有没有SEE架构传感器驱动开发的大牛

芯光翼翼 2022-07-26 08:46:15

有没有Qualcomm SEE架构传感器驱动开发的大牛

...全文

1857 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

强化学习（RL）为我们提供了一种通过采样、训练和评估神经网络架构来智能地学习最具表现力的神经网络（NN）架构的方法，并通过预测性地生成最有效的神经网络架构配置来应用所学的经验。简而言之，使用 RL 的神经架构搜索（NAS）训练一个神经网络来生成最佳的神经网络架构！使用 RL 的 NAS 最大的挑战仍然是所需的高昂计算时间。为了规避这个问题，下面列出了一些不同方法所采取的技巧：在一个较小但仍具有代表性的数据集上训练 NAS 作为代理任务，并在主要的大数据集上训练和评估最终获得的神经架构。

本报告旨在为仿生机器人头部设计一个全面的认知-情感软件架构，以实现自然、情感智能的互动。拟议的架构将使机器人能够像人类一样，动态生成情绪、进行复杂的表情表达（包括情绪掩饰）、拥有强大的记忆系统，并形成独特的自我认知。报告强调了多模态感知、大型语言模型（LLMs）、强化学习和知识图谱等前沿人工智能技术的整合，以将用户对一个能够感知环境、有机产生思想和情感、自然表达（即使带有细微的情绪掩饰）、建立丰富个人历史并拥有强烈自我意识的机器人的愿景变为现实。

本系列博客包括6个专栏，分别为：《自动驾驶技术概览》、《自动驾驶汽车平台技术基础》、《自动驾驶汽车定位技术》、《自动驾驶汽车环境感知》、《自动驾驶汽车决策与控制》、《自动驾驶系统设计及应用》，笔者不是自动驾驶领域的专家，只是一个在探索自动驾驶路上的小白，此系列丛书尚未阅读完，也是边阅读边总结边思考，欢迎各位小伙伴，各位大牛们在评论区给出建议，帮笔者这个小白挑出错误，谢谢！此专栏是关于《自动驾驶技术概览》书籍的笔记。 4.安全解决方案概述：自动驾驶汽车的安全问题涉及的层级，包括：传感器、操作系统、控制

我自己的原文哦~ https://blog.51cto.com/whaosoft/13431196上交提出：以Decoder为核心的大一统架构写在前面 & 笔者的个人理解当前端到端自动驾驶架构的串行设计导致训练稳定性问题，而且高度依赖于BEV，严重限制了其Scale Up潜力。在我们ICLR2025工作DriveTransformer中，不同于以往算法Scale Up Vision Backbone，我们设计了一套以Decoder为核心的无需BEV的大一统架构。在Scale Up提出的类GPT式并行

根据我的经验，每一个重要的机器学习项目最终都是由充满 bug 和不可维护的内部工具拼接而成的。这些工具通常是 Jupyter 笔记本和 Flask 应用程序的拼凑物，难以部署，需要对客户端-服务器架构进行推理，并且不能与 Tensorflow GPU 会话等机器学习结构很好地集成。我首先在卡内基梅隆大学看到这一点，然后在伯克利，Google X，最后在 Zoox 建造自主机器人。这些工具通常是作为小 Jupyter 笔记本诞生的:传感器校准工具、模拟比较应用程序、激光雷达对准应用程序、场景回放工具等等。

高通开发者论坛

4,654

社区成员

5,842

社区内容

发帖

与我相关

我的任务

人工智能物联网机器学习技术论坛（原bbs）北京·东城区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章