1 2100% 3

人们对无人驾驶技术的期盼由来已久。近年来深度神经网络的研究在视觉，控制，规划等无人驾驶核心技术上都取得了很大的进展。但是，为了真正把神经网络从实验室迁移到产品中，我们仍然需要解决一些核心问题。 1）深度学习模型需要大量的训练数据，但是收集，标注大量数据非常困难。 2）准确性对于无人驾驶是至关重要的，但无论什么模型，要达到100%的准确率是几乎不可能的。 3）无人驾驶要求神经网络模型以实时的速度检测周围环境，但大多数的深度学习模型计算复杂度很高，超过了车载处理器的处理能力。 这个讲座将关注与以下几点： 1）如何利用仿真来生成训练数据，以及如何用domain adptation的方法让通过仿真数据训练的模型迁移到真实世界中。 2）如何利用仿真器对深度学习模型进行系统性的测试与验证，理解在什么情况下神经网络可能出错，以至于我们可以相应地调整控制策略。 3）如何设计高效的神经网络以满足实时性，低功耗的要求。