BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

Safe Adaptive Cruise Control under Perception Uncertainty: Deep Ensemble and Conformity-Based Model Predictive Control Method

💡 原文英文，约100词，阅读约需1分钟。
📝

内容提要

本研究结合深度神经网络回归器的深度集成与符合性预测，解决了自动驾驶感知系统的不确定性问题，确保安全性。实验结果表明，该算法在速度跟踪和安全距离保持方面表现优异。

🏷️

标签

model 不确定性 安全性 感知系统 深度神经网络 自动驾驶
➡️

继续阅读

  1. 自动驾驶出租车进入反派时代
    短片《Road Rage》将自动驾驶汽车描绘为杀人反派，反映公众对AI取代工作、监控和失控的恐惧。影片中，人类司机乔亚驾驶手动挡汽车对抗恶意机器人出租车，...
  2. Kubernetes v1.37：KubeletInUserNamespace（即无根模式）升级至Beta
    Kubernetes v1.37将KubeletInUserNamespace特性升级至beta，允许节点组件以非root用户运行于Linux用户命名空间...
  3. Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
    本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
  4. DeepSeek-V4 模型结构（7）：结构决定系统
    DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
  5. DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
    DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
  6. Kimi K3 模型结构（8）：训练并行，一步训练里谁在等谁
    本文介绍Kimi K3模型预训练的并行系统设计，聚焦MoE层expert并行。核心是MoonEP方案：每个rank预留E/R个冗余expert槽位，确保任...
👤 个人中心
在公众号发送验证码完成验证