PulseAugur
中
实时 16:16:01

STELLAR模型通过3D数据融合推进自动驾驶感知

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了STELLAR，一款用于自动驾驶3D感知的新型大型模型，通过扩展稀疏窗口Transformer来整合激光雷达、雷达、摄像头和地图数据。该模型在包含5000万个驾驶示例和多达5亿个参数的数据集上进行训练，并在Waymo Open Dataset上达到了新的最先进水平。研究表明，通过大型数据集和计算能力扩展模型是推进自动驾驶感知系统的可行途径。 AI

影响 在自动驾驶感知领域确立了新的最先进水平，证明了大规模训练在复杂3D数据融合方面的有效性。

排序理由 该集群描述了一篇详细介绍新颖模型架构及其在基准数据集上性能的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Yingwei Li, Xin Huang, Yang Liu, Yang Fu, Alex Zihao Zhu, Chen Song, Junwen Yao, Anant Subramanian, Hao Xiang, Weijing Shi, Yuliang Zou, Tom Hoddes, Zhaoqi Leng, Govind Thattai, Dragomir Anguelov, Mingxing Tan ·

    STELLAR: Scaling 3D Perception Large Models for Autonomous Driving

    arXiv:2605.20390v1 Announce Type: cross Abstract: Model scaling has demonstrated remarkable success through large-scale training on diverse datasets. It remains an open question whether the same paradigm would apply to autonomous driving perception systems due to unique challenge…

相关实体

相关话题