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：