Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

上海宝山炮台湿地公园的蓝天白云上海宝山炮台湿地公园的蓝天白云
0

引言:

在自动驾驶技术的浪潮中,多模态感知和端到端决策一直是研究的焦点。近日,由德克萨斯农工大学、密歇根大学和多伦多大学联合开发的开源框架OpenEMMA横空出世,为自动驾驶领域带来新的突破。OpenEMMA不仅能够处理复杂的视觉数据,还能通过链式思维推理进行轨迹规划,为自动驾驶汽车的“大脑”注入了更强大的智能。

主体:

1. OpenEMMA是什么?

OpenEMMA并非一个单一的算法,而是一个端到端的自动驾驶多模态模型框架。它基于预训练的多模态大型语言模型(MLLMs),能够同时处理来自多个传感器的数据,例如前向摄像头图像、文本历史以及车辆状态。更重要的是,OpenEMMA将驾驶任务转化为视觉问答(VQA)问题,通过链式思维推理过程,引导模型生成关键对象的详细描述、行为洞察和元驾驶决策,从而实现从感知到决策的端到端优化。

2. OpenEMMA的核心功能:

  • 端到端轨迹规划: 传统自动驾驶系统通常依赖于复杂的符号化接口,将感知和决策过程分开。OpenEMMA则打破了这一传统,直接从传感器输入学习驾驶动作,实现端到端的优化,无需人工干预。
  • 多模态数据处理: OpenEMMA能够同时处理视觉数据、文本信息和车辆状态,这使得它能够更全面地理解驾驶场景,并做出更准确的决策。
  • 链式思维推理: 借助链式思维推理过程,OpenEMMA能够像人类驾驶员一样,逐步分析驾驶场景,生成可解释的决策过程,例如“前方有行人,需要减速并避让”。
  • 3D对象检测: OpenEMMA集成了专门优化的YOLO模型,能够精确检测道路上的3D对象,提高对象检测的准确性,为后续的轨迹规划提供可靠的基础。
  • 人类可读输出: OpenEMMA基于MLLM的预存世界知识,能够为场景理解等感知任务产生可解释的、人类可读的输出,这有助于提高系统的透明度和可信度。

3. OpenEMMA的技术原理:

  • 预训练的MLLMs: OpenEMMA的核心是预训练的多模态大型语言模型,这些模型经过大量数据的训练,具备强大的视觉数据处理和推理能力。
  • 链式思维推理: 模型通过链式思维推理,先生成速度向量和曲率向量,然后整合每个时间步的航向角,计算速度的x和y分量,最终通过积分速度分量计算出车辆的未来轨迹。
  • 对象检测增强: 为了弥补MLLMs在空间推理上的不足,OpenEMMA集成了专门优化的YOLO模型,用于提高3D边界框预测的准确性。
  • 基于指令的方法: OpenEMMA采用基于指令的方法,提示MLLMs产生人类可解释的知识,将轨迹生成任务分解为人类可解释的组成部分,反映了人类的驾驶过程。

4. OpenEMMA的应用场景:

OpenEMMA的应用场景非常广泛,涵盖了城市道路、高速公路、停车场等多种驾驶环境:

  • 城市道路驾驶: OpenEMMA能够处理复杂的城市交通环境,例如多变的交通信号、行人、自行车和其他车辆,为自动驾驶车辆提供实时决策和轨迹规划。
  • 高速公路驾驶: 在高速公路上,OpenEMMA能够处理高速行驶中的车辆,进行车道保持、超车、避障等操作的决策支持。
  • 停车和低速驾驶: 在停车场或低速环境中,OpenEMMA能够帮助自动驾驶车辆进行精确的停车操作,避免障碍物,并在狭小空间中导航。
  • 夜间驾驶: OpenEMMA能够在低光照条件下工作,提供夜间驾驶时的决策支持,包括对象检测和轨迹规划。
  • 复杂天气条件: 在雨、雾等复杂天气条件下,OpenEMMA能够辅助自动驾驶车辆保持安全行驶,减少天气对驾驶的影响。

5. 开源的意义:

OpenEMMA的开源不仅意味着技术的开放共享,更代表着对自动驾驶领域未来发展的推动。通过开源,研究人员和开发者可以基于OpenEMMA进行更深入的研究和开发,加速自动驾驶技术的进步,并最终实现更安全、更智能的出行方式。

结论:

OpenEMMA的出现,为自动驾驶领域注入了新的活力。它不仅展示了多模态感知和端到端决策的巨大潜力,也为未来的研究提供了新的方向。作为一款开源框架,OpenEMMA有望成为自动驾驶技术发展的重要推动力,加速自动驾驶汽车的普及,为人类带来更便捷、更安全的出行体验。

参考文献:

(注:本文所有信息均来自提供的文本,并已进行事实核查和原创性处理)


>>> Read more <<<

Views: 0

0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注