足球即时比分 MTU 人工智能研讨会

演讲者 - 胡毅博士

演示者：Nirmal Loganathan，数据科学

摘要：精准了解行驶环境，判断车辆准确度 位置对于安全的自动操作至关重要。车辆跟随系统 通过精确跟随领先车辆提供更高的能源效率，相对 自我车辆到车道中心的位置是安全自动速度的关键衡量标准 和转向控制。本文提出了一种新颖的增强型车道检测技术 以厘米级的精度估计车辆与车道中心的偏移 使用前置摄像头。利用最先进的计算机视觉模型， 增强型车道检测技术利用 YOLOv8 图像分割，经过训练 在多样化的世界驾驶场景数据集上，检测驾驶车道。测量 对于车辆横向偏移，我们的模型引入了一种新颖的校准方法，使用 九个参考标记与车辆视角对齐并转换车道 从图像坐标到世界测量值的偏移。这种设计最大限度地降低了灵敏度 偏移估计对车道检测精度和车辆方向的影响。比较 现有的基于深度学习的深度感知模型和立体视觉系统， 我们的校准方法显着缩短了后处理时间并最大限度地减少了 处理延迟对车辆跟随系统能效的影响。 为了评估准确性和处理时间，我们在仪器仪表上实现了该模型 具有 L4 能力的车辆，并在受控环境中进行测试后进行自动驾驶 环境。在我们的测试中，该模型达到了很高的准确度，并且存在偏差 误差仅为 0.214 m，随机游走误差标准差为 0.135 m，证明 其在各种环境条件下的可靠性并确保精确的车道 跟踪。结果证明在各种环境条件下都有可靠的性能 和传感器噪声水平，确保精确的车道跟踪和增强的自动操纵。

演讲者：Kevin Li，计算机科学

摘要： 准确的测绘对于无人水面舰艇 (USV) 的安全操作至关重要， 尤其是在依赖 3D LiDAR 传感器时，这些传感器容易受到各种因素的噪声影响 例如喷水和湍流的表面条件。本文研究了性能 两种著名的 3D LiDAR 建图算法（HDL 图 SLAM 和 Point LIO）的影响 模拟现实世界海上扰动的注入噪声模型。通过介绍 控制噪声进入传感器数据，我们评估每个算法如何维护映射 退化条件下的准确性。结构相似度等定量指标 指数测量（SSIM）和交并集（IoU）用于评估和 比较生成的地图的稳健性。该研究将重点关注开源 ROS 映射算法在嘈杂环境中的优势和局限性。这些发现 旨在为制定更强大的绘图策略提供信息，最终增强 USV 在充满挑战的海上环境中导航的可靠性和安全性。

演示者：泰戈尔·科西雷迪，计算机科学

摘要：由于复杂的空气动力学，无人机自主着陆面临着巨大的挑战 动态和实时控制要求。我们的工作实施了深度强化 使用 PyBullet 物理真实实现自主无人机着陆的学习 (DRL) 框架 时间模拟。我们采用模块化架构，将 PID 控制与最先进的技术相结合 DRL 算法（PPO、SAC、TRPO、TD3、A2C 等）并对各种多重奖励进行基准测试 来自四旋翼飞行器的函数（指数、时间差、方向感知） 动力学研究。该环境具有 12D 观察空间（位置、速度、 方向）和用于推力矢量控制的 3D 连续动作空间。新颖的课程 学习方法通过随机初始逐步增加着陆难度 位置和自适应航路点生成。实施利用并行化 跨 CPU 核心的培训，包括实际部署的安全约束 考虑因素。

演讲者： Nazanin Mahjourian（机械和航空航天工程）

摘要：人工智能在工业应用中的成功在很大程度上取决于 用于训练模型的数据集。然而，大规模数据集经常遭受 标签噪声、不一致和错误可能会对模型性能产生负面影响。 这个问题在工业领域尤为明显，因为在工业领域需要获得高质量的产品。 标签既昂贵又耗时。在本演示中，我们讨论一种名为 LabelAlchemy 用于清理大型工业数据集 FactoryNet 的标签，该数据集 包含使用 CLIP 视觉语言模型人工生成和网络抓取的标签。 CLIP 模型是一种最先进的视觉语言模型，具有双编码器 基于 Transformer 的具有独立图像和文本编码器的架构， 采用多头自注意力机制来建模内部的复杂关系 序列。文本编码器处理标记化的输入序列并捕获上下文 句子中单词的细微差别。类似地，图像编码器处理视觉 从输入图像中提取的特征。生成的嵌入被映射到一个公共的 潜在空间，允许 CLIP 有效地测量图像-文本对之间的相似性。 LabelAlchemy 可以清理 FactoryNet 数据集并提高性能 分类算法。