详情

大语言模型驱动的自动驾驶仿真数据生成平台

申报人:陈思衡 申报日期:2024-03-09

基本情况

第二十九期上海交通大学大学生创新实践计划
大语言模型驱动的自动驾驶仿真数据生成平台
创新训练项目
工学
电子信息类
创新类
电子信息与电气工程学院
陈思衡
指导教师
登录状态下查看

目前作为负责人承担新一代人工智能国家科技重大专项课题、基金委面上项目、上海市科委人工智能专项等。

  1. 专业知识和技术指导:凭借指导教师在自动驾驶技术、机器学习和计算机视觉领域的专业知识,为团队提供技术指导和专业建议,特别是在3D场景渲染、人工智能模型训练以及行人行为和不同天气条件仿真等关键技术点上。


  2. 资源获取:帮助项目团队获取必要的软硬件资源,包括高性能计算资源、软件许可以及访问外部数字资产的权限,确保项目的顺利进行。


  3. 学术交流和合作:利用指导教师的学术网络,为项目团队与国内外在相关领域内的研究者和实验室建立联系,促进知识交流和技术合作。此外,协助团队成员参加重要的学术会议,如CVPR,以展示我们的研究成果,并获取行业的最新进展和反馈。


  4. 项目管理和规划:在项目规划和管理方面提供支持,包括帮助设定可行的项目目标、时间表和里程碑,以及监控项目进展,确保项目按照既定目标高效推进。


  5. 资金投入:会为项目的研究和开发提供充足的资金支持。

数据并不是取之不尽的资源,数据消费的速度远远高于数据自然产生的速度。有预测认为,到2026年文本数据将被训练完,图像数据将在2040年左右用完。合成数据将是未来数据的主要来源。以自动驾驶为例,自动驾驶汽车在道路上可能遇到的每个场景,是无法通过收集真实世界的驾驶数据来覆盖的。因此,自动驾驶的场景仿真由于能够提供高质量的定制化数据而在近期备受关注。但现有的场景仿真方式面临着交互效率、高质量3D渲染和引入外部数字资产等问题。 本项目旨在提出和完善一个由自然语言直接控制生成高质量自动驾驶场景数据的仿真平台。已有前期工作:ChatSim [CVPR 2024](https://yifanlu0227.github.io/ChatSim/)。仍需进一步研究的关键点包括:更快速的3D渲染,行人行为的仿真,不同天气条件的仿真等。

选题成员

6

指导教师

序号 教师姓名 电子邮箱 所属学院
1 陈思衡 登录状态下查看 电子信息与电气工程学院 第一指导教师

选题附件

结束