数域来源

长三角崛起智能驾驶产业高地

2018年10月26日至27日,2018全球智能驾驶峰会圆满落下帷幕。本次活动由苏州市相城区人民政府主办,数域(苏州高铁新城大数据产业发展有限公司)、上海市交通工程学会、相城区科发局、相城区科协协办,苏州高铁新城管理委员会、雷锋网、新智驾承办,是聚焦全球智能驾驶产业、展示苏州相城智能驾驶成果的一场行业盛会。

2018全球智能驾驶峰会是苏州相城专注于智能驾驶技术产业的年度国际盛会。本次峰会以嘉宾分享和圆桌论坛、闭门研讨会相结合方式展开,吸引超30位智能驾驶领域的学术大咖、技术专家、独角兽企业代表等分享行业前沿独特观点,吸引了约1000名来自世界各地专业人士,一同探寻智能驾驶产业发展的新未来。

环节一:领导和专家致辞

苏州市相城区委副书记、区政府区长、相城经济技术开发区管委会主任张永清致词

张区表示相城区将集聚长三角国际研发社区,通过打造智能驾驶产业链、智能驾驶创新平台及智能驾驶示范区,积极抢抓人工智能和信息技术发展带来的全新的机遇,高水平的创建,全国智能驾驶示范区。

公安部交通管理科学研究所所长王长君致辞。

为更好的推动智能产业生态发展,公安部交通管理科学研究所将以整合苏州、无锡两地资源为出发点,依托智能驾驶产业链上下游先导企业,积极搭建政、产、学、研、用等资源体系交流合作平台,并充分运用智能网联技术,通过车路协同推动智慧交通的变革,建设好五大平台,进一步加快推进智能网联信息化建设,着力打造江苏省第一个智慧交通示范区。


环节二:企业代表演讲

华砺智行创始人兼CEO、加拿大国家级车联网技术研究和示范基地主任、加拿大阿尔伯塔大学终身教授邱志军对相城的印象是怎样的?听听他怎么说。

华砺智行在苏州的发展有一个很重要的一点是天时地利人和,天时如刚才王所长讲的,在过去一年里边我们中国在全世界非常有担当的提出来中国要坚持走自己的发展路线,我们也希望有更多今天参会的科技公司能够聚居在苏州这个地方,能够帮助中国在智能网联自动驾驶这个领域的发展,能够去做我们已有的贡献。目前中国围绕着汽车电动化,智能化,网联化,共享化,一切都在发生着巨大的变革,包括我们的互联网造车,包括我们的智能汽车这个产业突飞猛进的发展,我认为我们到了一个除了电脑手机之外,第三个智能终端汽车发展的一个重要历史时刻。

环节三:项目签约和启动仪式

在苏州市副市长陆春云,相城区委书记顾海东,相城区委副书记、区长张永清,相城区人大常委会主任屈玲妮,相城区政协主席陈建国,苏州市经信委副主任李忠,苏州市科技局副局长孙艳,苏州市规划局副局长李新佳,苏州市交通运输局副局长马文欣,苏州市公安局交通警察支队支队长高昶,苏州市发改委工业处副处长柳绪宁等领导的见证下,华砺智行、禾多科技、新石器慧通科技、Innovusion、智声众维科技、流深光电6个项目正式签约。

华砺智行科技有限公司创始人兼CEO邱志军、禾多科技有限公司联合创始人孙玉国、新石器慧通科技有限公司合伙人兼副总裁王猛、高铁新城管委会主任助理王小明签约

Innovusion副总裁周勋、智声众维科技有限公司总经理安宏伟、流深光电创始人孙伟伟签约

随后,陆春云、王长君、顾海东、张永清共同进行长三角智能驾驶产业示范区建设启动仪式

该项目将努力打造江苏省首个开放道路智能驾驶路测示范区域,为智能驾驶企业和场景化落地提供全路段测试支撑。

环节四:政策发布

为配套长三角智能驾驶产业示范区的建设,开幕式商,苏州高铁新城党工委副书记、管委会主任周良兴发布“长三角智能驾驶产业示范区政策”。

该政策针对智能驾驶产业,内容涵盖新经济政策、人才政策、算力与标注支撑政策、运营支持政策、路测支持、落地场景支持、场地支持、基金支持等8个方面。

对于人才的招揽,高铁新城不惜拿出“真金白银”——针对领军人才个人,将视条件给予最高500万元的安家补贴,对于重大、重点的团队及领军人才的具体项目将给予最高5000万元的项目资助,对于顶尖人才则以“一事一议”的原则给予项目支持。

