Επικοινωνήστε μαζί μας

Εξέλιξη Κομματιού

Εισαγωγή στην Τεχνητή Νοημοσύνη στα Αυτόνομα Οχήματα

  • Κατανόηση των επιπέδων αυτόνομης οδήγησης και της ενσωμάτωσης της τεχνητής νοημοσύνης
  • Επισκόπηση των πλαισίων και βιβλιοθηκών τεχνητής νοημοσύνης που χρησιμοποιούνται στην αυτόνομη οδήγηση
  • Τάσεις και καινοτομίες στην αυτονομία οχημάτων που υποστηρίζεται από τεχνητή νοημοσύνη

Βασικές Αρχές Βαθιάς Μάθησης για την Αυτόνομη Οδήγηση

  • Αρχιτεκτονικές νευρωνικών δικτύων για αυτοοδηγούμενα αυτοκίνητα
  • Συνελικτικά νευρωνικά δίκτυα (CNNs) για επεξεργασία εικόνας
  • Αναδρομικά νευρωνικά δίκτυα (RNNs) για χρονικά δεδομένα

Υπολογιστική Όραση για την Αυτόνομη Οδήγηση

  • Ανίχνευση αντικειμένων με χρήση YOLO και SSD
  • Τεχνικές ανίχνευσης λωρίδας και παρακολούθησης δρόμου
  • Σημασιολογική κατάτμηση για την αντίληψη του περιβάλλοντος

Ενισχυτική Μάθηση για Αποφάσεις Οδήγησης

  • Διαδικασίες Απόφασης Markov (MDP) στα αυτόνομα οχήματα
  • Εκπαίδευση μοντέλων βαθιάς ενισχυτικής μάθησης (DRL)
  • Μάθηση βασισμένη σε προσομοίωση για πολιτικές οδήγησης

Σύντηξη Αισθητήρων και Αντίληψη

  • Ενσωμάτωση δεδομένων από LiDAR, RADAR και κάμερα
  • Φιλτράρισμα Kalman και τεχνικές σύντηξης αισθητήρων
  • Επεξεργασία δεδομένων πολλαπλών αισθητήρων για χαρτογράφηση περιβάλλοντος

Μοντέλα Βαθιάς Μάθησης για Πρόβλεψη Οδήγησης

  • Κατασκευή μοντέλων πρόβλεψης συμπεριφοράς
  • Πρόβλεψη τροχιάς για αποφυγή εμποδίων
  • Αναγνώριση κατάστασης και πρόθεσης οδηγού

Αξιολόγηση και Βελτιστοποίηση Μοντέλων

  • Μετρικές για την ακρίβεια και την απόδοση του μοντέλου
  • Τεχνικές βελτιστοποίησης για εκτέλεση σε πραγματικό χρόνο
  • Εγκατάσταση εκπαιδευμένων μοντέλων σε πλατφόρμες αυτόνομων οχημάτων

Μελέτες Περιπτώσεων και Πραγματικές Εφαρμογές

  • Ανάλυση περιστατικών αυτόνομων οχημάτων και προκλήσεων ασφάλειας
  • Εξερεύνηση επιτυχημένων υλοποιήσεων συστημάτων οδήγησης που βασίζονται σε τεχνητή νοημοσύνη
  • Έργο: Ανάπτυξη ενός μοντέλου AI για παρακολούθηση λωρίδας

Σύνοψη και Επόμενα Βήματα

Απαιτήσεις

  • Άριστη γνώση προγραμματισμού σε Python
  • Εμπειρία με πλαίσια μηχανικής μάθησης και βαθιάς μάθησης
  • Εξοικείωση με την τεχνολογία αυτοκινήτων και την υπολογιστική όραση

Κοινό-στόχος

  • Επιστήμονες δεδομένων που στοχεύουν να εργαστούν σε εφαρμογές αυτόνομης οδήγησης
  • Ειδικοί στην τεχνητή νοημοσύνη που επικεντρώνονται στην ανάπτυξη AI για την αυτοκινητοβιομηχανία
  • Προγραμματιστές που ενδιαφέρονται για τεχνικές βαθιάς μάθησης για αυτοοδηγούμενα αυτοκίνητα
 21 Ώρες

Αριθμός συμμετέχοντων


Τιμή ανά συμμετέχοντα

Εφεξής Μαθήματα

Σχετικές Κατηγορίες