计算机学院举办“自主驾驶中的端到端模型简介”学术沙龙

122日,计算机学院4003室举办了“自主驾驶中的端到端模型简介”的学术沙龙。主讲人是研二的于平学长,他向在座的研一同学们分享了自主驾驶的相关知识。


     首先,于平学长介绍了何为”self driving”,即利用传感器,雷达等采集驾驶的环境信息,如地图信息,再根据Dijstra等算法得到驾驶的路线图。自主驾驶端到端模型的好处在于简单,可根据图像得到方向盘的信息,同时也具有更好的仿生性;但很难处理车辆较多,路况较为复杂的情况。于平学长向我们介绍了基于端到端模型的两个重要项目,一个是ALVINN项目,它使用简便传统的三层神经网络算法,可满足道路跟踪。另一个是DAVE项目,使用CNN网络,获得装有立体摄像头小车的方向盘角度等信息。接下来,于平学长又介绍了基于深度神经网络的NVIDIA Self-diving Car,在Florida的高速公路上,该方法取得了98%的准确率,是一个相当令人满意的实验结果。最后,于平学长提到了自主驾驶的衡量指标。例如为了使得车体保持在中线上,车体距离车道左线与右线的距离可作为衡量指标;在车体做超车准备时,与超车车道后方车辆的距离可作为衡量标准。学长播放了相关视频,让大家深刻的了解了简述内容。


    讲座接近尾声,于平学长说道数据训练集要做好数据清理工作;其次,要与实际相结合,参考人类开车行为,注重仿生学观点。例如采用DAVE方法,小车上有一个立体摄像头时实验结果准确率在70%左右,看似不高,但满足了自己驾驶的基本要求,因为对于人类的“独眼龙”来说,开车时仅仅会对距离判断等产生些许误差,但不影响正常驾驶。