南宫NG·28

    CN / EN

    全部

    • 全部
    • 产品管理
    • 新闻资讯

    研发服务

    DEVELOPMENT SERVICE

    AI自动驾驶

    课程背景

    随着人工智能技术的快速发展,深度学习、生成式AI和大语言模型等前沿技术正在重塑各行各业。在自动驾驶领域,大模型凭借强大的感知、推理和生成能力,正在推动环境理解、决策规划、仿真测试等关键环节的变革,成为行业创新的核心驱动力。

    基于汽车行业AI技术发展趋势,本课程结合AI深度学习基础概念和原理、自动驾驶核心技术、行业前沿研究与实践,由浅入深地阐述基础原理到前沿技术方案,课程确保缺乏AI背景的听众也能够了解自动驾驶领域相关技术的应用和发展,每讲内容均整合了理论基础与产业实践,突出“虚实结合、循序渐进。

     

     课程天数

    • 课时:2天

    讲师介绍

     

    课程大纲

    课程内容 课程大纲
    深度学习与计算机视觉基础

    机器学习的基础概念与方法论;

    人工神经网络与深度学习;

    分类器与回归器、判别器与生成器;

    计算机视觉典型任务;

    AI模型基础:MLP,CNN,RNN与Transformer

    MLP的核心概念与方法论、应用;

    卷积神经网络的核心概念与方法论、应用;

    循环神经网络的核心概念与方法论、应用;

    Transformer的核心概念与方法论、应用;

    基于多传感器融合的自动驾驶感知技术

    传感器:相机、激光雷达、毫米波雷达;

    任务:OD,MAP,FS/OCC,TLR,TSR,定义以及评测方法;

    单传感器感知+后融合技术:mono3D;

    BEV多传感器前融合:BEVFormer;

    感知模型的训练优化策略

    训练问题:过拟合、样本不均衡,OOD;

    优化参数:优化器选取、学习率;

    数据处理:坐标系统一、标签滤除、数值归一化;

    数据增强技术;

    自动标注技术与数据闭环

    自动标注技术发展:从逐帧标注+人工修正到4D标注;

    三维场景重建技术;

    标注质量筛选与可见性标签;

    数据挖掘技术、影子模式与数据闭环;

    强化学习与规划控制技术

    强化学习的核心概念与方法论;

    模仿学习的核心概念与方法论;

    自动驾驶规划控制任务简介;

    基于强化/模仿学习的自动驾驶规划控制技术;

    大语言模型与多模态大模型

    大语言模型的概念与发展历程;

    大语言模型的训练原理与应用;

    从大语言模型到多模态大模型——模态特征对齐;

    大语言模型、多模态大模型在自动驾驶领域的应用;

    生成式AI的原理及其在自动驾驶中的应用

    生成式AI的基础概念与发展历程;

    GAN,VAE,diffusionmodel简介;

    生成式AI在自动驾驶领域的应用:数据生产与轨迹生成;

    世界模型与自动驾驶闭环仿真器

    世界模型的基本概念与方法论;

    基于大模型和图像生成的世界模型构建;

    从感知到规控的闭环仿真技术;

    端到端自动驾驶技术

    端到端自动驾驶技术的基本概念,与传统方法的不同;

    端到端模型的数据构成与训练方法;

    多阶段端到端与一阶段端到端;

    端到端自动驾驶的未来发展与展望;

    关键词: