Inhaltsverzeichnis
Autonomes Fahren bei niedriger Geschwindigkeit" >Autonomes Fahren bei niedriger Geschwindigkeit
Autonomes Fahren mit hoher Geschwindigkeit" >Autonomes Fahren mit hoher Geschwindigkeit
Heim Technologie-Peripheriegeräte KI Lassen Sie uns in einem Artikel über autonomes Fahren bei niedriger Geschwindigkeit und autonomes Fahren bei hoher Geschwindigkeit sprechen

Lassen Sie uns in einem Artikel über autonomes Fahren bei niedriger Geschwindigkeit und autonomes Fahren bei hoher Geschwindigkeit sprechen

Apr 08, 2023 pm 10:31 PM
技术 自动驾驶

In einem zuvor geteilten Artikel: „Wie man selbstfahrende Autos dazu bringt, die Straße zu erkennen“ habe ich hauptsächlich über die Bedeutung hochpräziser Karten in selbstfahrenden Autos gesprochen. Ein Freund hat eine Nachricht hinterlassen: „Wenn der Autor davon wüsste.“ Automatische Bewegungen der STO Express-Sortierung. Ich fürchte, die Arbeitsszene des Autos wird nicht die Ansichten in diesem Artikel haben, oder?“ In diesem Dialog waren die verwandten Konzepte des automatischen Fahrens bei niedriger Geschwindigkeit und des automatischen Fahrens bei hoher Geschwindigkeit beteiligt.

Lassen Sie uns in einem Artikel über autonomes Fahren bei niedriger Geschwindigkeit und autonomes Fahren bei hoher Geschwindigkeit sprechen

​Selbstfahrende Autos, auch fahrerlose Autos genannt, sind ein automatisiertes Fahrzeug und ein Fahrzeug, das die Unterstützung des Fahrers erfordert oder überhaupt keine Kontrolle erfordert. Als automatisiertes Fahrzeug kann ein selbstfahrendes Auto einen Menschen erfordern Betrieb, um die Umgebung wahrzunehmen und Navigations- und Reiseaufgaben zu erledigen. Das ultimative Ziel der Entwicklung des autonomen Fahrens besteht darin, bemannte Reisen durch autonome Fahrzeuge durchführen zu können. Die Entwicklung der autonomen Fahrzeugtechnologie, insbesondere die Entwicklung des autonomen Hochgeschwindigkeitsfahrens, verläuft jedoch nicht so einfach und reibungslos, wie wir es uns vorgestellt haben. Derzeit fallen die selbstfahrenden Transportfahrzeuge und Expresslieferfahrzeuge, die wir an festen Orten wie Campusgeländen, Parks und Flughäfen sehen, alle in die Kategorie des autonomen Fahrens mit niedriger Geschwindigkeit. Was genau sind autonomes Fahren mit hoher Geschwindigkeit und autonomes Fahren mit niedriger Geschwindigkeit? Was ist der Unterschied zwischen autonomem Fahren mit hoher Geschwindigkeit und autonomem Fahren mit niedriger Geschwindigkeit?

Autonomes Fahren bei niedriger Geschwindigkeit

Lassen Sie uns zunächst über autonomes Fahren bei niedriger Geschwindigkeit sprechen. Wie der Name schon sagt, bezieht sich autonomes Fahren bei niedriger Geschwindigkeit auf autonome Fahrzeuge, die mit niedriger Geschwindigkeit fahren -Autonome Fahrzeuge transportieren Objekte und die Anwendungsszenarien sind einfach und festgelegt. Die Geschwindigkeit beträgt im Allgemeinen weniger als 50 km/h. Die technologische Entwicklung des autonomen Fahrens bei niedriger Geschwindigkeit ist relativ ausgereift und wird auf alle Aspekte unseres täglichen Lebens angewendet, z. B. auf dem Campus, in Parks und an anderen Orten sehen wir Express-Lieferfahrzeuge, Shuttlebusse an malerischen Orten und Flughäfen usw . Nach konservativen Schätzungen, die unbemannte Fahrzeuge zur Personenbeförderung mit niedriger Geschwindigkeit, unbemannte Fahrzeuge zur Beförderung von Gütern mit niedriger Geschwindigkeit und unbemannte Arbeitsfahrzeuge einschließen, wird der Absatz autonomer Fahrzeuge mit niedriger Geschwindigkeit in China im Jahr 2021 25.000 Einheiten und im Jahr 2022 104.000 Einheiten erreichen Mit der langsamen Geschwindigkeit Mit der technologischen Entwicklung autonomer Fahrzeuge werden langsame autonome Fahrzeuge zu einem Teil unseres täglichen Lebens.

Die Entwicklung des autonomen Fahrens bei niedriger Geschwindigkeit hat auch zur Formulierung von Industriestandards geführt. Am 29. Oktober 2021 haben mehr als 57 Einheiten und 112 Experten gemeinsam den „Low-Speed“ zusammengestellt Der Gruppenstandard „Management Specifications“ für „Autonomous Vehicle Urban Commercial Operation Safety“ wurde offiziell veröffentlicht. Dieser Teamstandard spielt eine wichtige Leitrolle bei der Einführung und Nutzung von autonomen Fahrzeugen mit niedriger Geschwindigkeit. Er bietet auch eine wirksame Referenz für funktionale Verwaltungsabteilungen und -orte der Regierung wo autonome Fahrzeuge mit niedriger Geschwindigkeit eingesetzt werden.

Die Entwicklung des autonomen Fahrens bei niedriger Geschwindigkeit hat auch die Gunst vieler Kapitalgeber gewonnen. Im Jahr 2021 gab die Branche des autonomen Fahrens im In- und Ausland mehr als 200 wichtige Finanzierungsereignisse bekannt, darunter Produkt- und Lösungsanbieter für autonomes Fahren bei niedriger Geschwindigkeit erhielten in fast 70 Fällen Finanzierungen und mehr als 300 Milliarden Yuan. Von den knapp 70 Finanzierungen wurden 47 von ausländischen Unternehmen finanziert, darunter 9 ausländische Unternehmen und 39 chinesische Unternehmen.

Lassen Sie uns in einem Artikel über autonomes Fahren bei niedriger Geschwindigkeit und autonomes Fahren bei hoher Geschwindigkeit sprechen

Regionale Verteilung der Finanzierungsunternehmen

Die Entwicklungsaussichten für autonomes Fahren bei niedriger Geschwindigkeit sind sehr breit gefächert. Der Hauptgrund dafür ist, dass autonomes Fahren bei niedriger Geschwindigkeit viele Probleme für Verbraucher löst, wie z Meile der Expresszustellung Autonomes Fahren mit niedriger Geschwindigkeit bietet eine gute Lösung für das Problem. Verglichen mit den hohen Kosten für den Einsatz von Handarbeit für die letzte Meile des Transports oder die Verwendung von Expressschränken für die Zustellung auf der letzten Meile an die Verbraucher können diese Lösungen das Problem nicht perfekt lösen Die letzte Meile ist ein Problem, aber das Aufkommen des autonomen Fahrens mit niedriger Geschwindigkeit kann diese Aufgabe sehr gut erledigen. Durch Festlegen der Lieferzeit in der mobilen App kann das autonome Transportfahrzeug mit niedriger Geschwindigkeit die Expresslieferung nach unten oder nach unten liefern Pünktlich an der Tür, wodurch Geld gespart wird und der manuelle Transport bei Expresslieferungen entfällt und der Verbraucher nicht mehr zum Expressschrank gehen muss, um die Expresslieferung abzuholen.

