使能用于高级驾驶员辅助系统和自主车辆的连续验证的验证即服务的系统和方法

    公开(公告)号:CN116709245A

    公开(公告)日:2023-09-05

    申请号:CN202211267799.1

    申请日:2022-10-17

    Abstract: 本发明涉及使能用于高级驾驶员辅助系统和自主车辆的连续验证的验证即服务的系统和方法。机动车辆连续验证系统包括后端,该后端从车辆车队收集数据并且与车辆车队无线通信。后端与至少一个客户无线通信。车辆模块提供为车载在车辆车队的多个机动车辆中的各个机动车辆上并且执行车载车辆验证分析。基于车队的验证模块或者提供在后端处或者基于云提供,该基于车队的验证模块管理定义车辆车队的多个机动车辆的配置和能力的数据。验证管理器基于用户的定义或验证分析的验证任务的期望产出和车队车辆可用性生成验证任务。客户端模块相对于车辆车队的多个机动车辆而言是远程的,该客户端模块具有由寻求执行验证分析的至少一个客户应用的界面项目。

    用于自主车辆和自主驾驶系统中的按需的特征集中的数据收集的系统和设备

    公开(公告)号:CN116704744A

    公开(公告)日:2023-09-05

    申请号:CN202211266936.X

    申请日:2022-10-17

    Abstract: 一种机动车辆的按需的特征集中的数据收集系统包括配备有机动车辆的至少一个数据收集装置。响应于用户提交的数据收集请求,数据收集单元从至少一个数据收集装置接收数据。数据场景组组合由数据收集单元接收的数据的部分并且存储在机动车辆的数据收集单元中或远程服务器处。控制逻辑装置接收数据收集请求并激活数据的收集。控制逻辑装置包括:数据收集策略,如果不同类型的数据可用,则该数据收集策略不同;加载或部署的参考算法;为数据分配的存储容量;以及用于保存数据的存储策略。

    高精度低位卷积神经网络

    公开(公告)号:CN110852414B

    公开(公告)日:2023-08-29

    申请号:CN201910462515.6

    申请日:2019-05-30

    Abstract: 本发明题为“高精度低位卷积神经网络”。本文描述了用于生成并训练高精度低位卷积神经网络(CNN)的系统、方法和计算机可读介质。使用一个或多个二元滤波器来模拟CNN的每个卷积层的滤波器,并且使用二元激活的线性组合来模拟实值激活函数。更具体地,使用缩放的二元滤波器来模拟非1×1滤波器(例如,k×k滤波器,其中k>1),并且使用二元滤波器的线性组合来模拟1×1滤波器。因此,针对模拟不同权重(例如,1×1滤波器对非1×1滤波器)而采用不同的策略。以这种方式,在高精度低位CNN的(一个或多个)卷积层中执行的卷积变为二元卷积,该二元卷积产生较低的计算成本,同时仍保持高性能(例如,高准确度)。

    基于注意力感知的感兴趣区域窗口生成的系统和方法

    公开(公告)号:CN115690718A

    公开(公告)日:2023-02-03

    申请号:CN202210576525.4

    申请日:2022-05-25

    Inventor: 佟维 S·王 曾树青

    Abstract: 一种用于基于注意力感知的系统包括相机设备,所述相机设备被配置成提供车辆的操作环境的图像。所述系统进一步包括计算机化设备,所述计算机化设备监视所述图像,分析传感器数据以将所述图像中的特征识别为对应于所述操作环境中的对象并基于所述对象的识别、位置或行为为所述特征指派得分。所述计算机化设备可进一步操作成在所述图像上限定候选感兴趣区域,使所述特征的得分与所述候选感兴趣区域相关以累积总区域得分,基于所述总区域得分选择所述候选区域中的一些进行分析,并且分析所述候选区域的所述部分以生成行进路径输出。所述系统进一步包括基于所述输出控制车辆的设备。

    用于神经网络的方法和装置

    公开(公告)号:CN111199509A

    公开(公告)日:2020-05-26

    申请号:CN201910490067.0

    申请日:2019-06-05

    Abstract: 本发明题为“用于神经网络的方法和装置”。本发明提供了一种信号处理系统,所述信号处理系统包括与加速器通信的中央处理单元(CPU)以及与所述加速器通信的指令调度器。第一存储器设备包括被配置为操作所述加速器的第一指令集以及被配置为操作所述CPU的第二指令集,并且第二存储器设备被配置为接收数据文件。所述加速器包括多个处理引擎(PE)和指令调度器,所述指令集包括多个运算符,并且所述指令调度器被配置为采用所述PE在所述加速器中实现所述运算符。所述CPU采用在所述加速器中实现的所述运算符来分析所述数据文件以从中提取特征。

