近日,第五届日本自动驾驶竞赛在东京大学落下帷幕。此次竞赛主题围绕L4级自动驾驶工厂场景,来自浪潮信息、东京大学、名古屋大学的团队分别获得冠、亚、季军。此外东京工业大学、日产、松下、住友等多个汽车、IT企业、高校团队也取得佳绩。
日本自动驾驶挑战赛现场
竞赛中,浪潮信息基于自动驾驶计算框架AutoDRRT和自动驾驶车载计算平台EIS400,完成L4级自动驾驶场景的感知、规划决策、控制算法方案开发和边缘侧部署,实现工厂无人运输场景下的烟雾、障碍物、连续弯道及狭窄道路的精准识别,创造了大赛最远行驶距离。
自动驾驶车载计算平台EIS400已经发布,自动驾驶计算框架AutoDRRT也已面向业界免费开源,汽车厂商、软件平台商和中间件软件开发商可免费下载使用:
https://github.com/IEIAuto/AutoDRRT.git
浪潮信息自动驾驶计算框架AutoDRRT和自动驾驶车载计算平台EIS400
自动驾驶挑战赛,顶尖团队下场解题
Japan Automotive AI Challenge是国际权威的自动驾驶竞赛,由日本工程师学会2019年发起,旨在针对自动驾驶开发的各类难题,面向全球自动驾驶工程师征集解决方案。今年的挑战赛围绕工厂无人运输场景,像“超级玛丽”一样,赛道会设置障碍物、烟雾气体干扰、S 形、L 形狭窄路径多个题目,驾驶最远距离的队伍将获得胜利。此次竞赛吸引了东京大学、东京工业大学、名古屋大学、浪潮信息、日产、松下、住友、马自达等50多支顶尖自动驾驶团队参与。经过预赛亚马逊云线上仿真模拟比拼,有17支队伍晋级现场决赛,包括7家高校队伍和10家企业参赛队伍。
自动驾驶竞赛决赛在东京大学户外举行,参赛队伍将基于业界主流的开源自动驾驶计算框架Autoware,开发自动驾驶软硬件全栈方案,并部署在真实车辆上,用算力、算法创新解决自动驾驶在工厂运输领域应用会面临的各类问题。考虑工厂内部行驶环境复杂,对自动驾驶系统的安全性、可用性和通过性有较高的要求,此次比赛设置了重点考核题目:
浪潮信息斩获模拟赛和真车赛的双料第一
作为全球领先的IT基础设施提供商,浪潮信息在自动驾驶领域拥有计算、软件框架和应用的全栈创新能力。面向工厂自动运输场景,浪潮信息基于今年最新发布的AutoDRRT开源框架和智能车载域控制器EIS400,进行了算力、算法和框架的全面优化,仅用时2个月就快速搭建了工厂自动驾驶全栈方案,并在50多个参赛队伍中脱颖而出,斩获模拟赛和真车赛的双料冠军。
自动驾驶车辆安全通过烟雾气体干扰路段
该方案包括了感知、决策规划、控制等算法的开发、计算并行与加速模块和开发工具的优化,以及底层系统、中间件和OS的优化,通过四大技术突破,实现了更高的鲁棒性、算法精度和计算性能:
凭借高性能算力及创新算法,浪潮信息在此次自动驾驶“超级玛丽”模拟赛和真车赛均创造了最远行驶距离,实现了最佳的安全性、可用性和通过性。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。