村干部日水娥第几集,男女猛烈啪啦啦视频在线播放,亚洲AV无码成H在线观看,宝宝再坚持一下就不疼了,国产欧美另类久久久精品图片

2021年5月26日，由中國汽車工程學會、清華大學、北京科技大學聯合舉辦的“車用人工智能”專題分會在北京亦創(chuàng)國際會展中心成功召開。作為2021年國際智能網聯汽車技術年會（CICV2021）重要專題分會之一，此次會議聚焦智能汽車與人工智能的交叉領域，涵蓋感知、決策和控制等應用方面，主題包括但不限于：運載工具的智能控制、神經網絡訓練與優(yōu)化、數據與模型混合驅動智能、分布式學習與群體智能、人工智能芯片與加速計算、可解釋性/安全性保障等。

清華大學車輛與運載學院副院長李升波教授擔任本次會議主席，并主持會議上半場。北京科技大學控制科學與工程系主任丁大偉教授擔任會議聯合主席并主持會議下半場。

清華大學車輛與運載學院副院長李升波

北京科技大學控制科學與工程系主任丁大偉

會上，來自國防科技大學、地平線、天津大學、希捷科技有限公司、科大訊飛股份有限公司、清華大學、中國科學院自動化研究所復雜系統(tǒng)管理與控制國家重點實驗室的8名專家學者發(fā)表精彩主題演講，論壇互動氣氛熱烈活躍。

首先，國防科技大學智能科學學院智能科學技術系主任徐昕老師分析了智能車輛由于動力學模型復雜性和不確定性帶來的優(yōu)化控制問題，介紹了智能車輛自學習優(yōu)化控制技術的若干研究進展，包括結合近似策略迭代的自學習PID控制方法、多核在線學習控制方法、滾動時域強化學習方法等，針對車輛縱向和側向優(yōu)化控制問題，給出了有關智能汽車自學習優(yōu)化控制的仿真實驗結果，最后對未來的研究方向進行了分析和展望。

國防科技大學智能科學學院智能科學技術系主任徐昕

地平線BPU算法負責人羅恒指出人工智能的實現需要機器在物理世界持續(xù)、自動化演進，背后的推動力將來自于不直接依賴人的計算和數據系統(tǒng)。隨著數據的增加、隨著計算量的增加，機器學習的精度不斷提升，而這就是實現人工智能最核心的點。此外，羅恒博士重點介紹了在AI對算力要求越來越高的情況下如何評估AI芯片的性能以及面向高速演進的算法如何定義未來AI芯片的目標。最后，羅恒博士重點介紹了地平線結合特斯拉的實踐開發(fā)的新范式—軟件2.0。

地平線BPU算法負責人羅恒

隨后，天津大學自動化系主任左志強教授針對最常見的標準城市道路無人駕駛應用場景，提出一種基于貝葉斯風險評估模型的高速無人駕駛汽車運動決策和規(guī)劃策略。與一般的風險模型相比，該種風險模型將主車的加速度因素考慮在內，從而獲得更為準確的行為決策結果。然后根據決策得到的最優(yōu)行為，使用“多項式-模型預測優(yōu)化”方法得到安全的參考軌跡。針對像校園和鄉(xiāng)村道路這類低速應用場景，設計了一種基于行為策略的無人駕駛汽車運動規(guī)劃方法。

天津大學自動化系主任左志強

緊接著，希捷科技有限公司新興市場高級業(yè)務代表董志南先生隨重點介紹了Seagate針對自動駕駛/高精地圖研發(fā)的數據流動，數據存儲，數據管理進行的深入研究。希捷已經形成了全棧式，端到端的數據管理方案，涵蓋了：端--邊緣--云--管理 的4個維度。幫助自動駕駛/高精地圖工程人員優(yōu)化：前端數據采集，邊緣數據遷移，邊緣計算，核心云數據中心構建，數據與設備管理。

希捷科技有限公司新興市場高級業(yè)務代表董志南

科大訊飛股份有限公司汽車座艙多模感知產品線總監(jiān)高萬軍指出多模感知是以視覺和語音雙模的融合感知來達到高可靠的人機交互。隨后，高總提出當前多模感知興起的技術要點：1）高可靠語音感知—多模語音全鏈路感知：麥克風陣列、多模語音識別等；2）高可靠疲勞感知—多模疲勞感知、顯性疲勞感知（perclos ）、隱形生理指標檢測（血壓、心率）；3）高可靠駕駛安全監(jiān)測—分心感知、行為感知、抽煙、打電話、危險行為檢測，駕駛分心感知；4）高覆蓋生物感知—多模生物認證：情緒識別、年齡&性別檢測、聲紋識別、人臉識別。最后，高總介紹了科大訊飛座艙多模感知系統(tǒng)，該系統(tǒng)以語音和視覺為核心，提供車內多模態(tài)人機交互和駕駛安全檢測的完整解決方案。

科大訊飛股份有限公司汽車座艙多模感知產品線總監(jiān)高萬軍

清華大學助理教授陳建宇博士系統(tǒng)介紹了強化學習的基本要素以及其如何對無人駕駛問題建模，并重點講解將強化學習應用于無人駕駛中的三個關鍵技術：（1）帶安全約束的強化學習：不同于游戲等應用，無人駕駛對安全性的要求極高。報告將介紹如何為強化學習引入安全機制，包括約束的設計、以及帶約束強化學習的算法與分析；（2）帶傳感器感知模型的強化學習：無人駕駛所處的環(huán)境是部分可觀測的，需要通過傳感器接收到的時序信號來做出決策。報告將介紹如何為強化學習引入部分可觀的設定，并在此條件下求解最優(yōu)的控制策略；（3）可解釋的自我學習型自動駕駛：對于自我學習型自動駕駛技術，其神經網絡策略的可解釋性十分重要。此外，陳博士還系統(tǒng)介紹了如何通過隱變量強化學習以及隱變量解碼的方法來給自我學習型無人駕駛提供可解釋的功能。

清華大學助理教授陳建宇

中國科學院自動化研究所復雜系統(tǒng)管理與控制國家重點實驗室副研究員張啟超老師簡單介紹了深度強化學習與自動駕駛現在的發(fā)展現狀，用深度強化學習來處理自動駕駛決策和控制，包括換道的場景、路口通行的場景以及環(huán)島或者由多個場景組成的城市道路場景下的深度強化學習方法，以及用深度強化學習做自主探索的研究。

中國科學院自動化研究所

復雜系統(tǒng)管理與控制國家重點實驗室副研究員張啟超

最后，清華大學自動化系助理教授黃高博士帶領大家回顧了卷積神經網絡的典型結構，分析了有利于提升模型性能的設計方法與原則，并探討了近期面向移動設備的輕量化卷積網絡結構設計方法。隨后，黃高博士著重介紹了一類在推理過程中能夠根據輸入的變化改變自身結構的自適應神經網絡模型-動態(tài)網絡。相較于當前主流的靜態(tài)深度模型，如ResNet、DenseNet和MobileNet等，動態(tài)網絡能夠針對輸入的變化相應地調整自身的深度、寬度或者參數值等，實現計算量的“按需分配”，進而提升網絡的效率，降低系統(tǒng)功耗。最后，黃高博士還介紹了適應樣本變化和適應空間變化的兩類動態(tài)網絡模型，并討論現有方法的局限以及未來發(fā)展前景。

清華大學自動化系助理教授黃高

會后，李升波教授、丁大偉教授、左志強老師、黃高老師、陳建宇老師、張啟超老師合影留念。