XiaoMi-AI文件搜索系统
World File Search SystemDriving
使用不确定性定量
摘要 - 对意外情况的自动实时识别在自动驾驶汽车的安全中起着至关重要的作用，尤其是在不支持且无法预测的情况下。本文评估了来自深度学习域的不同贝叶斯不确定性量化方法，以预测基于系统级模拟的测试期间对安全至关重要的不当行为进行预测。具体来说，我们计算不确定性得分作为车辆执行，此后直觉是高不确定性得分表明无支撑的运行时条件，这些条件可用于区分安全性诱导故障驾驶行为。在我们的研究中，我们对两种贝叶斯不确定性定量方法相关的有效性和计算开销进行了评估，即Mc-辍学和深层集合，以避免行为不当。对全部 对于来自udacity模拟器的三个基准，包括通过突变测试介绍的分布和不安全条件，两种方法都成功地检测到了大量的越野发作，可提前几秒钟提供几秒钟的早期警告，并提前几秒钟，超出了两个省级的错误态度错误的预测方法，并在效率上效率效率和注意力效应，并效率为效率效率，并效率为效率，并提前效率上的效率效应。 值得注意的是，深层合奏在没有任何错误警报的情况下检测到了大多数不当行为，即使使用相对较少的模型，也可以在计算上可行地进行实时检测。 我们的发现表明，将不确定性量化方法纳入是一种可行的方法，用于在基于深度神经网络的自动驾驶汽车中构建故障安全机制。对于来自udacity模拟器的三个基准，包括通过突变测试介绍的分布和不安全条件，两种方法都成功地检测到了大量的越野发作，可提前几秒钟提供几秒钟的早期警告，并提前几秒钟，超出了两个省级的错误态度错误的预测方法，并在效率上效率效率和注意力效应，并效率为效率效率，并效率为效率，并提前效率上的效率效应。 值得注意的是，深层合奏在没有任何错误警报的情况下检测到了大多数不当行为，即使使用相对较少的模型，也可以在计算上可行地进行实时检测。 我们的发现表明，将不确定性量化方法纳入是一种可行的方法，用于在基于深度神经网络的自动驾驶汽车中构建故障安全机制。对于来自udacity模拟器的三个基准，包括通过突变测试介绍的分布和不安全条件，两种方法都成功地检测到了大量的越野发作，可提前几秒钟提供几秒钟的早期警告，并提前几秒钟，超出了两个省级的错误态度错误的预测方法，并在效率上效率效率和注意力效应，并效率为效率效率，并效率为效率，并提前效率上的效率效应。 值得注意的是，深层合奏在没有任何错误警报的情况下检测到了大多数不当行为，即使使用相对较少的模型，也可以在计算上可行地进行实时检测。 我们的发现表明，将不确定性量化方法纳入是一种可行的方法，用于在基于深度神经网络的自动驾驶汽车中构建故障安全机制。对于来自udacity模拟器的三个基准，包括通过突变测试介绍的分布和不安全条件，两种方法都成功地检测到了大量的越野发作，可提前几秒钟提供几秒钟的早期警告，并提前几秒钟，超出了两个省级的错误态度错误的预测方法，并在效率上效率效率和注意力效应，并效率为效率效率，并效率为效率，并提前效率上的效率效应。值得注意的是，深层合奏在没有任何错误警报的情况下检测到了大多数不当行为，即使使用相对较少的模型，也可以在计算上可行地进行实时检测。我们的发现表明，将不确定性量化方法纳入是一种可行的方法，用于在基于深度神经网络的自动驾驶汽车中构建故障安全机制。
在全球车辆行业的AI驱动的Cisco Catalyst中心驾驶它/OT卓越
