SAECCE 2023 "생성인공지능과 자율주행" 특별 세션이 성공적으로 개최되었습니다.

2023년 10월 26일, 중국자동차공학회, 칭화대학교, 북경대학교가 공동으로 주최한 '생성 인공 지능 및 자율 주행' 특별 행사가 베이징 Etron 국제 컨벤션 및 전시 센터에서 성공적으로 개최되었습니다. 이번 컨퍼런스는 2023년 중국자동차공학협회 연례회의 및 박람회(SAECCE2023)에서 열리는 '지능형 커넥티드 차량 기술'에 관한 중요한 주제 세션 중 하나로, 주로 인지, 포지셔닝 등 생성 인공지능 기술과 자율주행차의 교차점을 논의합니다. , 의사 결정, 제어, 차량-도로 협업, 알고리즘 보안 및 기타 애플리케이션. 컨퍼런스 주제는 인공지능 알고리즘 보안 강화, 엔드투엔드 자율주행, 강화학습, 차량-도로 협업 센싱, 최적 제어를 위한 분산 행동 중심 알고리즘, 지능형 주행 AGI 등을 다룹니다.

이 회의의 의장을 맡은 칭화대학교 자동차교통대학 부학장인 Li Shengbo 교수가 회의를 주재했습니다. 북경대학교 공과대학 연구원인 Liu Chang 박사가 회의의 공동 의장을 맡았습니다. 회의에서는 칭화대학교, 상하이 인공지능 연구소, 상하이 교통대학교, 베이징 과학기술대학교, SenseTime 연구소의 전문가 및 학자 6명이 훌륭한 기조 연설을 했으며 포럼의 상호 작용 분위기는 활기차고 활기찼습니다.

Li Shengbo, 칭화대학교 자동차교통대학 부학장

칭화대학교 Cui Peng 부교수는 자율주행 알고리즘 안전성의 관점에서 현재 자율주행 알고리즘의 안전 병목 현상을 분석하고, 자율주행 알고리즘의 안전성을 향상시키는 중요한 기술적 접근 방식, 즉 자율주행 성능을 향상시키는 방법을 제안했습니다. 인공지능 알고리즘. 분포 외 일반화 능력. 인공지능 알고리즘의 분포 외 일반화 문제를 바탕으로 자율주행에 적용되는 알고리즘 일반화의 중요성이 강조되고, 이를 바탕으로 분포 외 일반화 문제를 해결하기 위한 두 가지 해법을 제안한다. 인과 추론의 외삽과 불변성을 찾는 데이터 기반 보간을 기반으로 합니다. 이어 추이펭(Cui Peng) 교수는 자신의 팀의 최근 연구 결과를 소개하며 그들의 방식이 기존 자율주행 알고리즘보다 일반화 성능이 더 강력하다는 것을 실험을 통해 입증했다. 마지막으로 Cui Peng 교수는 기존 자율주행 알고리즘의 일반화 문제에 대한 새로운 개발 방향을 제시했으며, 인공지능 알고리즘의 일반화 경계 평가를 수행하면 알고리즘이 보다 이상적인 상태로 발전할 수 있다고 믿었습니다

Cui Peng, 칭화대학교 영구 부교수

상하이 인공 지능 연구소 OpenDrive 팀의 젊은 연구원인 Cao Xiaoxu 박사는 현재 개발 상태를 기반으로 자율 주행을 강화하기 위한 E2E(엔드 투 엔드) 기술의 현재 연구 및 개발 진행 상황을 공유했습니다. 먼저 차오 박사는 자율주행 분야의 발전 역사를 살펴본 뒤, 대형 자율주행 분야를 분석하고, 마지막으로 자율주행 산업에 대한 전망을 제시했다. 그는 E2E 기술의 핵심은 의사결정 지향적이어야 하며, 이를 바탕으로 다양한 하위 모듈이 통합되어야 한다고 믿습니다. 그러다가 Cao 박사는 현재 기술에는 전략 경쟁의 문제, 세계 모델의 개발, 알고리즘 일반화의 문제라는 세 가지 주요 핵심 과제가 있다고 믿고 이 문제를 해결하는 OpenDrive 팀의 DriveAGI 아키텍처를 제안했습니다. 차량을 지능형 차량으로 인식하고 추론, 의사결정, 실행 및 일반화를 통합하여 진정한 대규모 자율 주행 모델을 개발합니다. 마지막으로 Cao 박사는 3세대 데이터 세트를 기대했으며, 향후 데이터 세트는 크기가 커진다는 전제 하에 작업 다양성과 장면 다양성도 갖춰야 하며 더 나은 센서 구성을 갖춰야 한다고 믿었습니다. 다중 양식과 높은 복잡성의 특성을 가지고 있습니다.

