Luobo Kuaipao Sera-t-il Rentable L’année Prochaine ? La Conduite Autonome Ouvre Une Nouvelle Ère De « Bout En Bout » Et Des Ensembles De Données De Haute Qualité Aident À Intégrer De Grands Modèles D'ia Dans Les Voitures
Lors du Baidu Apollo Day 2024 qui s'est tenu le 15 mai, Chen Zhuo, directeur général de l'unité commerciale de conduite autonome de Baidu, a déclaré que l'objectif de LuoBoKuaiPao était d'atteindre le seuil de rentabilité à Wuhan d'ici la fin de 2024.Elle entrera dans la période de pleine rentabilité en 2025.C'est peut-être motivé par cet objectif de profit que Luobo Kuaipao a récemment lancé des opérations à grande échelle à Wuhan, qui ont également attiré une large attention.
En laissant de côté la controverse au centre de l'opinion publique sur les « taxis sans chauffeur qui volent des emplois », le faible prix de départ et le faible prix unitaire de Luobo Kuaipao apportent une certaine compétitivité, et le modèle d'exploitation exploré par Baidu fournit également une référence solide pour la mise en œuvre et le développement de solutions de conduite autonome « de bout en bout » dans une certaine mesure.
Août 2023Le système FSD V12 de Tesla apporte officiellement la technologie de conduite autonome « de bout en bout » aux modèles produits en série.Cela l’a également fait connaître au public. Par la suite, Huawei, Xiaopeng, SenseTime, Baidu et d'autres ont suivi le mouvement, et un nouveau paradigme technologique industriel passe du stade d'exploration à celui d'application mature.
La solution dite « de bout en bout » considère l’ensemble du système de conduite intelligent comme un module intégré.Après avoir reçu les données d'entrée du capteur, le système émet directement la décision de conduite. Son modèle de développement est également passé d’un modèle axé sur les règles à un modèle axé sur les données. Autrement dit, grâce à un entraînement avec une grande quantité de données précieuses, l’IA peut apprendre de manière autonome les modèles de conduite humaine jusqu’à ce que l’intelligence émerge.
Cela signifie que le développement ultérieur de la technologie de conduite autonome ne peut être séparé d’une quantité massive de données de formation de haute qualité. En juin 2023, un ingénieur logiciel de Tesla a déclaré dans un discours à la conférence CVPR : « Pour former le modèle de base de la conduite autonome, nous n'avons pas besoin d'une quantité illimitée de données, mais nous avons besoin d'une diversité basée sur un certain niveau. »
En tant que moteur de recherche leader dans le domaine de la science des données en Chine, HyperAI Super Neural (hyper.ai),Nous avons également prêté attention aux besoins en données de haute qualité dans le domaine de la conduite autonome et vous avons fourni des téléchargements accélérés d'ensembles de données de conduite autonome open source populaires. Certains ensembles de données sont résumés ci-dessous.
Cliquez pour voir plus d'ensembles de données open source :
https://go.hyper.ai/5Ik29
Ensemble de données sur la conduite autonome
1. Ensemble de données de conduite autonome ApolloScape
Agence d'édition :Baidu
Heure de sortie :2018
Adresse de téléchargement :go.hyper.ai/CeKea
ApolloScape fait partie du projet de conduite autonome Apollo, qui vise à promouvoir l'innovation dans tous les domaines de la conduite autonome, de la perception à la navigation en passant par le contrôle. L'ensemble de données est toujours en cours de mise à jour en termes d'échelle de données, de densité d'étiquettes et de tâches.
2. Ensemble de données de conduite autonome SODA10M
Agence d'édition :Laboratoire Huawei de l'Arche de Noé, Université Sun Yat-sen
Heure de sortie :2021
Taille estimée :5,61 Go
Adresse de téléchargement :go.hyper.ai/B3XhR
SODA10M est un ensemble de données de référence 2D semi-/auto-supervisé, qui contient principalement 10 millions d'images de scènes routières non étiquetées diverses et 20 000 images annotées avec 6 catégories d'objets représentatives. En même temps, les images incluent une variété de scènes routières différentes (villes, autoroutes, routes urbaines et rurales, parcs), de conditions météorologiques (ensoleillées, nuageuses, pluvieuses, enneigées) et de périodes de temps (jour, nuit, tôt le matin/crépuscule).
3. Ensemble de données de conduite autonome Talk2Car
Agence d'édition :Université catholique de Louvain
Heure de sortie :2020
Taille estimée :77,6 Mo
Adresse de téléchargement :go.hyper.ai/jYVHt
L'ensemble de données Talk2Car est un ensemble de données de référence d'objet qui contient des commandes écrites en langage naturel pour les voitures autonomes, c'est-à-dire que les passagers peuvent donner des commandes aux voitures autonomes en parlant. L'ensemble de données Talk2Car s'appuie sur l'ensemble de données nuScenes et comprend un large éventail de modalités de capteurs, à savoir des cartes sémantiques, des images GPS, LiDAR, RADAR et RVB à 360° avec des annotations de cadre de délimitation 3D.