Aber im Entwicklungsprozess des autonomen Fahrens bei niedriger Geschwindigkeit gibt es noch viele Probleme, die gelöst werden müssen. Das wichtigste ist die Einschränkung der Einsatzszenarien für autonomes Fahren bei niedriger Geschwindigkeit. Wenn autonome Fahrzeuge mit niedriger Geschwindigkeit in einem Gebiet eingesetzt werden, müssen ausreichende Informationen des Standorts gescannt werden (Straßeninformationen, Kreuzungsinformationen, Gebäudeinformationen usw.). . Autonomes Fahren bei niedriger Geschwindigkeit Das fahrende Auto kann mit der gescannten Site sehr vertraut sein und die automatische Fahrfunktion vollständig realisieren. Nach einem Szenenwechsel kann sich das automatisch fahrende Auto bei niedriger Geschwindigkeit jedoch nicht an die Umgebung anpassen. Es ist wie bei einem Kind, das sich an etwas festhalten muss, um laufen zu können. Wenn es nichts hat, woran es sich festhalten kann, kann es möglicherweise nicht laufen. Kurz gesagt, autonome Fahrzeuge mit niedriger Geschwindigkeit sind nicht intelligent und können ihre volle Leistungsfähigkeit beim autonomen Fahren nur in festgelegten Szenarien entfalten.

Autonomes Fahren bei niedriger Geschwindigkeit bietet auch viele technische Referenzen für die Entwicklung autonomen Fahrens bei hoher Geschwindigkeit. Beispielsweise werden in autonomen Fahrzeugen verschiedene Technologien wie Hardware, Software, Algorithmen und Kommunikation integriert usw., die für autonomes Fahren mit hoher Geschwindigkeit erforderlich sind. Hardware-Ausrüstung wie Radar, Satellitenortung und Trägheitsnavigation werden auch in autonomen Fahrzeugen mit niedriger Geschwindigkeit verwendet, und Technologien wie Wahrnehmung, Positionierung, Planung, Entscheidungsfindung und Datenspeicherung werden ebenfalls verwendet Auch in der Automobilindustrie wird die Technologie des drahtgebundenen Fahrwerks eingesetzt. Sie hat sich bei selbstfahrenden Autos mit niedriger Geschwindigkeit durchgesetzt.

Autonomes Fahren mit hoher Geschwindigkeit

​Der Hauptunterschied zwischen autonomem Fahren mit hoher Geschwindigkeit und autonomem Fahren mit niedriger Geschwindigkeit besteht in der Geschwindigkeit und den Nutzungsszenarien. Das Entwicklungsziel des autonomen Fahrens mit hoher Geschwindigkeit soll dem menschlichen Fahren entsprechen Autos und kann auf Landstraßen, Stadtstraßen, Autobahnen usw. fahren. In allen Fahrszenarien kann es das Niveau menschlicher Autofahrer erreichen oder sogar übertreffen.

Wie oben erwähnt, ist die Entwicklung des autonomen Hochgeschwindigkeitsfahrens untrennbar mit der Verwendung von Hardwaregeräten wie Lidar, Millimeterwellenradar, Satellitenortung und Trägheitsnavigation verbunden. Außerdem sind Anwendungen wie Erfassung, Positionierung, Planung und Entscheidung erforderlich -Herstellung, Datenspeicherung und andere Technologien Um das Fahren autonomer Hochgeschwindigkeitsfahrzeuge sicherer zu machen, sind auch hochpräzise Karten, GPS-Ortung und andere Technologien erforderlich, damit autonome Hochgeschwindigkeitsfahrzeuge in mehreren Szenarien fahren können und in vielen Bereichen hat der Einsatz intelligenter Netzwerktechnik an Bedeutung gewonnen.

Lassen Sie uns in einem Artikel über autonomes Fahren bei niedriger Geschwindigkeit und autonomes Fahren bei hoher Geschwindigkeit sprechen

