上一篇
AI Dev Gallery是什么？一文让你看懂AI Dev Gallery的技术原理、主要功能、应用场景
OpenEMMA是什么？一文让你看懂OpenEMMA的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
OpenEMMA概述简介
OpenEMMA是德州农工大学、密歇根大学和多伦多大学共同开源的端到端自动驾驶多模态模型框架，基于预训练的多模态大型语言大模型（MLLMs）处理视觉数据和复杂驾驶场景的推理。框架基于链式思维推理过程，显著提高模型在轨迹规划和感知任务中的性能，同时集成专门优化的YOLO模型提高3D边界框预测的准确性。OpenEMMA提供了一个平台，促进更广泛的研究和开发，推动自动驾驶技术的进步。
OpenEMMA的功能特色
端到端轨迹规划：直接从传感器输入学习驾驶动作，实现从感知到决策的端到端优化，无需符号化接口。
多模态数据处理：框架处理前向摄像头图像和文本历史 ego 车辆状态作为输入，将驾驶任务框架化为视觉问答（VQA）问题。
链式思维推理：采用链式思维推理过程，指导模型生成关键对象的详细描述、行为洞察和元驾驶决策。
3D对象检测：集成微调的YOLO模型，OpenEMMA能精确检测3D道路上的对象，提高对象检测的准确性。
人类可读输出：基于MLLM的预存世界知识，OpenEMMA能为场景理解等感知任务产生可解释的、人类可读的输出。
OpenEMMA的技术原理
预训练的MLLMs：基于预训练的MLLMs，处理复杂的视觉数据，推理驾驶场景。
链式思维推理过程：基于链式思维推理，模型能生成速度向量和曲率向量，向量用在计算车辆的未来轨迹。
速度和曲率向量：给定速度和曲率向量，模型首先整合每个时间步的航向角，然后计算速度的x和y分量，最终用积分速度分量计算最终轨迹。
对象检测增强：为克服MLLMs在空间推理上的局限，集成一个专门优化用在3D边界框预测的YOLO模型。
端到端规划与推理：OpenEMMA遵循基于指令的方法，提示MLLMs产生人类可解释的知识，将轨迹生成任务分解为人类可解释的组成部分，反映驾驶过程。
OpenEMMA项目介绍
GitHub仓库：https://github.com/taco-group/OpenEMMA
arXiv技术论文：https://arxiv.org/pdf/2412.15208
OpenEMMA能做什么？
城市道路驾驶：在复杂的城市交通环境中，处理多变的交通信号、行人、自行车和其他车辆，为自动驾驶车辆提供实时决策和轨迹规划。
高速公路驾驶：在高速公路上，处理高速行驶中的车辆，进行车道保持、超车、避障等操作的决策支持。
停车和低速驾驶：在停车场或低速环境中，帮助自动驾驶车辆进行精确的停车操作，避免障碍物，能在狭小空间中导航。
夜间驾驶：OpenEMMA能在低光照条件下工作，提供夜间驾驶时的决策支持，包括对象检测和轨迹规划。
复杂天气条件：在雨、雾等复杂天气条件下，辅助自动驾驶车辆保持安全行驶，减少天气对驾驶的影响。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
GPTflow
GPTFlow是一个基于ChatGPT的AI聊天机器人，可根据您的信息定制，帮助您优化支出并增加转化率。它能处理高达95%的请求，并将无法处理的请求转...
AutoCalls.ai
AutoCalls.ai是一款革命性的电话通信解决方案，利用先进的人工智能技术管理和自动化电话交互。它提供了AI驱动的电话通话代理，可以优化客户支持和...
Codestral
Codestral是Mistral AI团队推出的首个代码生成AI模型，它能够通过共享指令和完成API端点帮助开发者编写和与代码交互。它在80多种编程...
HeyMusic.AI
HeyMusic.AI是一款基于AI算法的生成音乐平台，可以根据用户提供的歌词创作音乐。它可以在几秒钟内根据用户的提示创建定制的AI音乐，让用户轻松释...
Gamma
Gamma App是一种新型的内容呈现方式，通过AI技术帮助用户创造美观、引人入胜的演示文稿和网页，无需繁琐的格式和设计工作。Gamma App提供一...
Tilores Identity RAG
Tilores Identity RAG 是一个为大型语言模型（LLMs）提供客户数据搜索、统一和检索服务的平台。它通过实时模糊搜索技术，处理拼写错误...
Canonical AI
Canonical AI提供的声音AI分析工具，专注于分析和优化语音助手的通话性能。该工具通过可视化通话流程、识别关键性能指标（KPIs）和自定义度量...
Sesame CSM
CSM 是一个由 Sesame 开发的对话式语音生成模型，它能够根据文本和音频输入生成高质量的语音。该模型基于 Llama 架构，并使用 Mimi 音...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
