未来OTA产业发展趋势与挑战
随着汽车电子化和智能化程度的不断提高，车载OTA（Over-the-Air）升级已成为汽车产业的一个重要发展趋势。未来OTA产业将在更强的监管力度下往全产业链协调方向发展，解锁汽车更多关键ECU，并受益于大数据的积累和全产业链的高度协调。预测性预埋硬件和预测性
2023-04-26884
汽车OTA技术在中国新能源汽车行业的应用与发展
摘要：随着中国新能源汽车行业的快速发展，汽车OTA技术应用与发展也日益重要。本文将介绍汽车OTA技术的概念、应用场景、发展历程以及未来趋势，以期为汽车行业的从业者和投资者提供参考和指导。一、 汽车OTA技术概述OTA，即Over-The-Air，指的是通过无线通信
2023-04-26876
OTA升级技术在智能汽车中的应用与优势分析
随着科技的不断进步和人们对汽车安全、舒适性的需求不断提升，智能汽车的应用越来越广泛。而智能汽车的实现离不开OTA（Over-The-Air）升级技术。OTA升级技术使得汽车厂商可以在汽车上线后通过网络实现软件的升级和更新，为汽车的安全、性能、功能等方面提供保
2023-04-26829
C-V2X：中国走在车联网前沿
随着5G技术的快速发展，车联网已成为人们越来越关注的一个领域。在车联网技术中，C-V2X（车辆到一切的通信）是一项非常重要的技术，它可以将车辆、人、道路基础设施等连接在一起，实现智慧交通。而中国在C-V2X的推广方面已经走在了前面，从制定国际标准到产业
2023-04-261187
电池包制造：态度比技术更重要
随着电动汽车、无人机、智能手表等电子产品的普及，电池包已成为了生活中不可或缺的组件之一。而对于电池包的制造，有些人认为技术是最重要的，但实际上，态度比技术更重要。这篇文章将围绕电池包制造展开讨论，探讨为什么态度比技术更重要，并介绍一些制造电
2023-04-26792
电动汽车电池的成组技术及其对能量密度、充电速度和安全性的影响
随着电动汽车的普及，电池技术的发展成为汽车产业发展的关键因素之一。电池能量密度、充电速度和安全性是电动汽车电池设计的三个重要方面。本文介绍了电动汽车电池的成组技术，包括CTP、CTC、CTB等常见技术，并分析了不同技术对电池能量密度、充电速度和安全
2023-04-261003
上海车展探秘：NVIDIA如何引领自动驾驶技术的下一代革命
在未来几年里，我们有理由相信，自动驾驶技术将取得突破性进展，在这个过程中，作为全球领先的自动驾驶技术提供商，NVIDIA正是自动驾驶技术发展的关键推动者。
2023-04-2649085
直播丨2023 汽车软件与通信国际峰会
2023-04-251462
数据可用性：构建自然驾驶环境模型的数据集来源及应用
本文介绍了用于构建自然驾驶环境模型的数据集来源及应用。其中，原始数据集来自密歇根大学安阿伯分校的安全试验模型部署（SPMD）计划和基于车辆的综合安全系统（IVBSS）。此外，使用了包括图像增强现实模块的三维模型资产的ShapeNet数据集以及警方车祸报告。
2023-04-25685
基于多传感器和开源软件的自动驾驶车辆安全性能评估
随着技术的不断发展，自动驾驶技术逐渐成熟，越来越多的汽车制造商和科技公司加入到这个领域中。为了评估自动驾驶汽车的安全性能，本文采用了来自密歇根大学安阿伯分校Mcity测试设施的一辆改装林肯MKZ作为被测试的AV。该车配备了多个传感器、计算资源和Datasp
2023-04-25590
基于增强现实技术的图像渲染：原理与实现
