机器学习在汽车中的应用:从大众今天扩建慕尼黑AI实验室说起

简介:

大众集团日前宣布,将加大投资力度来加强其位于德国慕尼黑AI数据实验室的实力,专门致力于人工智能技术的研发。大众方面称,虽然目前正在削减内部开支,但作为IT计划的一部分,大众在慕尼黑的AI数据实验室并未受到影响,会有更多的人力投入人工智能团队的建设。

据了解,大众数据实验室的研究团队将继续发展无人驾驶技术和机器人学,主要研究方向包括机器学习技术,即引导机器人和传感器加强识别能力,以对行驶中遇到的物体和不同情形作出辨识,换言之,团队希望提高汽车摄像头的检测能力,减少无人驾驶汽车因拍摄盲区等而存在的安全隐患。

另外,团队希望提高汽车摄像头的检测能力,减少无人驾驶汽车因拍摄盲区等而存在的安全隐患。慕尼黑数据实验室已经成为大众在研究上述领域中最大的实验室,并宣称拥有全汽车行业中最多的人工智能专家和数据科学专家。说到人工智能和数据科学家,汽车行业的人士都深知在汽车的无人驾驶和智能化方向上涉及到大量的人工智能技术和数据处理相关知识。

比如,大众在人工智能技术在汽车中的应用主要是在自动驾驶方面,包括:

  • 基于图像和传感器的模式识别(Pattern Recognition)

  • 基于算法的智能决策(Intelligent Decision-making)

  • 判断处理不同数据类型(Data Types Processing)

  • 人工智能还可应用到“企业机械化”中——将自适算法应用到企业各项功能和流程中(发展、生产、财经、质量保证)

其中特别要注意的是模式识别不仅仅是上面提到的图像识别(光图像识别就包括行人识别、交通标识识别、汽车牌照识别,这些都通过视觉系统完成,难点主要在实时性和鲁棒性。要离线处理这些交通标志是很简单的,但是在无人车上需要能在有限的时间里识别出来,并且考虑道路中可能有的光线变化、遮挡等问题。)还有现在在车内非常流行的语音识别,以及汽车中的零部件故障诊断识别。

举例来说,机器学习技术在汽车中的应用可以这样:

原本停在你旁边的一辆汽车突然驶向马路,机器学习技术就是在这样的情形下,让你的汽车掌握突发情况的技能。假设汽车也能够自动检测到引起驾驶员注意的细节,那么路上其他车辆不避让时,汽车也可以轻易避开潜在的事故。

关于模式识别

我们另外有请教汽车行业中的人工智能专家,他谈到目前人工智能在自动驾驶中的应用涉及到:

  • 图像识别

  • 语音识别

  • 激光雷达

  • 毫米波雷达(也涉及高精度地图,高速处理器等)

另外有业者表示,计算机视觉的确是深度学习的非常大一块,但绝对不是全部。比如利用深度学习去做一些环境的预测,做一些驾驶的决策。

关于智能决策

  • 汽车本身以后就将会是个高度智能体

  • 包括它的研发设计与生产制造(智造)

  • 驾驶(自动驾驶,自适应变形调节)

  • 后装维护等

关于数据处理

与判断处理不同数据类型不同

  • 汽车设计制造都离不开仿真优化(基于数学模型)。

  • 一些关键影响因子的识别及整体性能的优化(各参数的最佳组合)就要充分用到数据分析。

  • 只要涉及多变量的模型(对应车辆某些性能问题)就离不开数据分析与参数优化。

最关键的是大众集团最新宣布来领导慕尼黑AI数据实验室的是Patrick van der Smagt,他的主要研究方向是机器学习在机器人领域的应用、仿生和传感器数据的处理。

Patrick van der Smagt也是德国BRML实验室主任,BRML实验室主要研究方向为机器学习、运动识别以及人机交互等,其与包括慕尼黑工业大学、慕尼黑大学、德国航空航天中心等世界一流的研究机构都有密切联系。