产业的需求,即努力的方向。为了大幅提升运算能力,苏州高铁新城将总投资10亿元用于建设苏州首个超算中心,并运用于高性能计算、云计算大数据人工智能等技术领域,为本地智能驾驶企业赋能,使用该项服务的企业最高可按照一定比例享受相关费用补贴。

为了支撑智能驾驶产业发展,高铁新城将组建数据标注团队,提供道路物体识别、路标识别、道路物体精准分割、3D图像标注、多镜头街景图像标注、轨迹追踪、视觉追踪等数据服务,使用该项服务的企业最高可按照30%的比例享受相关费用补贴。

环节五:高质量嘉宾主题演讲

本次峰会为期两天,共30多位智能驾驶领域的行业学者、技术专家、企业代表聚焦智能驾驶技术和商业创新,围绕“如何打造智能汽车”、“构建智能驾驶的关键核心技术应用”、“智能驾驶传感器的关键应用”等三大主题,发表主题演讲,分享他们对智能驾驶的前沿认知与全新视角。

01

清华大学计算机系教授、博士生导师,中国自动学会理事、智能自动化专业委员会主任邓志东

落地应用中,开放环境下不存在完备大数据,但需尽可能的多积累大数据,采集与喂食的大数据越多,越能获得更好的感知直觉。谁拥有与利用的大数据越多,谁的产品成熟度就越高。智能驾驶行业初创企业是主力军。

谷歌推出付费无人驾驶出租车,日本将在奥运期间推出无人驾驶服务。

技术是否先进要看安全性,安全性是黄金标准。自动驾驶在算法上重点要解决的问题:目标识别、自主导航、信息融合、自主学习。

——《如何构建自动驾驶汽车的技术与产业生态?》

02

比亚迪汽车智慧生态研究院副院长焦海涛

D++开放生态,开放了传感器信号等资源。大数据人工智能区块链是在智能驾驶应用上用到的核心技术,主讲人计划用区块链技术获取车辆行驶数据,转化成碳减排的数据,对车主给与奖励(新能源车),与合作伙伴一起打造生态。

发展方向——智能汽车硬件标准提供商

——《开放将加速智能汽车发展》

03

沃尔沃负责自动驾驶技术开发的博士张立存

发展到今天,汽车再也不是一个简单的,从A点到B点的交通工具,它增加了很多其他的属性,它可以是我们的卧室,也可以是我们的客厅,还可以是我们的娱乐场所,甚至办公室,所以它颠覆的不单单是交通行业,也颠覆了很多其他的行业,说不定将来哪一点可以把KTV从外面搬到车里。360c的概念在沃尔沃内部有一个具体的定义叫随心而行,心知所智,行知所智。汽车的出现其实已经大扩大了人们的生活半径,它可以让人们走得更远,走得更快,但是对于一些只是把车当做交通工具的人来讲,驾驶还是一项非常繁重的任务,所以智能驾驶可以把人的精神解放出来,做一些更有意义的事情。但智能汽车的落地也需要各方的共同努力才可以实现。

——《沃尔沃汽车如何在安全方面考虑智能汽车》

04

中国汽车技术研究中心赫炎

从产业形态,政策法规,技术理论,测试评价四个方面来讲,我们团队主要是开展的对行业研究方面的工作,后面内容主要是对行业提出的一些问题和一些现象。首先是产业形态,目前来说互联网加上云计算还有大数据人工智能形成了汽车产业的第四次革命,这里需要注意的主要是人工智能的介入,它才能真正改变汽车产业形态变化。从政策法规来说,行业发展中存在六大矛盾。智能汽车的技术它的框架主要包括感知系统还有决策系统执行系统三大部分,还有细分各个方面。最后,我们的评价体系由三个部分组成,一个是专业性的评价,再一个是实践性的测评还有一个是市场性的测评。

——《中国智能汽车产业发展以及汽车智能化指数的评价研究》

05

新智驾的副主编张伟

在这个报告中我们主要是讲车载视觉的供应商分为以下四大类:车载摄像头,视觉芯片,视觉算法包括做ADAS或者说各级自动驾驶功能整体方案的一些供应商,分为以下四大类。我们就根据这四大类的情况,在每大类都选出了一些比较代表性的公司。给大家分享一下数据在去年国内的一个前沿车市场,摄像头的装车量是达到了639万颗左右,预计到2021年它这个装车量可以达到3180万颗,这样一座大矿山非常多的自动驾驶企业在里面进行深耕