引言随着计算机技术的不断进步，增强现实技术（AR）的应用越来越广泛。其中，将虚拟物体混合到真实场景中的增强现实技术，被广泛应用于汽车、游戏等领域。本文将介绍基于增强现实技术的图像渲染，探讨其原理和实现方法。一、技术原理基于增强现实技术的图像渲
2023-04-25545
基于增强现实的自动驾驶车辆测试平台构建与应用
摘要：本文介绍了一种基于增强现实技术的自动驾驶车辆测试平台的构建与应用。该平台利用ACM和Mcity测试轨道，采用数字双胞胎和DSRC技术实现物理测试轨道和模拟测试环境的同步。本文详细介绍了该平台的技术实现和应用场景，并对该平台进行了性能测试。结果表明
2023-04-25424
D2RL算法：架构、实施和训练
摘要：D2RL算法是一种基于密集学习的深度强化学习算法，可以将其插入到现有的DRL算法中。本文将介绍D2RL算法的架构、实施和训练过程，包括神经网络的设计和参数选择，数据收集和重采样机制等。本文还将讨论D2RL算法的应用和未来的研究方向。深度强化学习（DRL
2023-04-25574
无损检测模拟器中的驾驶行为模型
SUMO是一个广泛使用的交通仿真工具，但其默认的驾驶行为模型不适用于自动驾驶车辆（AV）的安全测试和培训。为此，我们根据密歇根大学安阿伯分校的安全试验模型部署计划和基于车辆的综合安全系统计划中的大规模自然驾驶数据集，构建了无损检测模型中的自然主义
2023-04-25948
基于SUMO的无损检测仿真器开发
随着现代科技的快速发展，无损检测技术已经成为工业界广泛采用的技术之一。然而，由于无损检测需要耗费大量时间和资源，如何提高无损检测的效率已经成为了研究热点之一。在这种情况下，无损检测仿真器的开发应运而生。本文介绍了一种基于开源交通仿真器SUMO的
2023-04-25845
利用D2RL技术验证自动驾驶汽车的安全性能
随着自动驾驶汽车（AVs）的不断发展，安全性一直是人们关注的焦点。为了确保AVs的安全性能，必须对其行为能力进行验证和测试。目前的测试方法包括伪造方法、基于场景的方法和无损检测方法等，但它们在现实世界应用中存在一定的局限性。为了解决这些问题，最近
2023-04-25441
基于Autoware的开源自动驾驶系统在物理测试轨道上的安全性能评估
随着自动驾驶技术的不断发展，人们越来越关注自动驾驶系统的安全性能。在实际应用中，自动驾驶系统必须能够保证在各种交通场景下的安全性，包括高速公路和城市道路等不同的路况环境。因此，对自动驾驶系统进行全面的安全性能评估至关重要。在本文中，我们基于
2023-04-25537
应用D2RL方法解决AV测试问题中的维度诅咒与稀有性诅咒
摘要：人工智能技术在AV测试中的应用已经成为了一个热点话题。然而，由于维度诅咒和稀有性诅咒的存在，直接应用DRL方法是很难学习一个有效的政策的。本文针对这一挑战，提出了D2RL方法。该方法利用安全指标临界度来识别关键状态，丢弃非关键状态的数据，只利
2023-04-25609
基于深度强化学习的自动驾驶评估方法在实际测试中的验证
摘要：本文介绍了基于深度强化学习的自动驾驶评估方法在实际测试中的验证。通过大规模的自然驾驶数据集的训练，我们使用增强现实的测试平台在物理测试轨道和城市测试轨道上对自动驾驶系统进行了模拟实验和现场实验。结果表明，基于深度强化学习的自动驾驶评估
2023-04-251487
基于密集深度强化学习的安全关键数据训练方法
在自动驾驶领域中，如何进行高效而安全的测试和训练一直是一个挑战。本文提出了一种基于密集深度强化学习的安全关键数据训练方法，称为D2RL。该方法利用神经网络识别和删除非安全关键数据，并重新连接关键状态，大幅降低策略梯度估计的方差。通过该方法，我们
2023-04-25504
