全能赛道、热门方向、稀缺数据,不能错过的自动驾驶技术挑战赛

嬴彻科技与清华大学智能产业研究院联合举办「嬴彻-清华AIR杯」自动驾驶技术挑战赛,聚焦决策规划算法,提供真实场景数据集,邀请选手解决实际难题。大赛设有丰厚奖金、实习/招聘绿色通道,覆盖干线物流与城市道路两大赛道,挑战算法极限。

由卡车自动驾驶领导者嬴彻科技清华大学智能产业研究院(AIR)精心打造的“嬴彻-清华AIR杯” 自动驾驶技术挑战赛首届赛题正式上线啦!

决策规划是自动驾驶当下的热门方向和技术难点。本次大赛聚焦决策规划算法,挑战算法极限的技术高峰,赛题精良、奖励丰厚,除了奖金和证书外,还将开放实习/招聘绿色通道,欢迎各位选手们登录大赛官方平台DataFountain(http://datafountain.cn)踊跃报名~

大赛背景

汽车和智能交通将是第四次工业革命的重要技术和场景,自动驾驶作为其中的关键技术,将从安全、效率、商业模式等多方面赋能产业升级。近年来自动驾驶技术正走向量产落地,产生真实商业价值,技术迈入全新阶段,不论产业界还是学术界,更加聚焦能落地量产的技术、车云协作技术、长尾问题解决等方向。

在此大背景下,卡车自动驾驶领导者嬴彻科技与清华大学智能产业研究院(AIR)携手,主办自动驾驶技术挑战赛。

大赛亮点

首创:首次覆盖干线物流赛道,是国内唯一同时涵盖干线物流和城市道路这两大最主要赛道的自动驾驶算法大赛。

真实:赛题将提供更易用更真实的仿真环境、以及从实际业务场景中转为的真实场景数据集,号召大家共同来解决真实世界的难点问题。

极限:在干线物流赛道,挑战在量产限制条件下的算法极限,比如说小算力。这也是在真实世界会面临的实际挑战。

欢迎算法达人加入赛事,不断挑战算法极限的技术高峰,加速前沿技术的应用,共同推进行业的不断前进。

赛题介绍

赛题名称:“嬴彻-清华AIR杯” 自动驾驶技术挑战赛:决策规划算法

赛题任务:决策规划在自动驾驶等方面有着广泛的应用前景,此挑战赛旨在利用基于真实数据构建的仿真场景进行决策规划算法开发。参赛者需基于提供的软件框架实现决策规划算法,在自动驾驶场景中,对静态和动态的障碍物进行决策, 结合道路信息和动力学约束规划出一条安全光滑的轨迹,使自车在给定初始状态等前提下,在规定时间内,在复杂场景中无碰撞、高效、舒适通行,到达指定目标区域。

赛程设置

2022/09/01 发布初赛赛题,选手可登录大赛官网报名。

2022/09/13 发布初赛A榜数据,选手可登录大赛官网赛题详情页下载A榜数据集,同时大赛正式进入A榜测评阶段,选手可在线提交结果文件至竞赛平台,每日每队最多可提交3次,测评系统将自动评测得分并同步更新至排行榜。排行榜上将记录选手的最高成绩,相关团队必须自行保存最高成绩作品的源代码以备审核。

2022/11/05 24:00 截止报名及组队。

2022/11/08 24:00 A榜评测结束,发布B榜数据集。

2022/11/10 00:00-2022/11/12 24:00 B榜评测阶段。

2022/11/12 24:00 B榜评测结束,榜单锁定。

2022/11/13-2022/12/5 对排行榜前五支队伍进行作品代码复现审核后,按照评测成绩由高至低依次获得一二三等奖及优胜奖。

2022/12 上旬 公布最终成绩及排行。

*如因不可抗力或其他因素影响而变更时间、调整赛程,大赛组委会将在第一时间在大赛官网(http://datafountain.cn)更新。

奖金奖项

1.奖金池

奖项数量获奖条件奖金(人民币)合计(人民币)
一等奖1支团队排行榜第1名5万元10万元
二等奖1支团队排行榜第2名3万元
三等奖1支团队排行榜第3名1万元
优胜奖2支团队排行榜第4-5名5000元

