人工智能和深度學習研究中心
我們正在巴黎中心建設一個汽車應用人工智能研究中心,來開展我們雄心勃勃的研究項目,尤其是輔助駕駛和無人駕駛方面
多傳感器感知
無人駕駛首先依賴于各式各樣的傳感器,例如法雷奧相機、激光雷達、雷達和超聲波。在任何時刻,最大程度的探索這些傳感器的輸出是了解車輛復雜環境的基礎。為此,我們探索了各種各樣的深度學習方法,其中傳感器的學習被認為是既獨立又互相聯系的。
領域適應
深度學習和強化學習是無人駕駛的關鍵技術。而其面臨的挑戰之一便是適應訓練期間所遇到的各種條件。為了提高系統在這種情況下的性能,我們探索了所謂的領域適應技術,例如在AdvEnt,我們的項目在CVPR 2019上所展示的。
不確定性分析
當發生意外情況或天氣惡劣時,傳感器發生阻塞,裝載的感知系統應診斷情況并作出響應,例如,調用另一替代系統或人工駕駛??紤]到這一點,我們研究了評估系統不確定性和預測其性能的自動方法。
團隊陣容
-
研究科學家 Hedi Ben-younes
-
研究科學家 Andrei Bursuc
-
博士生 Charles Corbière
-
首席科學家 Matthieu Cord
-
研究科學家 Spyros Gidaris
-
研究科學家 David Hurych
-
首席科學家 Renaud Marlet
-
博士生 Arthur Ouaknine
博士生
深度學習 | 機器學習 | 信號處理
Panthéon-Sorbonne | Telecom | Zyl | Telecom
-
科技總監 Patrick Pérez
-
研究科學家 Julien Rebut
研究科學家
深度學習 | 計算機視覺
INSA | ValeoVS | ValeoCDA
-
博士生 Simon Roburin
博士生
深度學習 | 機器學習 | 應用數學 | 廣義化
Centrale | Prophesee | ENPC
-
博士生 Antoine Saporta
博士生
深度學習 | 計算機視覺 | 領域適應
X | TU-Munich | SorbonneU
-
博士生 Huy Van Vo
-
研究科學家 Tuan-Hung Vu
近期活動
Valeo.ai x ICCV’21?
2021年10月,Valeo.ai將參加最重要的計算機視覺會議之一,國際計算機視覺大會(ICCV),并發表六篇關于通過攝像頭、雷達或激光雷達分析復雜場景的論文。
Valeo.ai x CVPR’21
Valeo.ai 于 2021 年 6 月參加了頂尖的計算機視覺大會 CVPR,并發表了三篇論文,協助制定了自我監督學習教程,共同組織了全向性計算機視覺研討會,并在用于自動駕駛的安全人工智能和 全天候視覺 研討會上發表了主題演講。
Woodscape 數據集
四支 法雷奧 團隊合作發布了 Woodscape,這是首個帶有魚眼攝像頭的公開多傳感器駕駛數據集,以 1906 年魚眼攝像頭的發明者 Robert Wood 的名字命名,具有 2D 和 3D 物體探測、語義分割和深度預估等 9 項感知任務。
Carrada 數據集
Valeo.ai 與 Télécom Paris 的研究人員合作,發布了帶有距離-角度-多普勒注解的攝像頭和汽車雷達 (Carrada),這是首個在原始信號中精確標注汽車、騎行者和行人的公開汽車雷達數據集。
我們能否對駕駛系統進行解釋?
Valeo.ai 的研究人員發布了一項基于視覺型駕駛系統可解釋性的綜合調查,其中展示了大量用于事后或設計可解釋性的現有技術,分析了這些技術現有的局限性并概述了未來研究途徑,以更好地解釋自動駕駛人工智能模型。
關注弱勢道路使用者
高級駕駛輔助系統(ADAS) 和自動駕駛(AD) 系統必須對行人等弱勢道路使用者進行可靠的分析;Valeo.ai 顯示真實場景中的合成人類有助于更好地對探測器進行訓練(與布拉格捷克理工大學 (CTU Prague) 合作),并且多任務模式可以識別多達 32 個屬性,包括動作和注意力(與洛桑聯邦理工學院 (EPFL) 合作)。