上一篇
TimeSuite是什么？一文让你看懂TimeSuite的技术原理、主要功能、应用场景
EMMA是什么？一文让你看懂EMMA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
EMMA概述简介
EMMA是Waymo基于Gemini模型推出的端到端自动驾驶多模态模型，能将原始相机传感器数据直接映射到驾驶特定输出，如规划轨迹、感知对象和道路图元素。EMMA将非传感器输入和输出表示为自然语言文本，用预训练大型语言大模型的世界知识，在统一的语言空间中联合处理多种驾驶任务。EMMA在nuScenes运动规划和Waymo开放数据集上展现了先进性能，但存在局限性，如处理图像帧数量有限、缺少精确3D传感方式集成和高计算成本。模型能推动自动驾驶模型架构的发展，提高自动驾驶系统在复杂场景中的泛化和推理能力。
EMMA的功能特色
端到端运动规划：
直接从原始相机传感器数据生成自动驾驶车辆的未来轨迹。
将轨迹转化为车辆特定的控制动作，如加速和转向。
3D对象检测：用摄像头为主要传感器，检测和识别周围的物体，如车辆、行人和骑行者。
道路图元素识别：识别和构建道路图，包括车道线、交通标志等关键道路元素。
场景理解：理解整个场景的上下文，包括临时道路阻塞和其他影响驾驶的情况。
多任务处理：在统一的语言空间中联合处理多种驾驶任务，用任务特定的提示生成输出。
链式思维推理：基于链式思维推理提升模型的决策能力和可解释性，让模型在预测未来轨迹时能阐述其决策理由。
EMMA的技术原理
多模态大型语言大模型（MLLMs）：基于预训练的MLLMs，如Gemini，模型在广泛的互联网规模数据上训练，拥有丰富的“世界知识”。
自然语言表示：所有非传感器输入和输出（如导航指令、车辆状态、轨迹和3D位置）表示为自然语言文本。
视觉问题回答（VQA）：将驾驶任务重新构想为VQA问题，基于Gemini的预训练能力，保留广泛的世界知识。
自回归模型：用自回归Gemini模型处理交错的文本和视觉输入，生成文本输出。
端到端训练：基于端到端训练，直接从传感器数据生成驾驶动作，消除模块间符号化接口的需求。
EMMA项目介绍
arXiv技术论文：https://arxiv.org/pdf/2410.23262
EMMA能做什么？
城市和郊区驾驶：EMMA能处理复杂的城市交通环境及郊区道路条件，提供实时的驾驶决策和轨迹规划。
交通拥堵和复杂路口：在交通拥堵或多路口场景中，EMMA能进行有效的路径规划和决策，确保安全高效的导航。
特殊天气和光照条件：EMMA能适应不同的天气和光照条件，如雨、雾或夜间驾驶，保持稳定的驾驶性能。
施工区域和临时道路封闭：基于场景理解能力，EMMA能识别施工区域和临时道路封闭情况，做出相应的驾驶调整。
紧急情况响应：在遇到紧急情况，如突然出现的障碍物或动物时，EMMA能迅速做出反应，采取避让或减速等措施。
© 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
storymania ai story generator
与AI -Power的平台与Storymania进行工艺吸引人的故事，旨在协助各个级别的作家。在干净，无广告的环境中享受无缝的编辑和类型定制。在创纪录...
Exponent
Exponent 是一款协作式 AI 编程代理，旨在提升软件开发的效率与体验。它能够在多种环境中工作，从代码的探索到部署，能够帮助开发者自动化复杂的编...
Baklib
Baklib 是一款 All in Content 的企业级云平台，帮助企业一站式管理数字内容，实现多场景的数字体验。它采用独特的三层架构，将资源库、...
Next.js
Next.js 是一个用于构建现代 React 应用程序的框架。它提供了许多功能和优势，包括服务器渲染、静态生成、热模块替换等。Next.js 的定价...
RolePlai - Ai Chatbots
RolePlai是一款革命性的AI聊天机器人应用程序，具有世界上最先进的AI技术，让您感觉像在与真人交谈。这款前沿的应用程序允许您立即创建任何名人、公...
Airparser
Airparser是一款基于GPT技术的自动化数据提取工具，可以从电子邮件、PDF和文档中提取结构化数据，并实时导出到任何应用程序。它具有OCR引擎，...
Sanctum
Sanctum是一个桌面客户端应用程序，让您能够在本地设备上运行和交互完整功能的开源大型语言模型。通过Sanctum，您可以保证数据加密、安全，并且永...
可灵 AI
可灵 AI 是一款集成了 AI 图像和视频创作功能的创意生产力平台。其主要优点在于快速生成多样风格的图片和高清视频，助力用户提升创作效率。产品定位于为...
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。