2.其他福利

  • 赛事组委会颁发获奖证书
  • 嬴彻科技实习及招聘绿色通道
  • 清华AIR实习绿色通道
  • 行业顶尖大牛面对面的机会

组织结构

主办单位:嬴彻科技、清华大学智能产业研究院(AIR)

协办单位:百度

官方竞赛平台:DataFountain(http://datafountain.cn

关于嬴彻科技:嬴彻科技是一家自动驾驶技术和运营公司,业务聚焦于干线物流场景,坚持“全栈自研+量产驱动+深度运营”的核心策略,自主研发全栈L3和L4级自动驾驶技术,和汽车产业紧密合作,为物流客户提供更安全、更高效、更优成本的自动驾驶技术产品和新一代TaaS (Transportation-as-a-Service) 货运网络。

嬴彻轩辕自动驾驶系统是行业首个面向量产、全栈自研的卡车自动驾驶系统,包括算法、软件、计算平台和线控底盘集成。嬴彻智能卡车已于2021年底全球最早实现L3级量产,并开展常态化商业运营,验证成本优势,规模快速增长。截止2022年8月底,搭载嬴彻轩辕系统的智能重卡的自动驾驶商业里程已超600万公里,并持续增长。同时,公司也已实现具备量产基因的L4重卡全无人驾驶测试,业内首次。量产使嬴彻形成自动驾驶卡车产业唯一的大规模数据闭环体系,支持向L4技术的快速迭代升级。

关于清华AIR:清华大学智能产业研究院(Institute for AI Industry Research, Tsinghua University,英文简称AIR,THU)是面向第四次工业革命的国际化、智能化、产业化的应用研究机构。AIR的使命是利用人工智能技术赋能产业升级、推动社会进步。通过大学与企业创新双引擎,突破人工智能核心技术,培养智能产业领军人才,推动智能产业跨越式发展。 

### Medical Segmentation Decathlon 数据集概述 Medical Segmentation Decathlon (MSD) 是一项专注于医学图像分割的挑战赛,提供了涵盖多种器官和疾病的高质量数据集。该数据集包含 10 个不同的分割任务,涉及多种成像模态(如 CT 和 MRI),并且所有数据均经过严格的预处理和标注[^4]。 每个任务的数据集都包括训练集和测试集,并且提供了详细的分割标签。以下是一些关键信息: - **任务数量**:10 个独立的任务。 - **成像模态**:包括 CT 和 MRI。 - **标注类型**:像素级别的分割标注。 - **数据规模**:每个任务的数据规模不同,但总体上提供了丰富的样本以支持深度学习模型的训练。 - **应用场景**:涵盖了多种器官和疾病,例如肝脏、胰腺、心脏、脑肿瘤等。 ### 数据集下载与挑战参与 为了下载 MSD 数据集并参与相关的医学图像分割挑战,可以访问官方提供的资源链接。以下是具体步骤: 1. **访问官方网站**:MSD 的官方资源通常托管在公开的医学图像分割社区网站上,例如 [Medical Segmentation Decathlon 官方页面](https://www.medicaldecathlon.com/)。 2. **注册账号**:需要在相关平台上注册账号以获取数据下载权限。 3. **下载数据**:登录后,可以下载各个任务的数据集,包括训练集和测试集。 4. **参与挑战**:提交分割结果至官方平台,评估模型性能。 此外,需要注意的是,MSD 数据集遵循特定的许可协议(如 CC-BY-SA 4.0),使用时需确保遵守相关条款[^5]。 ```python # 示例代码:加载 MSD 数据集(假设使用 PyTorch) import torch from torch.utils.data import DataLoader from monai.transforms import LoadImage, EnsureChannelFirst, Resize, ToTensor # 定义数据加载器 def load_msd_data(data_path): loader = LoadImage(image_only=True) transform = EnsureChannelFirst() followed_by Resize((128, 128, 128)) and ToTensor() images = [] labels = [] for file in data_path: img = loader(file) img = transform(img) images.append(img) return torch.stack(images), torch.stack(labels) # 使用示例 train_images, train_labels = load_msd_data('path_to_msd_train_data') ``` ### 注意事项 - 确保下载的数据集版本与挑战赛要求一致。 - 在模型开发过程中,建议对数据进行适当的增强以提高泛化能力。 - 提交结果时,遵循官方提供的格式要求,避免因格式问导致评估失败。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值