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
Echobase
Echobase AI可通过提供专门训练的AI代理来协助团队进行查询、创建和分析文件，这些代理擅长问答、分析和任务完成。...
PresentationGen
PresentationGen是一个基于SpringBoot框架开发的Web应用程序，它通过集成大语言模型（LLM）来自动化生成PPT文件。该技术通过...
aiconvert
解锁Aiconvert的功能，即不需要注册的免费高级AI工具。通过此AI文本将图像轻松生成令人惊叹的图像。通过AI技术的精确和效率来增强您的作品。...
Flux AI 图像生成器
Flux AI 图像生成器是由Black Forest Labs开发的，基于革命性的Flux系列模型，提供尖端的文本到图像技术。该产品通过其120亿参...
happysrt
HappySrt是一种由AI驱动的工具，用于自动从YouTube URL生成准确的字幕。使用此用户友好，尖端的解决方案加快全球化内容的过程，并吸引任何...
earfee.com
earfee.com是一个能够将图像、文本或代码转化为网页或组件的在线工具。它使用AI技术，支持HTML、Tailwind、脚本等多种语言和框架，用户...
Brain2Qwerty
Brain2Qwerty 是一种创新的非侵入式脑机接口技术，旨在通过解码大脑活动来实现文本输入。该技术利用深度学习架构，结合脑电图（EEG）或脑磁图（...
zero_to_gpt
zero_to_gpt是一个旨在帮助用户从零基础学习深度学习，并最终实现训练自己的GPT模型的教程。随着人工智能技术走出实验室并广泛应用于各行各业，社...
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。
