AIbase

Drivevlm
Drivevlm
DriveVLM的目标受众包括自动驾驶领域的研究人员和工程师，以及希望提高自动驾驶系统场景理解和规划能力的企业和组织。该技术特别适合需要处理城市环境中复杂和长尾场景的自动驾驶系统。
AI自动驾驶AI模型#自动驾驶#视觉语言模型#场景理解#分层规划普通产品开源
总访问量： 2,156
占比最多地区： US(87.85%)
816
产品介绍
网站流量
同类开源产品
替代品
简介
DriveVLM是一个自动驾驶系统，它利用视觉语言模型(VLMs)来增强场景理解和规划能力。该系统通过独特的推理模块组合，包括场景描述、场景分析和分层规划，以提高对复杂和长尾场景的理解。此外，为了解决VLMs在空间推理和计算需求上的局限性，提出了DriveVLM-Dual，这是一个混合系统，结合了DriveVLM的优势和传统自动驾驶流程。在nuScenes数据集和SUP-AD数据集上的实验表明，DriveVLM和DriveVLM-Dual在处理复杂和不可预测的驾驶条件方面非常有效。最终，DriveVLM-Dual在生产车辆上进行了部署，验证了其在现实世界自动驾驶环境中的有效性。
截图
产品特色
接受图像序列作为输入，通过基于推理的思考链(CoT)机制输出分层规划预测。
可选地结合传统的3D感知和轨迹规划模块，实现空间推理能力和实时轨迹规划。
数据挖掘和注释流程，构建场景理解数据集。
使用注释者团队进行场景注释，包括场景描述、场景分析和规划。
在nuScenes数据集和SUP-AD数据集上进行实验，验证系统的有效性。
DriveVLM-Dual在生产车辆上部署，验证其在现实世界自动驾驶环境中的有效性。
使用教程
1. 准备图像序列作为输入数据。
2. 将图像序列输入DriveVLM模型。
3. 利用DriveVLM的推理机制进行场景描述、分析和规划。
4. 根据需要，可选地结合3D感知和轨迹规划模块。
5. 从DriveVLM模型获取分层规划预测结果。
6. 在实际自动驾驶环境中部署DriveVLM-Dual，验证其效果。
流量来源
直接访问47.04%外链引荐32.36%邮件0.06%
自然搜索6.71%社交媒体12.95%展示广告0.89%
最新流量情况
月访问量
1210
平均访问时长
0.00
每次访问页数
1.01
跳出率
54.94%
总流量趋势图
地理流量分布情况
美国
87.85%
日本
12.15%
地理流量分布全球图
精选AI产品推荐
Nocode
中文精选
NoCode 是一款无需编程经验的平台，允许用户通过自然语言描述创意并快速生成应用，旨在降低开发门槛，让更多人能实现他们的创意。
开发平台#应用开发
912
Listenhub
优质新品
ListenHub 是一款轻量级的 AI 播客生成工具，支持中文和英语，基于前沿 AI 技术，能够快速生成用户感兴趣的播客内容。
音频生成#AI
348
Lovart
国外精选
Lovart 是一款革命性的 AI 设计代理，能够将创意提示转化为艺术作品，支持从故事板到品牌视觉的多种设计需求。
AI设计工具#创意工具
1,128
Fastvlm
FastVLM 是一种高效的视觉编码模型，专为视觉语言模型设计。
AI模型#图像处理开源
564
Smart PDFs
国外精选
Smart PDFs 是一个在线工具，利用 AI 技术快速分析 PDF 文档，并生成简明扼要的总结。
文章摘要#AI
984
Keysync
KeySync 是一个针对高分辨率视频的无泄漏唇同步框架。
视频编辑#视频处理开源
480
Anyvoice
AnyVoice是一款领先的AI声音生成器，采用先进的深度学习模型，将文本转换为与人类无法区分的自然语音。
音频生成#文本转语音
26.38k
Liblibai
中文精选
LiblibAI是一个中国领先的AI创作平台,提供强大的AI创作能力,帮助创作者实现创意。
AI模型#图像生成
344.42k