-
Q融合和感知平台支付具备自主学习功能？可以自主改进？
A 您好，融合算法是不会进化的，感知的神经网络AI的算法是可以training的，或者说是可以越来越Cover长尾场景的。 谢谢
-
Q典型的实用仿真软件有哪些？
A您好，仿真软件有 carla, cognata, dspace, 国内tencent也有,谢谢
-
Q贵司方案从软件到硬件都是自己生产吗?还是需要使用其他厂家的产品?
A 我们不挑硬件的，硬件由客户自行决定选择
-
QeddarVision--LeddarTech传感器的感知范围是多少？
A 这个由客户应用要求来定的，我们目前开发的是200M的距离，可以调整的
-
Q有预测功能吗？
A 有的
-
Q自动驾驶最易神经错乱的诱因主要有哪些？
A 您好，这个问题有趣，我个人觉得1，每个传感器输出结果不一致，比方camera 说有障碍物，mmRadar说有障碍物，激光雷达说没有，这个就错乱了。这个问题可以通过我们的原始前融合算法改善。 2，某一个传感器失效，这个可以通过我们自诊断模块提前发出预警，然后降级处理，谢谢
-
Q自动驾驶汽车的传感如今处于哪一阶段？
A 您好， 不太明白您的意思。如果说可以实现的SAE的自动驾驶级别来说，L2+基本可以，如果不考虑成本，在特定路段的L4也是可以的实现的。谢谢
-
Q多传感器协同融合是否也会出现互扰紊乱？
A 您好， 如果是目标级后融合，当每个传感器输出结果不一致，比方camera 说有障碍物，mmRadar说有障碍物，激光雷达说没有，这个就错乱了。这个问题可以通过我们的原始前融合算法改善。 谢谢
-
Q如果传感器异常，如何保证行驶安全？
A 我们只提供多传感器数据输出感知算法，独立于传感器硬件, 如果一个传感器出现故障，我们的算法仍然可以继续运行, 并继续提供自动驾驶数据.
-
Q人工智能如何提高传感器性能?
A 您好， 如果是目标级后融合，每个传感器通过AI算法的training, 可以输出自己的目标集， 但都受限于传感器本身的参数限制，如200万像素，68线激光雷达等。通过我们的原始前融合算法， 我们可以把200万像素去补充低线数激光雷达或稀疏点云的mmRadar, 从而得到一个密集点云的RGBD模型，这样就把传感器的性能互补，提升了N倍。谢谢
-
Q自动驾驶还有哪些重大的传感瓶颈或空白点？
A 传感器能否通过严格的汽车标准, 使用寿命和温差振动可靠性, 检测视场、范围和精度...等
-
Q高精度是怎样做到的？
A 您好， 没能很好的理解您的问题，如果说是定位的高精度，主要是仰赖GPS+IMU+LiDAR的实时定位，如果是说对障碍物精度，主要是在采集数据标定成真值系统时，标定的精度越高，后面对神经网络算法的training后，输出的精度也就越高， 谢谢
-
Q目前贵司的方案已经应用了吗,主要客户和产品有哪些?
A 目前客户的项目还处于POC验证和项目的前期研发阶段居多，有国内外Tire1/OEMs的客户，但由于NDA限制，还无法披露，谢谢。
-
Q自动驾驶汽车的最高传感境界将是哪种景象？
A L5级别的自动驾驶车辆, 去掉方向盘和驾驶位置的完全自主驾驶。
-
Q真正的自动驾驶是不是完全保证安全？目前的科技水平是不是还做不到这点？有哪些无法解决的问题？
A 您好， 真正的自动驾驶应该比现在的人驾驶更安全，目前的科技水平在不考虑成本的情况下是接近这个水平的，难点是商业化的过程成本的控制，这个主要是整个汽车生态系统的共同进化，如上游有的芯片，操作系统，中游的传感器，域控制器，感知，规划控制算法，下游的整车厂的系统整合等等。谢谢
-
Q传感器能否实现自检？毕竟是安全的用途？
A 只要传感器本身符合功能安全要求的，就会有自检功能
-
QADAS和AD应用的关键是实现哪些最佳的方向？
A 您好，没能很好的理解您的问题，可以邮件horry.cheng@leddartech.com联系到我，谢谢
-
Q算法融合的运行效率是多少
A 为了实时性，处理时间要在100ms以内完成，具体时间跟传感器数据和感知要求有关
-
Q汽车应用ADAS的算力需要达到什么程度？
A 这种要根据实际传感器种类和数量，感知要求决定
-
Q对于鬼探头的安全难题,贵司的方案有对策吗?
A 对于AEB的corner case，我们从感知算法上来说是可以处理的，如有项目需求可以联系进一步沟通一下 谢谢！
- 1113召开 以48V电机驱动技术引领绿色创新
- 1030召开 交流/直流电源输入过流和过压保护选型指南