상하이 인공 지능 연구소 OpenDrive 팀의 젊은 연구원 Cao Xiaoxu

칭화대학교 교차정보연구소 조교수인 Xu Huazhe 박사가 강화학습 기술의 현재 개발 상황에 대해 설명했습니다. 그는 산업계, 특히 자율주행 분야에서 사용되는 강화학습 알고리즘이 현재 특정 단점을 갖고 있다고 믿습니다. 이는 환경에서 에이전트 학습이 지연되고, 심층 강화 학습으로 생성된 데이터와 에이전트의 행동 사이에 강한 상관관계가 있기 때문입니다. 이를 바탕으로 Xu Huazhe 박사는 현재 강화 학습 알고리즘의 두 가지 주요 문제, 즉 낮은 샘플 효율성과 낮은 일반화 능력을 요약했습니다. 그는 낮은 샘플 효율성으로 인한 과소평가 문제를 개선하고 에이전트가 여러 작업 실패로 인해 올바른 전략 탐색을 잃지 않는 것이 최우선 과제라고 믿습니다. 동시에 Xu Huazhe 박사는 강화 학습 알고리즘에도 일반화 문제가 있다고 믿고 있으며 현재 상황을 기반으로 그와 그의 팀은 "RL-ViGen"이라는 알고리즘을 제안했으며 실험을 통해 알고리즘이 좋은 성능을 가지고 있음을 입증했습니다. 일반화 능력.

Xu Huazhe, 칭화대학교 교차정보연구소 조교수

상하이 교통대학교 영구 부교수인 Chen Siheng 박사는 편리한 의사소통이 가능한 차량-도로 협동 감지 방법을 소개했습니다. 자율주행은 군중 감지의 중요한 응용 시나리오로, 핵심 정보의 자율 공유를 통해 단일 개체가 극복하기 어려운 인식 문제를 해결할 수 있습니다. 군중 감지에서 거대하고 시변적인 통신 링크 부하 문제에 직면한 Chen Siheng 박사 팀은 "실용적으로 주도되는 인식 공급 및 수요"를 사용하여 "다중 에이전트 자율 상호 작용"을 추진하는 기계 학습 프레임워크를 개척했습니다. 모든 통신 대역폭 및 라운드 수에 맞춰 통신 소비를 줄이고 움직이는 표적 탐지 효과를 향상시킵니다. 마지막으로 Chen Siheng 박사는 군중 지능 상호 인식의 효과에 영향을 미치는 다양한 차원을 체계적으로 소개하고 차량-도로 협업 솔루션의 현실적인 이점과 엄청난 잠재력을 확인했습니다.

Chen Siheng, Shanghai Jiao Tong University 영구 부교수

베이징 과학기술대학교 기계공학부 부교수인 Dr. 강화 학습이 업계에서 구현되도록 촉진하기 위한 그의 팀의 노력을 소개했으며, 기여에는 자체 개발한 강화 학습 솔루션 도구 체인 GOPS 및 가치 분포 강화 학습 알고리즘(DSAC)이 포함됩니다. 그중 GOPS는 모듈식 구성을 갖추고 있으며 주류 및 자체 개발 훈련 알고리즘, 다양한 대략적인 기능을 내장하고 체육관, Simulink 및 사용자 정의 환경을 지원하여 산업 문제에서 응용 솔루션까지의 가교를 구축합니다. DSAC 알고리즘은 가치 함수 분포를 학습함으로써 과대평가 문제를 효과적으로 억제하고 꾸준히 성능을 향상시킬 수 있습니다. 현재 이 알고리즘은 제약 과제, 대결 과제, 원활한 신경망 등과 결합해 다양한 확장 형태를 구현하고 있으며, 하이브리드 차량 에너지 관리, 착암기 제어, 로켓 회수 등의 과제에 적용되고 있다.

Duan Jingliang, 베이징 과학기술대학교 기계공학과 부교수

SenseTime 연구소의 R&D 이사인 Lu Lewei 박사가 Jueying Intelligent Driving의 R&D 프로세스와 개발 레이아웃을 체계적으로 소개했습니다. 업계 최고의 순차 BEV 알고리즘 BEV Former부터 대형 모델 솔루션 BEV Former2, 장애물 감지 솔루션 OccNet에 이르기까지 SenseTime Jueying은 산업계의 인식 기술 개발 및 구현에서 선도적인 위치에 있습니다. 대형 모델의 역량 강화에 힘입어 SenseTime은 자율주행 인식과 의사결정을 통합한 자율주행용 멀티모달 대형 모델 솔루션인 UniAD를 제안해 학계와 업계로부터 폭넓은 관심을 받았습니다. 이를 바탕으로 Jueying Intelligent Driving은 계속해서 일반 인공 지능을 배포하고 자율 주행을 위한 다중 모드 대형 모델 솔루션의 추가 적용을 촉진할 것입니다.

Lu Lewei, SenseTime 연구소 R&D 이사

회의가 끝난 후 리성보 교수는 보고서에 참여한 전문가와 학자들에게 연설 인증서를 수여했습니다.

위 내용은 SAECCE 2023 "생성인공지능과 자율주행" 특별 세션이 성공적으로 개최되었습니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!