机构名称：
¥ 1.0
摘要 - 远程在远程检测对于确保自动驾驶车辆的安全性和效率至关重要，使它们能够准确地感知并对物体，障碍物和潜在危害做出反应。但大多数基于最新的激光雷达方法的范围都受到限制，这是由于远距离的稀疏性，该方法在远离自我车辆的点之间产生了一种域间隙形式。另一个相关的问题是遥远对象的标签不平衡，它抑制了远程深度神经网络的性能。为了解决上述局限性，我们研究了两种方法来改善基于激光雷达的3D检测器的远程性能。首先，我们结合了两个3D检测网络，称为范围专家，一个专门在接近中端对象，一个在远程3D检测中。要在稀缺的标签制度下在远程训练检测器，我们根据标记的点与自我车辆的距离进一步权衡了损失。第二，我们使用多模式虚拟点（MVP）生成的虚拟点增强LIDAR扫描，这是一种易于可用的基于图像的深度完成算法。我们对远程argoverse2（AV2）数据集的实验表明，MVP在改善远距离性能方面更有效，同时保持直接实现。另一方面，系列专家提供了一种计算高效，更简单的替代方案，避免依赖基于图像的分割网络和完美的摄像头校准。
gamevlm：基于视觉语言模型和零和零游戏的机器人任务计划的决策框架
主要关键词
相关文件推荐