在AI 8.161高级业务领导者组织中担任领导角色的人，有500多个，30个市场，18行业https://www.cisco.com/c/m/en_us/solutions/solutions/solutions/solions/ai/readiness-index/index/assessment-index/assessment-tool-sessment-tool.htool.html.html
凭经验评估模拟环境中自动驾驶系统的片状测试
摘要 - 在自主驾驶系统（ADS）测试中，测试场景是预定的，特定的事件序列，包括静态实体（例如道路形状和交通标志）和动态实体（例如，交通信号灯和周围车辆的轨迹）。通过根据测试方案创建环境并在该环境中运行正在测试的广告，我们可以验证广告是否造成任何违反安全性（例如，与其他车辆的碰撞）。由于与现实世界中的测试方案相关的高成本和风险，基于模拟的测试依赖于可以创建各种虚拟驾驶环境的驱动模拟器，因此引起了极大的关注。由于模拟环境可以比现实世界更确定性，因此基于模拟的测试可以提供非粉状测试，即，从理论上讲，相同的测试场景（和相同的ADS）相同的测试结果。但是，在基于模拟的广告测试中，我们真的没有片状测试吗？本文使用两个广泛使用的开源驾驶模拟器：CARLA和MetAdrive在基于模拟的ADS测试中进行经验研究。我们的结果表明，令人惊讶的是，由于卡拉中的非确定模拟，基准测试方案的31.3％可能是片状的，而元素没有产生任何片状测试。我们进一步讨论了非确定模拟的潜在原因，片状测试在ADS测试中的含义以及减轻未来工作中片状的实用策略。
移动出行：推动交通运输新纪元
本文是系列文章的一部分，该系列文章深入探讨了我们今年的旗舰研究作品《绘制颠覆图表》中最流行的主题。本专题关注移动出行，是“基础设施与环境”部分的一部分，探索该领域的各种创新。如需从项目中获得更多见解，请单击此处。电动汽车（EV）不再是交通运输领域的小众市场。2024 年，轻型汽车领域的电池电动汽车（BEV）和插电式混合动力电动汽车总销量达到 1,710 万辆，约占全球乘用车销量的 20%。1 预计 2025 年全球电动汽车销量将同比增长 19%，达到 2040 万辆，到 2030 年代中期，电动汽车年销量可能超过 6000 万辆。2,3 长期增长前景受到多种顺风因素的支撑，包括支持性政策和技术进步。整个电动汽车供应链上的公司都有可能从运输行业的转型中受益，其中包括矿工、电池生产商和汽车制造商。
对自动驾驶系统中的错误固定模式的全面研究
随着自主驾驶系统（ADS）变得越来越复杂，对日常生活不可或缺，因此相应地增长了这些系统中软件错误的性质和缓解性质的重要性。应对自动驾驶系统中软件维护的挑战（例如，处理实时系统决策并确保安全至关重要的可靠性）至关重要，这是至关重要的，这是由于实时决策要求的独特组合和广告中的高赌注。该领域中自动化工具的潜力是有希望的，但是我们对所面临的挑战以及手动调试和修复此类系统所面临的策略的理解仍然存在差距。在本文中，我们提出了一项经验研究，该研究调查了广告中的错误固定模式，以提高可靠性和安全性。我们已经分析了两个主要的自动驾驶项目的提交历史和错误报告，即阿波罗和自动驾驶，从1,331个错误修复中，研究了错误症状，根本原因和错误框架模式。我们的研究揭示了几种主要的错误框架模式，包括与路径计划，数据流和配置管理相关的模式。此外，我们发现错误框架模式的频率分布明显取决于其性质和类型，并且某些类别的错误是经常出现的，并且灭绝更具挑战性。根据我们的发现，我们提出了ADS错误的层次结构和15个句法错误框模式的两个分类法和27个语义错误框架模式，可为错误识别和分辨率提供指导。我们还贡献了1,331个ADS Bug-Fix实例的基准。
解锁经济经济：推动...
