人工智能相关文章
Carla自动驾驶仿真环境 4 – 交通管理器
在这篇文章中，我们将介绍Carla环境中另外一个重要的功能模块，它的名字叫做Traffic Manager（交通管理器）。 我们在 Carla自动驾驶仿真环境 3 – 利用摄像头识别车辆 中成功创建了多台车辆，并在一台车上安装了摄像头，它可以识别到道路上的其他车辆。我们为了让车辆移动，将车辆的autopilot模式设置成了True，在这个模式下，车辆会按照Carla引擎生成的路线，并在遵守交通规则的前提下安全有序的同行。但是在现实中，路上车辆的行为是不可预测的，你并不知道旁边的车辆是不是会做出危险行为，因此在自动驾驶仿真中，我们需要能够对这类的行为做出仿真，而Carla中的Traffic Manager就是为了这个目的设计的。
阅读更多
Carla自动驾驶仿真环境 3 – 利用摄像头识别车辆
在本篇文章中，我们将利用在 Carla自动驾驶仿真环境 2 – 用Python跟仿真环境交互 中学到的知识做一个很有趣的小项目，那就是利用摄像头传感器采集回来的图像，从图像中识别出汽车，并用蓝色的框框出来，然后在我们安装摄像头的汽车的不停的移动中，实时输出当前看到的图像，并标记图像中的汽车。
阅读更多
Carla自动驾驶仿真环境 2 – 用Python跟仿真环境交互
我们将在这篇文章中介绍如何使用Python库来创建Carla客户端，并使用客户端跟仿真环境进行交互，我们将会创建一台白色的特斯拉Model 3，让它在仿真环境中运动。 如果你还不知道Carla是什么，或者不清楚如何安装Carla服务器和Python库，请阅读 Carla自动驾驶仿真环境 1 – 基本概念 1.
阅读更多
Carla自动驾驶仿真环境 1 – 基本概念
随着5G和车联网的发展，不仅能够将智能交通变为现实，也使自动驾驶成为了可能，而近几年，自动驾驶发展的尤为迅速，不管你是主动的还是被动的，总能在科技新闻上看到它的身影，而从事自动驾驶相关软，硬件研究的公司也越来越多，这里边既有传统的汽车巨头，也有新兴的电动车巨鳄，既有从互联网巨头，也有这种初创企业，自动驾驶可谓是风口是上的风口。 自动驾驶需要基于大量的试验，使用大量的数据对模型进行训练，同时又需要完成大量的不同驾驶环境的验证，这样大量的训练数据和环境验证如果全部使用实车测试的话并不是很现实，这里边有是成本问题，周期问题，更重要的是很多场景我们在现实环境中并不能够实现，例如一个简单的例子，前边的车辆突然失控。 所以跟很多其他技术产品的研发一样，我们需要一个能够用计算机进行仿真的环境。幸好，科学家和从业人员已经花了很多的精力在这一技术上边，并且有一些非常好的项目，在这一系列的文章中，我们将介绍其中一个，它的名字叫Carla ，是一个主要由英特尔实验室和巴塞罗那的计算机视觉中心开发的开源项目。
阅读更多
训练机器人走迷宫2 – 强化学习之Q Learning
这是训练机器人走迷宫系列文章的第二篇也是最后一篇，在这篇文章中我们将讲解gym库的使用，并讲解我们实现的使用Q Learning成功学会100%走出8X8迷宫的机器人代码。 如果读者有需要了解项目的基本信息和Q Learning的概念和算法，可以从下边的链接进入系列文章的第一篇：
阅读更多
训练机器人走迷宫1 – 强化学习之Q Learning
本系列文章的目的是要实现一个可以自动寻找迷宫路径的机器人，我们将会使用强化学习的方法训练一个机器人，它最终能够在一个迷宫中找到正确的路径，最终到达出口，而不会掉到坑里。我们要使用到的强化学习方法为Q Learning，它是最简单的一种强化学习方法。本系列将包含两篇文章。 在这第一篇文章中，我们将首先针对要实现的项目进行一个描述，来提出我们的问题，然后针对Q Learning做一个详细的解释，而在第二篇文章，我们将实际操练起来，实现Q Learning算法，从而训练出一个可以自动寻路的机器人。
阅读更多