4. Ensemble de données de conduite autonome Audi A2D2
Agence d'édition :Audi
Heure de sortie :2020
Taille estimée :2,26 To
Adresse de téléchargement :go.hyper.ai/K1iRu
Cet ensemble de données est un ensemble de données de conduite autonome Audi qui contient des images synchronisées et des nuages de points 3D, ainsi que des boîtes englobantes 3D, une segmentation sémantique, une segmentation d'instance et des données extraites des bus des véhicules.
5. Conduite autonome Argoverse
Agence d'édition :Argo AI, Université Carnegie Mellon, Institut de technologie de Géorgie
Heure de sortie :2019
Taille estimée :260,38 Go
Adresse de téléchargement :https://go.hyper.ai/CpqTd
L'ensemble de données Argoverse est obtenu à partir de plus de 1 000 heures de conduite sur route et comprend deux parties : le suivi 3D et la prévision de mouvement. L'ensemble de données de suivi 3D Argoverse contient des annotations de suivi 3D pour 113 scènes. Chaque clip dure entre 15 et 30 secondes et contient un total de 11 319 objets suivis.
6. Ensemble de données de conduite autonome Lyft de niveau 5
Agence d'édition :Lyft
Heure de sortie :2019
Taille estimée :41,59 Go
Adresse de téléchargement :go.hyper.ai/Q3cmA
L'ensemble de données de conduite autonome Lyft L5 est un ensemble de données de conduite autonome de niveau L5 fourni par Lyft. Actuellement, seul l'ensemble de formation est disponible en téléchargement. L'ensemble de données contient des cartes sémantiques de haute qualité qui permettent de détecter la présence et le mouvement des objets. L'ensemble de données fournit des informations cartographiques sur plus de 4 000 routes, 197 passages piétons, 60 panneaux d'arrêt et 54 zones de stationnement.
7. Ensemble de données de référence sémantique BLVD Large 5D
Agence d'édition :Institut d'intelligence artificielle et de robotique, Université Xi'an Jiaotong
Heure de sortie :2019
Taille estimée :43,38 Go
Adresse de téléchargement :go.hyper.ai/4ft0g
Cet ensemble de données est le premier ensemble de données de compréhension de scènes de conduite en cinq dimensions au monde, contenant 654 clips vidéo haute résolution et un total de 120 000 images. Il s'agit de 249 129 images annotées en 3D, de 4 902 images indépendantes pour le suivi (avec une longueur totale de 214 922 points), de 6 004 segments valides pour la reconnaissance d'événements interactifs 5D et de 4 900 images pour la prédiction d'intention 5D.
8. Ensemble de données de conduite autonome DBNet
Agence d'édition :Université de Xiamen, Université Jiao Tong de Shanghai
Heure de sortie :2018
Taille estimée :9,47 Go
Adresse de téléchargement :go.hyper.ai/NPXIL
DBNet est un ensemble de données à grande échelle pour la recherche sur le comportement de conduite. L'ensemble de données comprend des vidéos alignées, des nuages de points, un GPS et le comportement du conducteur (vitesse et trajectoires de mouvement des roues), capturant 1 000 kilomètres de données de conduite réelles.
9. Ensemble de données de conduite autonome JAAD
Agence d'édition :Université de New York
Heure de sortie :2017
Taille estimée :2,88 Go
Adresse de téléchargement :https://go.hyper.ai/mghSj
L'ensemble de données contient 346 clips vidéo, chacun d'une durée de 5 à 10 secondes et d'une fréquence d'images de 30, pour un total de 82 032 images. Les vidéos ont été collectées par trois caméras embarquées et couvraient des scènes typiques de conduite urbaine quotidienne dans diverses conditions météorologiques en Amérique du Nord et en Europe de l'Est.
10. Ensemble de données vidéo Comma.ai
Agence d'édition :Virgule.ai
Heure de sortie :2016
Taille estimée :44,96 Go
Adresse de téléchargement :https://go.hyper.ai/mvkTH
L'ensemble de données contient 10 vidéos enregistrées à 20 Hz, totalisant 7,25 heures, qui ont été enregistrées par une caméra montée sur le pare-brise d'une Acura ILX 2016.
Les 10 ensembles de données de conduite autonome ci-dessus sont compilés par HyperAI. Si vous avez des ressources que vous souhaitez inclure sur le site officiel hyper.ai, n'hésitez pas à laisser un message ou à soumettre un article pour nous le dire !
À propos d'HyperAI
HyperAI (hyper.ai) est une communauté leader en matière d'intelligence artificielle et de calcul haute performance en Chine.Nous nous engageons à devenir l'infrastructure dans le domaine de la science des données en Chine et à fournir des ressources publiques riches et de haute qualité aux développeurs nationaux. Jusqu'à présent, nous avons :
* Fournir des nœuds de téléchargement accélérés nationaux pour plus de 1 200 ensembles de données publiques
* Comprend plus de 300 tutoriels en ligne classiques et populaires
* Interprétation de plus de 100 cas d'articles AI4Science
* Prise en charge de plus de 500 termes de recherche associés
* Hébergement de la première documentation complète d'Apache TVM en Chine
Visitez le site Web officiel pour commencer votre parcours d'apprentissage :