——《智能驾驶芯片行业研究报告》

06

     安波福亚太区核心组件总工程师薛祺

波福以我们的开发能力和我们的先进技术来跨越当前的这个挑战,我们的能力体现在四个方面,产品技术这是我们要交付的结果。设计能力和项目执行能力这是我们发展的基础,整车集成还有产品集成是我们为产业链我们的客户提供的直接价值。我会从这四个方面来进行介绍,首先技术架构从哪里开始?从右边的曲线我们可以看到,市场期望曲线对应到技术发展,技术扩散曲线。红箭头指出的地方是我们面临的一个技术发展裂谷,这个裂谷的技术实质是产品从解决了技术原理问题,现在后面要形成一个成熟的应用方案。

——《智慧架构构建智能驾驶》

07

PlusAI创始人兼CEO王磊

自动驾驶技术它所要解决最本质最核心的问题,在我看来是安全,安全也是一些广泛讨论的商业逻辑所能够成立的基本前提。在智加科技我们整个技术是围绕安全去展开的,提供全方位安全冗余。那么什么是冗余?我想冗余是不能允许有单点失效,不能说我某一项厉害的黑科技不工作了,我的车就不能安全行使了。它一定是利用多种可靠的技术和方案来解决同一个问题,一定要有双重保障和多重保障,而且每一重保障都有足够强、足够硬。

——《AI赋能物流,安全“预见”未来》

08

安智汽车董事长郭健

我们公司第一个产品就是77GHz毫米波雷达,另外是我们的多功能视觉系统,这是它的一个硬件表现形式。当然它的一个产品表现形式大家都可以看到,这是我们能够实现所有驾驶员辅助系统的功能,很多都已经走到了R2+(音)的一个级别。比如说我们0-150公里全速的控制系统。以及面向车辆和行人的自动刹车系统等等这些东西,我们完全满足整车厂对它整个汽车智能化的要求。

——《自动驾驶产业的脚踏实地与仰望星空》

09

极奥科技创始人兼CTO王雪坤

众包所生产的高精度地图与传统图商的高精度地图一样,可以完成整个地图发布更新,地图查询以及高精度定位,车道决策自动驾驶决策在内全套地图服务。并且在针对全套地图服务极奥现在目前已经与多家OEM和TO1(音)开始展开了很多方面的合作,同时在整个技术路径以及产品路径上来看到我们可以看到我们通过动态数据的积累,科学的数据分析以及人工智能的处理,我们在地图的品质和精度上又不输于传统图商测绘方式产生的地图,最重要的是我们在时间上和成本上又有足够的优势。

——众包的高精度地图,无人驾驶的破局者

10

魔视智能 CEO虞正华

重点要讲一下自动和自主泊车这方面,大家可能也知道,公认的一点,我们像ABP这样的功能,大家到了这个园区,车自己开到停车上,你人不用跟着去,这个是目前很多同行都认为是最早能够落地L4的功能。那我们在这里面做什么事情呢?从自动和自主泊车而言,本身是一个循序渐进的发展过程,首先是APA就是自动泊车,这是一个近距离的自动泊车,然后再往上发展就是自主泊车,这两者最典型的区别。除了自动驾驶等级的要求不一样,它的安全性要求不一样,从功能上来说自主待客泊车就是ABP重点解决这个问题,就是车辆定位的一个问题。

11

Momenta合伙人/研发总监/苏州总经理夏炎

Momenta的使命是用更好的人工智能技术创造更好的生活,我们样两个非常重要的愿景。就是安全和时间,这两个愿景其实在公司各个渠道,大家之前就已经听说过,但实际上我们随着做自动驾驶的技术时间越长,我们越觉得这两个愿景是非常重要。第一个愿景安全,我们希望通过人工智能的技术我们打造的自动驾驶系统和产品能够在十年的时间里将人类的交通事故率降低40%,40%的交通事故率的降低意味着100万人的生命,100万人的生命意味着200万个家庭,也就是1000万人的命运会因为人工智能技术,会因为自动驾驶的技术而改变。第二个重要的愿景是解放时间,工业革命是将人类从繁重体力劳动当中解脱出来,去从事更多的脑力劳动。

——《更好的人工智能,更好的生活》

12

驭势科技联合创始人兼CEO吴甘沙

大家知道做无人驾驶其实很难的是隧道,我们在隧道里面跑而且不仅仅在里面跑它还能拖多节这样一个平板车在跑,这解决了短期商业化的问题,但对2025年帮助不大,因为它这个场景毕竟还是手限。我们如何来去解决2025年的问题呢?我们想象一个人要在社会上要成功,它需要智商、体格、情商和学问。相应的无人驾驶,算法就是智商,产品力就是体格,客户能力是情商而最后数据力就是你终身学习的学问。

