南宫NG·28

CN / EN

全部

  • 全部
  • 产品管理
  • 新闻资讯

研发服务

DEVELOPMENT SERVICE

AI自动驾驶

课程背景

随着人工智能技术的快速发展，深度学习、生成式AI和大语言模型等前沿技术正在重塑各行各业。在自动驾驶领域，大模型凭借强大的感知、推理和生成能力，正在推动环境理解、决策规划、仿真测试等关键环节的变革，成为行业创新的核心驱动力。

基于汽车行业AI技术发展趋势，本课程结合AI深度学习基础概念和原理、自动驾驶核心技术、行业前沿研究与实践，由浅入深地阐述基础原理到前沿技术方案，课程确保缺乏AI背景的听众也能够了解自动驾驶领域相关技术的应用和发展，每讲内容均整合了理论基础与产业实践，突出“虚实结合、循序渐进。

 

 课程天数

  • 课时：2天

讲师介绍

 

课程大纲

课程内容 课程大纲
深度学习与计算机视觉基础

机器学习的基础概念与方法论；

人工神经网络与深度学习；

分类器与回归器、判别器与生成器；

计算机视觉典型任务；
AI模型基础：MLP,CNN,RNN与Transformer

MLP的核心概念与方法论、应用；

卷积神经网络的核心概念与方法论、应用；

循环神经网络的核心概念与方法论、应用；

Transformer的核心概念与方法论、应用；
基于多传感器融合的自动驾驶感知技术

传感器：相机、激光雷达、毫米波雷达；

任务：OD，MAP，FS/OCC，TLR，TSR，定义以及评测方法；

单传感器感知+后融合技术：mono3D；

BEV多传感器前融合：BEVFormer；
感知模型的训练优化策略

训练问题：过拟合、样本不均衡，OOD；

优化参数：优化器选取、学习率；

数据处理：坐标系统一、标签滤除、数值归一化；

数据增强技术；
自动标注技术与数据闭环

自动标注技术发展：从逐帧标注+人工修正到4D标注；

三维场景重建技术；

标注质量筛选与可见性标签；

数据挖掘技术、影子模式与数据闭环；
强化学习与规划控制技术

强化学习的核心概念与方法论；

模仿学习的核心概念与方法论；

自动驾驶规划控制任务简介；

基于强化/模仿学习的自动驾驶规划控制技术；
大语言模型与多模态大模型

大语言模型的概念与发展历程；

大语言模型的训练原理与应用；

从大语言模型到多模态大模型——模态特征对齐；

大语言模型、多模态大模型在自动驾驶领域的应用；
生成式AI的原理及其在自动驾驶中的应用

生成式AI的基础概念与发展历程；

GAN，VAE，diffusionmodel简介；

生成式AI在自动驾驶领域的应用：数据生产与轨迹生成；
世界模型与自动驾驶闭环仿真器

世界模型的基本概念与方法论；

基于大模型和图像生成的世界模型构建；

从感知到规控的闭环仿真技术；
端到端自动驾驶技术

端到端自动驾驶技术的基本概念，与传统方法的不同；

端到端模型的数据构成与训练方法；

多阶段端到端与一阶段端到端；

端到端自动驾驶的未来发展与展望；

关键词：