西区的多元化生态系统 - 涵盖沉浸式剧院，展览，竞争社交，赌场，电影院，酒店，创新餐厅，零售和现场活动 - 具有巨大的潜力，以促进英国经济增长。但是，意识到这种潜力需要集中的支持和战略行动。该行业处于关键时刻，要求采取大胆的措施来应对挑战并利用机会。伦敦商业联盟（Holba）的核心之心委托这份初步报告以深入研究体验经济的深入研究，这是霍尔巴（Holba）第2季度2024年季度房地产洞察力报告的一部分，该报告突出了消费者对商品对商品的体验的偏好以及该行业的大量投资的转移。 该领域的研究仍处于早期阶段。 在强调体验经济的影响时，该报告旨在引发讨论和行动，同时承认数据差距，并为未来的Holba委托研究提供基础。 针对从土地所有者到占领者，再到政策制定者和行业影响者的不同受众，该报告继续探讨了国际典范的典范，以及西区基本上重要的经济领域所面临的当前增长机会和障碍。 探究伦敦中心（HOL）地区已经进行的重大投资，该报告突显了超过41,000平方英尺的新赌场空间的潜在发展，3.7亿英镑的酒店翻新以及在莱斯特广场，摄政街，Haymarket和National >>/div>>>>/div>>>>/div>>>/div>>>/div>>>/div>>>/div>>>/div>>>/div>>>/div>>>/div>>>/div>>>/div>>>/div>>伦敦商业联盟（Holba）的核心之心委托这份初步报告以深入研究体验经济的深入研究，这是霍尔巴（Holba）第2季度2024年季度房地产洞察力报告的一部分，该报告突出了消费者对商品对商品的体验的偏好以及该行业的大量投资的转移。该领域的研究仍处于早期阶段。在强调体验经济的影响时，该报告旨在引发讨论和行动，同时承认数据差距，并为未来的Holba委托研究提供基础。针对从土地所有者到占领者，再到政策制定者和行业影响者的不同受众，该报告继续探讨了国际典范的典范，以及西区基本上重要的经济领域所面临的当前增长机会和障碍。探究伦敦中心（HOL）地区已经进行的重大投资，该报告突显了超过41,000平方英尺的新赌场空间的潜在发展，3.7亿英镑的酒店翻新以及在莱斯特广场，摄政街，Haymarket和National
指导，不开车：命令的设计和评估...
AV的低水平系统，例如方向盘和踏板，ROS可以通过标准化命令来管理各种车辆的能力，包括尺寸，宽度和类型的不同车辆以及各种舰队，包括私人汽车，班车和卡车。这种方法简化了适应过程并简化了学习曲线，因为在不同的远程手工车辆之间过渡时，不需要ROS开发新的心理模型[63]。第三，Tele-satherance在安全性方面提供了重要的增强。来自美国运输部的数据表明，在美国，人为错误是94％的事故[30]。Waymo的最新发现进一步强调了自动驾驶汽车
llm驱动的自动驾驶场景测试
在另一侧，在过去的两年中，大型语言模型（LLM）以及所谓的生成人工智能的其他方法吸引了许多研究人员和爱好者的注意。在众多拟议的采用中，LLM也被考虑改善现有软件开发流程。通常，由LLMS [1，3]：1）代码生成的软件开发领域所涵盖以下方面 - 自动生成可执行代码从自由形式的文本描述开始，或者也可能涉及其他输入； 2）调试和代码分析 - 确定提供的代码中的安全缺陷，错误和其他潜在问题； 3）代码说明 - LLM能够提供给定代码摘录的详细文本描述； 4）代码校正 - 在向用户的反馈，代码更正和其他建议改进给定代码时，LLMS也被批准非常有用。
自主驾驶感知软件实习苏黎世
Embotech是一种屡获殊荣的软件扩展，开发了自动驾驶汽车的最前沿自动驾驶技术和解决方案，重点是私人地面应用，例如港口航站楼的卡车和工厂的乘用车。我们通过利用自2013年以来一直在开发的实时优化技术来提供安全的自主运输。我们正在寻找一个热情的实习生，渴望为我们的高级感知软件的开发做出贡献。，您将使用Embotech的自动驾驶软件堆栈和外部供应商的硬件组件来部署快速增长的自动驾驶卡车，以供私人场地迅速发展，从而发挥着重要作用。您的角色将涉及为自动卡车开发感知软件，并在模拟和Embotech的测试车中进行测试。责任•开发以私人场地自动驾驶的感知软件。•在测试设置（SIL/HIL）和现实生活中使用我们自己的测试工具进行测试软件。•分析日志数据并主动解决问题。•查看拉请请求。•与系统工程师，软件工程师和控制工程师合作，提供完整的自动驾驶堆栈。•根据需要前往客户或自己的测试区域。
推动可持续生物技术创新
欧洲生物基地试验工厂 欧洲生物基地试验工厂 (BBEPP) 是一个独立的、开放的、最先进的试验设施，用于工艺开发、扩大规模和定制制造生物基工艺和产品，从实验室规模到数吨规模。 广泛而灵活的模块化单元操作范围，加上经验丰富的工程师和技术人员，使 BBEPP 能够将生物基实验室协议转化为可行的工业流程。 欧洲生物基地试验工厂利用生物质预处理、生物催化、（气体）发酵、绿色化学和产品回收与净化等技术，将可再生原料转化为生物化学品、生物材料、生物燃料和其他生物产品。 欲了解更多信息，请访问 www.bbeu.org、联系 busdev@bbeu.org 或在 LinkedIn 上关注我们。