    高精度低位卷积神经网络

    公开(公告)号:CN110852414A

    公开(公告)日:2020-02-28

    申请号:CN201910462515.6

    申请日:2019-05-30

    Abstract: 本发明题为“高精度低位卷积神经网络”。本文描述了用于生成并训练高精度低位卷积神经网络(CNN)的系统、方法和计算机可读介质。使用一个或多个二元滤波器来模拟CNN的每个卷积层的滤波器,并且使用二元激活的线性组合来模拟实值激活函数。更具体地,使用缩放的二元滤波器来模拟非1×1滤波器(例如,k×k滤波器,其中k>1),并且使用二元滤波器的线性组合来模拟1×1滤波器。因此,针对模拟不同权重(例如,1×1滤波器对非1×1滤波器)而采用不同的策略。以这种方式,在高精度低位CNN的(一个或多个)卷积层中执行的卷积变为二元卷积,该二元卷积产生较低的计算成本,同时仍保持高性能(例如,高准确度)。

    用于测试并行计算装置的部件的方法和系统

    公开(公告)号:CN109582512A

    公开(公告)日:2019-04-05

    申请号:CN201811088528.3

    申请日:2018-09-18

    Abstract: 提供了用于测试车辆的第一计算机装置的系统和方法。一种方法包括选择第一计算机装置的操作部件并且选择被配置为利用操作部件的整个能力的测试操作。该方法进一步包括指示第一计算机装置执行测试操作并生成第一结果。该方法又进一步包括检索测试操作的第二结果,并且将来自第一计算机装置的测试操作的第一结果与第二结果进行比较。该方法又进一步包括至少部分地基于第一结果与第二结果之间的差异来指示第一计算机装置有故障。

    用于管理车载联网控制器和装置的架构和方法

    公开(公告)号:CN108733023A

    公开(公告)日:2018-11-02

    申请号:CN201810246209.4

    申请日:2018-03-23

    Inventor: S·王 C·刘

    CPC classification number: H04L41/044 G06F1/3287 G06F13/364 H04L67/12

    Abstract: 本文公开了用于管理车载联网控制器和装置的操作的控制算法和系统架构,包括具有电子控制单元(ECU)的车载网络和用于管理这些ECU的暂停和唤醒的控制逻辑的车辆。一种用于管理机动车辆的ECU车载网络的方法包括:确定用于一组ECU的状态向量,每个状态向量指示对应的ECU是唤醒还是睡眠;确定这些ECU的装置角色——从属装置或主装置;确定用于选择作为主装置的ECU的分配层级;接收模式改变信号,其指示ECU意图转变至睡眠状态或唤醒状态;并且作为响应,基于分配层级和ECU的状态向量,将一个ECU的相应装置角色从主装置修改为从属装置,并且将另一个ECU的相应装置角色从从属装置修改为主装置。

    用于嵌入式控制中的先进仲裁的架构和装置

    公开(公告)号:CN107229238A

    公开(公告)日:2017-10-03

    申请号:CN201710175419.4

    申请日:2017-03-22

    Inventor: S·王 X·F·宋 X·张

    Abstract: 一种仲裁冗余控制系统中的冲突输出的方法。记录冗余控制系统中的每个控制器执行的任务的执行数据。执行数据包括每个执行流的初始时间戳、每个执行流中的关键函数的标识,以及关键函数使用的参数值。仅基于为每个执行流执行的关键函数来标识由每个控制器执行的路径。将每个执行的路径的记录的执行数据应用于仲裁模块。来自相应控制器中的一个的输出结果由仲裁模块基于每个执行的路径的记录的执行数据来进行选择。选择的控制器的输出结果通信到下一个模块用于进一步处理。

    用于车辆感知系统的神经网络中的激活零旁路和权重剪枝

    公开(公告)号:CN111105030B

    公开(公告)日:2024-04-12

    申请号:CN201910499155.7

    申请日:2019-06-10

    Abstract: 本发明题为“用于车辆感知系统的神经网络中的激活零旁路和权重剪枝”。在根据本公开的方面的一个示例具体实施中,一种计算机实现的方法包括在与车辆相关联的相机处捕获多个图像并将与多个图像相关联的图像数据存储到存储器。该方法还包括将车辆感知任务分派给与存储器通信的加速器的多个处理元件。该方法还包括通过多个处理元件中的至少一个处理元件使用神经网络来执行用于车辆感知的车辆感知任务,其中执行车辆感知任务包括对低于第一阈值的值执行激活旁路,以及至少部分地基于第二阈值,执行神经网络的突触和神经元的权重剪枝。该方法还包括至少部分地基于执行车辆感知任务的结果来控制车辆。

Patent Agency Ranking