基于深度学习的End-to-end自动驾驶基于深度学习的End-to-end自动驾驶.pdf

基于深度学习的End-to-end自动 驾驶方案 郁浩 rule based solution Rule based World model 感知 决策 传感器 控制 车辆 Rule based – Architecture by SAE Rule based  系统复杂性 人工设计上千个模块  高精地图的成本 广铺 更新  车载硬件计算能力 各个子模块自己的网络 Rule based 难度之大，已经远超一家公司的能力范围，需要一个协作的生态（联盟）。 人，如何驾驶？ End-to-end 简介 lateral control raw image longitudinal control End-to-end 历史及现状 • 1988 – ALVINN, CMU • 全连接，浅，单目 • 2005 – DAVE, Yann LeCun • 2015 – DeepDriving, princeton • 2016 – DAVE 2, NVIDIA • 2016至今 – 初创公司 End-to-end 历史及现状 • 1988 – ALVINN, CMU • 2005 – DAVE, Yann LeCun • 卷积，双目，off-road • 2015 – DeepDriving, princeton • 2016 – DAVE2, NVIDIA • 2016至今–初创公司 End-to-end 历史及现状 • 1988 – ALVINN, CMU • 2005 – DAVE, Yann LeCun • 2015 – DeepDriving, princeton • 中间状态，由图像直接生成关键参数 • 2016 – DAVE 2, NVIDIA • 2016至今–初创公司 End-to-end 历史及现状 • 1988 – ALVINN, CMU • 2005 – DAVE, Yann LeCun • 2015 – DeepDriving, princeton • 2016 – DAVE 2, NVIDIA • 单目、卷积、实车、评估体系 • 评估体系、三目相机 • 2016 –初创公司 End-to-end 历史及现状 • 1988 – ALVINN, CMU • 2005 – DAVE, Yann LeCun • 2015 – DeepDriving, princeton • 2016 – DAVE 2, NVIDIA • 2016至今–初创公司 • Comma.ai, Drive.ai , AutoX ，udacity等 End-to-end Robot End-to-end 现状总结 有点玄乎…… 能干啥？ 目前的主要问题? 不能干啥？ 具体的，和rule based 有啥区别和联系 ？ End-to-end 现状总结