PulseAugur
中
实时 12:07:21
English(EN) Multi-Resolution End-to-End Deep Neural Network for Optimizing Latency-Accuracy Tradeoff in Autonomous Driving

AI模型优化自动驾驶延迟-准确性权衡

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的多分辨率深度神经网络，旨在优化自动驾驶系统中的延迟和准确性之间的平衡。与传统的固定分辨率模型不同，该方法允许网络根据当前场景上下文和可用计算资源动态调整其输入分辨率。在CARLA城市驾驶挑战中的评估表明，与标准的固定分辨率基线相比，这种自适应策略在提高安全指标方面表现更好，包括减少车道侵占、闯红灯和碰撞次数。 AI

影响 为自动驾驶汽车等安全关键的实时系统引入了更具适应性的AI方法。

排序理由 该集群包含一篇详细介绍特定应用新AI模型的学术论文。[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 →

AI模型优化自动驾驶延迟-准确性权衡

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Qitao Weng, Heechul Yun ·

    用于优化自动驾驶中延迟-准确性权衡的多分辨率端到端深度神经网络

    arXiv:2605.29138v1 Announce Type: cross Abstract: Latency-accuracy tradeoffs are fundamental in real-time applications of deep neural networks (DNNs) for cyber-physical systems. In autonomous driving, in particular, safety depends on both prediction quality and the end-to-end del…

相关实体

相关话题