兼首席技术官Sam Anthony说道，“除了识别出周围的人和物体之外，您还要不停地判断这些人的想法和意图。”
开发自动驾驶汽车时，Perceptive Automata的软件增加了一些深度学习算法，而训练这些算法时使用的是真实世界的人类行为数据。通过同时运行这些算法以及驱动汽车的AI技术，汽车能够更为全面地了解周围环境，从而增强安全性。
敏锐的视角
为了帮助汽车理解外部环境，Perceptive Automata采用了一种独特的方法来训练深度学习算法。
传统训练方法会使用一系列同一物体的图片，教会神经网络辨别该物体。例如，工程师会向深度学习算法展示数百万张救护车的图片，然后该软件就能够自主识别出救护车。
Perceptive Automata没有使用指向同一概念的多张图片进行训练，而是让数据可以用一幅图向神经网络传达一系列信息。通过结合面部表情与其他标志物（如某人正拿着咖啡或手机），该软件可以推断出行人的注意力集中在何处。
Perceptive Automata 训练的神经网络可理解人类行为，从而实现安全的自动驾驶。
借助NVIDIA DRIVE强大的性能以及节能的特性，Perceptive Automata的目标得以实现。这款车载深度学习平台让软件可以分析一系列肢体语言标志，并推断出行人的路线。该软件可以对汽车视野内的一个人或整个人群进行计算，从而为道路上的每个人创造更安全的环境。
让未来汽车更具人性化
Anthony表示，为自动驾驶汽车增加这样微妙的感知能力能够创造出更为流畅的驾驶体验。自动驾驶汽车获得的信息越多，就越能适应复杂的交通状况，从而无缝融入到人类和AI共享车道的生态系统中。
“随着该行业日益成熟，在都市环境中进行的测试也越来越多。愈发明显的一点是，这种微妙的感知能力是人类天生就会的，然而对自动驾驶汽车却不是这样。”Anthony说道。
Perceptive Automata的软件充分利用了差异性，将先进的深度神经网络整合到驾驶堆栈中，从而为这种感知挑战提供了一个安全且强大的解决方案。当汽车有了这种更高级别的理解力之后，自动驾驶就将变得更智能、更安全。
只需轻轻一瞥，您就可以了解到一个人的很多信息。比如您可以判断他是否已经疲惫、正在分心或是很匆忙，也可以看出他是下班回家还是去健身房。
不必神探福尔摩斯附体，您就可以迅速凭直觉做出这些判断，因为我们的大脑就是这样运作的。事实上，大脑非常擅长处理此类感知，以至于您都很难意识到自己在做出这些判断。
来自哈佛大学的初创公司Perceptive Automata正努力通过深度学习将这种人类才有的直觉应用于自动驾驶汽车中。
肢体语言或对方手持物品等视觉线索可以为驾驶决策的形成提供重要信息。如果一个人一边打电话一边冲向马路对面，那么您就可以得出结论：对方的注意力集中在别处，而不是在其周围环境上。此时，您就需要谨慎行事。而如果一位行人站在人行横道上左右张望，那么您就知道，对方已经意识到其所处的环境并在留意过往车流。
“驾驶比解决物理问题更加复杂，”Perceptive Automata联合创始人兼首席技术官Sam Anthony说道，“除了识别出周围的人和物体之外，您还要不停地判断这些人的想法和意图。”
开发自动驾驶汽车时，Perceptive Automata的软件增加了一些深度学习算法，而训练这些算法时使用的是真实世界的人类行为数据。通过同时运行这些算法以及驱动汽车的AI技术，汽车能够更为全面地了解周围环境，从而增强安全性。
敏锐的视角
为了帮助汽车理解外部环境，Perceptive Automata采用了一种独特的方法来训练深度学习算法。
传统训练方法会使用一系列同一物体的图片，教会神经网络辨别该物体。例如，工程师会向深度学习算法展示数百万张救护车的图片，然后该软件就能够自主识别出救护车。
Perceptive Automata没有使用指向同一概念的多张图片进行训练，而是让数据可以用一幅图向神经网络传达一系列信息。通过结合面部表情与其他标志物（如某人正拿着咖啡或手机），该软件可以推断出行人的注意力集中在何处。
Perceptive Automata 训练的神经网络可理解人类行为，从而实现安全的自动驾驶。
借助NVIDIA DRIVE强大的性能以及节能的特性，Perceptive Automata的目标得以实现。这款车载深度学习平台让软件可以分析一系列肢体语言标志，并推断出行人的路线。该软件可以对汽车视野内的一个人或整个人群进行计算，从而为道路上的每个人创造更安全的环境。
让未来汽车更具人性化
Anthony表示，为自动驾驶汽车增加这样微妙的感知能力能够创造出更为流畅的驾驶体验。自动驾驶汽车获得的信息越多，就越能适应复杂的交通状况，从而无缝融入到人类和AI共享车道的生态系统中。
“随着该行业日益成熟，在都市环境中进行的测试也越来越多。愈发明显的一点是，这种微妙的感知能力是人类天生就会的，然而对自动驾驶汽车却不是这样。”Anthony说道。
Perceptive Automata的软件充分利用了差异性，将先进的深度神经网络整合到驾驶堆栈中，从而为这种感知挑战提供了一个安全且强大的解决方案。当汽车有了这种更高级别的理解力之后，自动驾驶就将变得更智能、更安全。
广告 
广告
最新资讯
-
大众汽车南京工厂或面临出售
2024-12-19 13:29
-
端到端专题：DDPG 基础算法与方法论介绍
2024-12-19 11:42
-
多模态大模型最新论文介绍
2024-12-19 11:42
-
建科股份收购苏州赛宝
2024-12-19 09:57
-
端云协同创变，中科创达与火山引擎共塑AI智
2024-12-19 09:56
广告
广告
