LLaVA-Phi是一款创新的多模态助手，它使用Phi-2语言模型。尽管参数只有2.7B，但LLaVA-Phi在多模态对话中表现出色，结合了文本和视觉。该助手可以在多个领域内使用，例如智能家居和自动驾驶等。

近年来，人工智能技术的发展趋势，使得图像处理技术得以广泛应用，如在自动驾驶、安保领域等。然而，一些研究表明，AI视觉系统与人类感知存在差异。 研究人员发现，图像伪造可影响人类感知，同时也可能误导AI视觉系...

Waymo的研究人员表示，与人类驾驶员相比，其无人驾驶汽车的报警率和导致伤害事故的发生率显著降低。Waymo正在广泛推动国际标准化，以对自动驾驶汽车碰撞数据进行有效分析。

近日，GitHub仓库上线了一款全新的模型，可同时进行图像分割、识别和标注，超越了之前的能力。这个新模型的优势在于可以标记任何事物，不再局限于传统的图像和文本。目前，该模型已经在多个领域得到了广泛的应用，包...

DriveMLM是一种新的框架，它使用大型语言模型来提高自动驾驶的能力。这个系统将语言决策与车辆控制相结合，不仅与现有的自动驾驶系统集成，而且在模拟中表现更好。

研究人员引入了FamO2O框架，旨在通过确定基于状态的最佳平衡来改进和约束当前的离线到在线RL算法的能力。该框架可自适应地根据环境状态调整平衡，以确保算法在不同的环境下都能得到最优的表现。FamO2O框架可以在多种...

直接偏好优化是使用非常相似的数据的RLHF的稳定替代方法。该存储库包含一个实现，用于学习该技术。虽然DPO是一种新兴的技术，但它在许多情况下都能够提供比强化学习更好的结果。它非常适合解决一些现实世界中的问题...

TopoMLP是一个系统，旨在通过检测和分析道路中心线和交通元素，理解道路场景并确定自动驾驶车辆的行驶路径。TopoMLP基于深度学习，能够高度准确地识别道路中心线和车道宽度等信息，并根据道路的类型和驾驶情况，决定...

该团队创建了一个新的面向视觉的RISC-V硬件，并训练了一个超小的YOLO计算机视觉模型，实现了低功耗和极低延迟的实时物体检测。该技术可广泛应用于智能眼镜、自动驾驶、智能家居等领域。

本报告评估了GPT-4V在自主驾驶中的应用，重点关注其在场景理解、决策制定和实时响应方面的能力。GPT-4V是一种基于视觉语言模型的人工智能技术，能够自动识别和理解图像中的物体、道路、标志和其他要素，并作出相应的...