——《当我们讨论无人驾驶商业化时,我们究竟在说什么》

13

广汽研究院智能驾驶技术部负责人郭继舜

未来汽车市场上的4类企业:OEM代工厂、方案提供者、OEM挑战者、领先OEM。谨慎使用激光雷达,因为能推向量产的激光雷达选择很少,受限于其鲁棒性和是否过车规。

芯片成为自动驾驶的最大瓶颈。

——《从自动驾驶关键技术及量产落地的角度解析》

14

保利霞——上海市城市建设设计研究总院(集团)有限公司ITS中心主任,上海市交通工程学会智能交通专业委员会主任,智能交通规划设计专家

陈龙——青岛慧拓智能机器有限公司CEO

张瀛——长城汽车哈弗技术中心智慧交通项目负责人

胡金玲——大唐电信科学技术研究院无线移动创新中心副总工

未来可能更大一部分在于服务,在于软件,这种情况下,可能单纯以原有合作模式就不太适应了,现在很明显一个趋势,BAT这类科技企业或者SAT这种通讯类企业已经开始深深融合到智能网联汽车产业链里面去了。

——圆桌论坛

15

同济大学教授,博士生导师,

交通运输工程学院副院长马万经

自动驾驶可能是一个非常重要的领域,也是国家发展的一个前端技术,这个东西在交通系统里面完全普及可能还需要相当长的时间,因此无论从产业,还是技术开发,还是交通系统分析角度来讲,怎么样把现在就已经很好的技术,用于解决当下以及未来短期内出现的问题,可能是一个非常关键的问题,这也是让自动驾驶的关联技术落地,并且发挥作用的非常重要一个角度。

——《车路协同环境下的交通管制与服务》

16

酷哇创始人兼CEO 何弢

三大痛点制约了自动驾驶向L4级别的演进(技术不成熟、数据成本高、商业不可持续)。注重数据的有效性,在城市公开场景测试收集数据,要从数据的一致性上推动技术的平滑演进。

——《酷哇自动驾驶车队的效率以及商业化》

17

福瑞泰克 CTO 沈骏强

福瑞泰克整个产品线和工程服务就是秉承了我刚才讲的一个技术路线,我们是以量产落地作为我们的一个首要方向,所以我们目前在做高级驾驶辅助系统ADAS的一个量产落地,我们会在明年就会有量产ADAS产品出来。同时我们在开发我们可量产落地的产品同时,也兼顾到我们下一代的产品以及前沿技术的研发。所以我们在自动驾驶这方面也在做很深的布局,我们侧重点或者说应用场景主要放在低速园区的一个场景,这里面包括景点,校园,物流园区机场等等,这样一些应用场景。

——自动驾驶系统商业化的关键技术

18

Drive.ai 联合创始人兼研发总监 王弢

我们知道自动驾驶特别是四级以上的自动驾驶,是一个非常复杂的系统工程。其中包含了很多子系统也包括了子系统之间的一些整合和磨合,在新事物和新科技兴起之初,往往通过历史经验告诉我们,往往是全站式整合供应商能够成功做大,并进一步发展,为什么呢?因为在新技术发展之初,技术本身并不是特别的成熟,需要经过多轮迭代和优化。整合的供应商全站式供应商由于他对整个供应链包括所有的子系统都有非常好的理解,他能够既进行局部的优化,对每一个子系统进行优化又能够进行全局的优化,这一点就对于全站式的供应来说是一个非常大的优势。

——《自动驾驶技术的快速迭代与落地》

19

博世汽车部件(苏州)自动驾驶系统高级经理王佳佳

我们博世将在2019年成为世界上第一真正实现大规模量产的公司,我们也是在2019年真正可以把产品投放到市场上的公司。相对传统的算法来说,我们运行的指令行数会更少,这款芯片是我们博世自己定制的。

——《通往未来出行之路—自动驾驶

20

Mathworks 中国资深应用工程师  王鸿钧

感知层我们可以开发视觉算法,雷达算法,包括激光雷达算法,我们可以对采集到的数据进行可视化,对我们传感器收集到的数据进行分析,包括去设计深度学习的算法,我们可以直接在MATLAB当中完成深度学习神经网络的设计,网络的训练,以及网络的部署,我们可以生成用于GPO的代码或者是FPGA的代码,可以直接把它部署到相应的硬件。

——《以仿真加速自动驾驶功能的设计、实现与验证》

21

法雷奥中国区CTO 顾剑民

我们的SCALA激光雷达也很多的特点,总而言之它是一款从产品设计研发就开始,包括验证,制造和成本,都严格的符合汽车量产规格要求的这样一个3D激光雷达,所以这就是为什么今天反复强调SCALA是第一款量产的车归级激光雷达,