本文作者:李尊


本文转自雷锋网禁止二次转载,原文链接

相关文章
|
1天前
|
人工智能 自动驾驶 机器人
【通义】AI视界|苹果自动驾驶汽车项目画上句号:加州测试许可被取消
本文精选了24小时内的重要科技新闻,包括Waymo前CEO批评马斯克对自动驾驶的态度、AMD发布新款AI芯片但股价波动、苹果造车项目终止、Familia.AI推出家庭应用以及AI逆向绘画技术的进展。更多内容请访问通义官网体验。
|
2天前
|
机器学习/深度学习 人工智能 安全
自动化测试的未来:AI与机器学习的结合
随着技术的发展,软件测试领域正迎来一场革命。自动化测试,一度被认为是提高效率和准确性的黄金标准,如今正在被人工智能(AI)和机器学习(ML)的浪潮所推动。本文将探讨AI和ML如何改变自动化测试的面貌,提供代码示例,并展望这一趋势如何塑造软件测试的未来。我们将从基础概念出发,逐步深入到实际应用,揭示这一技术融合如何为测试工程师带来新的挑战和机遇。
12 2
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
自动化测试的未来:AI与机器学习的融合
【9月更文挑战第29天】在软件测试领域,自动化测试一直是提高测试效率和质量的关键。随着人工智能(AI)和机器学习(ML)技术的飞速发展,它们正逐步渗透到自动化测试中,预示着一场测试革命的来临。本文将探讨AI和ML如何重塑自动化测试的未来,通过具体案例展示这些技术如何优化测试流程,提高测试覆盖率和准确性,以及它们对测试工程师角色的影响。
43 7
|
9天前
|
机器学习/深度学习 人工智能 算法
揭秘AI:机器学习的魔法与现实
【9月更文挑战第33天】在这篇文章中,我们将一探究竟,揭开机器学习神秘的面纱,通过直观的解释和代码示例,了解其背后的原理。无论你是初学者还是有一定基础的学习者,这篇文章都将为你提供有价值的信息。让我们一起探索机器学习的世界,发现它的奥秘和魅力!
|
13天前
|
机器学习/深度学习 人工智能 数据挖掘
探索自动化测试的未来:AI与机器学习的融合
【9月更文挑战第29天】在软件测试领域,自动化测试一直是提高效率和准确性的关键。但随着技术的发展,特别是人工智能(AI)和机器学习(ML)的兴起,我们见证了一个新时代的到来——自动化测试的未来正逐渐被重新定义。本文将探讨AI和ML如何改变自动化测试的面貌,从智能测试脚本的生成到测试结果的深度分析,我们将一探究竟这些前沿技术是如何使测试流程更加智能化、高效化,并预测它们将如何塑造软件测试的未来趋势。
|
18天前
|
机器学习/深度学习 人工智能 自动驾驶
揭秘AI的魔法:机器学习在图像识别中的应用
【9月更文挑战第24天】当AI技术遇到图像识别,就像是打开了新世界的大门。本文将深入浅出地介绍机器学习在图像识别领域的应用,通过实例和代码展示如何让机器“看懂”图片。让我们一起探索AI的魔法,开启一段科技与创新的旅程!
|
1天前
|
机器学习/深度学习 数据采集 人工智能
AI与机器学习:从理论到实践
【10月更文挑战第2天】本文将深入探讨AI和机器学习的基本概念,以及它们如何从理论转化为实际的应用。我们将通过Python代码示例,展示如何使用机器学习库scikit-learn进行数据预处理、模型训练和预测。无论你是AI领域的初学者,还是有一定基础的开发者,这篇文章都将为你提供有价值的信息和知识。
|
3天前
|
机器学习/深度学习 人工智能 自然语言处理
【AI系统】AI在不同领域的应用与行业影响
本文探讨了人工智能在计算机视觉、自然语言处理及音频处理等领域的广泛应用,并展示了其在自动驾驶、安全监控、搜索引擎优化、客户服务、语音识别及多个行业的革新作用,强调了AI基础设施与系统创新对未来社会的影响与价值。
24 1
|
4天前
|
人工智能 Serverless
AI助理精准匹配,为您推荐方案——如何添加一个Stable Difussion图像生成应用
介绍了一种利用AI助手快速获取并搭建Stable Diffusion图像生成应用的方法。用户只需在阿里云官网向AI助手提出需求,即可获得详细的实施方案。随后,按照AI助手提供的方案,通过函数计算部署应用,并进行测试。此过程显著提升了开发效率。
38 1
AI助理精准匹配,为您推荐方案——如何添加一个Stable Difussion图像生成应用
|
1天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第2天】本文深入探讨了人工智能技术在医疗诊断领域的应用,以及其带来的变革。通过分析AI技术的工作原理和实际应用案例,揭示了AI在提高诊断准确率、优化治疗流程等方面的巨大潜力。同时,文章也指出了AI在医疗领域面临的伦理、法律和技术等挑战,并讨论了未来可能的发展方向。
16 7

热门文章

最新文章