Hogyan "látnak" az önvezető autók?
Rövid előadás arról, honnan indult és milyen kihívásokat tartogat a megvalósítás.
Az IT munkaerőpiac kilábalása állandó délibáb lett
Túl sok, számos esetben ellentétes hatás éri az IT munkaerőpiacot, a kínálati piac a béreket, a költséges AI pedig a headcountot eszi.
|
Az IT munkaerőpiac kilábalása állandó délibáb lett
Túl sok, számos esetben ellentétes hatás éri az IT munkaerőpiacot, a kínálati piac a béreket, a költséges AI pedig a headcountot eszi.
Az első DARPA Grand Challenge sikertelenül végződött 2004-ben: egyetlen vezető nélküli autó sem volt képes bejárni a 240 km-es pályát a Mojave sivatagban. Egy évre rá már öt jármű is sikeresen célba ért a versenyen. A 2007-ben megrendezett Urban Challenge versenyen pedig már városi környezetben is sikeresen vizsgáztak a csapatok. Egy bő évtizeddel később, ma már szinte természetesnek vesszük, hogy az autók „látnak”. Hogyan képesek erre? Milyen érzékelők teszik lehetővé a környezet pontos felismerését? Mi a szerepe a gépi tanulásnak és a mély tanulásnak ebben a folyamatban? Milyen kihívásokat tartogat ez a feladat? Pogácsás Sándor, a Bosch mérnöke a 2018-as HWSW digitális termékfejlesztési konferencián tartott és alább megtekinthető előadásában ezekre a kérdésekre kereste a választ.
Hogyan “látnak” az önvezető autók? - Pogácsás Sándor (Bosch)
Még több videó
Az IT munkaerőpiac kilábalása állandó délibáb lett
Túl sok, számos esetben ellentétes hatás éri az IT munkaerőpiacot, a kínálati piac a béreket, a költséges AI pedig a headcountot eszi.Az IT munkaerőpiac kilábalása állandó délibáb lett Túl sok, számos esetben ellentétes hatás éri az IT munkaerőpiacot, a kínálati piac a béreket, a költséges AI pedig a headcountot eszi.
Az első DARPA Grand Challenge sikertelenül végződött 2004-ben: egyetlen vezető nélküli autó sem volt képes bejárni a 240 km-es pályát a Mojave sivatagban. Egy évre rá már öt jármű is sikeresen célba ért a versenyen. A 2007-ben megrendezett Urban Challenge versenyen pedig már városi környezetben is sikeresen vizsgáztak a csapatok. Egy bő évtizeddel később, ma már szinte természetesnek vesszük, hogy az autók „látnak”. Hogyan képesek erre? Milyen érzékelők teszik lehetővé a környezet pontos felismerését? Mi a szerepe a gépi tanulásnak és a mély tanulásnak ebben a folyamatban? Milyen kihívásokat tartogat ez a feladat? Pogácsás Sándor, a Bosch mérnöke a 2018-as HWSW digitális termékfejlesztési konferencián tartott és alább megtekinthető előadásában ezekre a kérdésekre kereste a választ.
Hogyan “látnak” az önvezető autók? - Pogácsás Sándor (Bosch)
Még több videó