22

Innoviz CEO兼联合创始人  Omar Keilaf

自动驾驶对于激光雷达的高频分辨率是特别要求高的,我们要求在500米之内能够提供到一个高清晰度的图像,同时帧率也要非常高。有了这样的帧率之后我们能够看到更加实时一个图像的返回,这个帧率实际上是决定了车能开多快,如果帧率过于低的话,这个车速同时也不会太高。第三个要求可能我们谈论的不是那么多,就是激光雷达的尺寸和它的一个功率。太小的尺寸激光雷达它的功效效能也不会太高。

23

安森美半导体自动驾驶负责人 Radhika Arora

我们会很快向市场推出一款图像的传感器,它是具备了网络安全这样一种功能。它一方面作为传感器,一方面也是专注图像的传感器,这是在车仓之内的快速增长,我们也可以看到在我们车上的电子设备是越来越多,有视频设备,音频设备。越来越多的传感器,也是能够为这些车的设备提供很多服务。

24

Quanergy 创始人兼CEO Louay Eldada

我们的产品非常广泛,虽然我们专注汽车领域,但是我们在其它领域,安全领域、机器人、还有工业领域还有其它领域都获得很多奖项和认可。我们不是生产部件的,我们有传感器和激光雷达,但是我们在AI软件方面有很大的实力,在数据管理方面有很大的实力,我们在这三个领域都有非常强大的实力,我们提供这些解决方案。

25

地平线(上海)芯片研发总经理 吴征

地平线首先是一家AI公司,算法也是很强大的公司,我们碰到这些数据量怎么一起处理、挖掘这些价值,使生活更美好。我们地平线也做芯片,当时我们做芯片是考虑,跟一般的思维不太一样,因为大家知道在AI人工智能计算的时候,好多是跟场景高度相关的。某种程度上可以这么说,场景决定算法,算法决定芯片,芯片反过来又要算法,软硬件一起融合,提供解决方案,真正去用到场景,这是一个闭环系统。地平线所做的AI芯片,我们说大脑叫BPU(Branch Processing Unit),所以我们更多的是软硬件的一种做法。

26

滨松中国高级工程师,滨松激光雷达项目产品技术负责人  鲍泽宇

滨松是一家有着多年光电器件生产经验的这样一个企业,这个是第五部分,我来介绍一下滨松现在针对于激光雷达器件部分一个发展规划,由于我们作为一个半导体元器件的生产厂家,我们针对不同方法的激光雷达其实是有着自己看法。由于我不同方法的激光雷达,有自己本身的缺点和他们共有的优势,因此我们认为在未来的使用环境中,不仅是多种传感器的融合,也是当中激光雷达方法的一个融合。

产业产业智能驾驶
1
相关数据
初速度机构

Momenta致力于打造自动驾驶大脑,核心技术是基于深度学习的环境感知、高精度地图、驾驶决策算法。产品包括不同级别的自动驾驶方案,以及衍生出的大数据服务。Momenta有世界顶尖的深度学习专家,图像识别领域最先进的框架Faster R-CNN和ResNet的作者, ImageNet 2015、ImageNet 2017、MS COCO Challenge 2015等多项比赛冠军。团队来源于清华大学、麻省理工学院、微软亚洲研究院等,有深厚的技术积累和极强的技术原创力。

http://www.momenta.cn/en
地平线机构

地平线作为嵌入式人工智能全球领导者,致力于提供高性能、低功耗、低成本、完整开放的嵌入式人工智能解决方案。面向智能驾驶、智能城市和智能商业等应用场景,为多种终端设备装上人工智能“大脑”,让它们具有从感知、交互、理解到决策的智能,让人们的生活更安全、更便捷、更美好。

区块链技术

区块链是用分布式数据库识别、传播和记载信息的智能化对等网络, 也称为价值互联网。 中本聪在2008年,于《比特币白皮书》中提出“区块链”概念,并在2009年创立了比特币社会网络,开发出第一个区块,即“创世区块”。

深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

自动驾驶汽车技术

自动驾驶汽车,又称为无人驾驶汽车、电脑驾驶汽车或轮式移动机器人,是自动化载具的一种,具有传统汽车的运输能力。作为自动化载具,自动驾驶汽车不需要人为操作即能感测其环境及导航。

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

感知层技术

IoT (物联网) 三层结构中的一层,用于识别物体,采集信息等感知类的任务;另外两层是应用层(Application layer)和网络层(Network layer)。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

查询技术

一般来说,查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域,查询指的是数据库和信息系统对信息检索的精确要求

物体识别技术

计算机视觉领域的一个分支,研究物体的识别任务

暂无评论
暂无评论~