​Zu diesem Zeitpunkt befindet sich die Entwicklung des autonomen Hochgeschwindigkeitsfahrens noch in der Testphase. Während die Technologie für autonomes Hochgeschwindigkeitsfahren weiter ausgereift ist, werden Pilotdemonstrationsbereiche für intelligente Netzwerkverbindungen sowie intelligente Autos und intelligente Transportmittel entwickelt Nach und nach werden Pilotbereiche für die Fahrzeugvernetzung auf nationaler Ebene, Pilotzonen für das Internet der Fahrzeuge auf Provinzebene und andere Veranstaltungsorte eröffnet, sodass autonome Hochgeschwindigkeitsfahrzeuge mehr Einsatzszenarien erhalten. Im Juli 2021 gab die Beijing High-Level Autonomous Driving Demonstration Zone Promotion Working Group bekannt, dass die Beijing Intelligent Connected Vehicle Policy Pioneer Zone offiziell das Hochgeschwindigkeitstestszenario für autonomes Fahren eröffnet hat, was es der ersten Gruppe von Unternehmen ermöglicht, Autobahntestbenachrichtigungen für die Durchführung zu erhalten Pilottests, Eröffnung Ein 10 km langer Zwei-Wege-Abschnitt des Peking-Taiwan-Schnellwegs (Fünfte Ringstraße-Sechste Ringstraße) wurde für vorläufige Straßentests und Verifizierungen durchgeführt. Dies ist auch der erste Hochgeschwindigkeitstest für autonomes Fahren Abschnitt im Land, der mehr Möglichkeiten für die zukünftige Entwicklung des autonomen Hochgeschwindigkeitsfahrens bietet.

Die Entwicklung des autonomen Fahrens mit hoher Geschwindigkeit verläuft nicht so schnell wie die des autonomen Fahrens mit niedriger Geschwindigkeit. Der Hauptgrund dafür ist, dass es im Gegensatz zum autonomen Fahren mit niedriger Geschwindigkeit mehr Überlegungen gibt Es handelt sich um feste Nutzungsszenarien und die Szenarien sind relativ einfach. Autonomes Hochgeschwindigkeitsfahren nimmt direkt am Verkehrsumfeld teil und muss in der Lage sein, Notfälle wie Geistersonden und Fußgänger, die über rote Ampeln fahren, flexibel zu lösen die Anforderungen? Wenn es zu einem Unfall kommt, kann dies zu Lebensgefahr für Passagiere und Fußgänger führen und das Verkehrsumfeld beeinträchtigen. Darüber hinaus ist die Akzeptanz des autonomen Fahrens mit hoher Geschwindigkeit bei den Verbrauchern nicht konsistent. Bei der Formulierung von Verkehrsgesetzen und -vorschriften gibt es keine spezifischen Standardanforderungen für autonomes Fahren mit hoher Geschwindigkeit. Geschwindigkeit autonomes Fahren steckt noch in den Kinderschuhen.

Das obige ist der detaillierte Inhalt vonLassen Sie uns in einem Artikel über autonomes Fahren bei niedriger Geschwindigkeit und autonomes Fahren bei hoher Geschwindigkeit sprechen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn

Heiße KI -Werkzeuge

Undresser.AI Undress

Undresser.AI Undress

KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover

AI Clothes Remover

Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool

Undress AI Tool

Ausziehbilder kostenlos

Clothoff.io

Clothoff.io

KI-Kleiderentferner

AI Hentai Generator

AI Hentai Generator

Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

R.E.P.O. Energiekristalle erklärten und was sie tun (gelber Kristall)
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. So reparieren Sie Audio, wenn Sie niemanden hören können
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Wie man alles in Myrise freischaltet
3 Wochen vor By 尊渡假赌尊渡假赌尊渡假赌

Heiße Werkzeuge

Notepad++7.3.1

Notepad++7.3.1

Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version

SublimeText3 chinesische Version

Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1

Senden Sie Studio 13.0.1

Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6

Dreamweaver CS6

Visuelle Webentwicklungstools

SublimeText3 Mac-Version

SublimeText3 Mac-Version

Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Warum ist Gaussian Splatting beim autonomen Fahren so beliebt, dass NeRF allmählich aufgegeben wird? Warum ist Gaussian Splatting beim autonomen Fahren so beliebt, dass NeRF allmählich aufgegeben wird? Jan 17, 2024 pm 02:57 PM

Oben geschrieben und persönliches Verständnis des Autors. Dreidimensionales Gaussplatting (3DGS) ist eine transformative Technologie, die in den letzten Jahren in den Bereichen explizite Strahlungsfelder und Computergrafik entstanden ist. Diese innovative Methode zeichnet sich durch die Verwendung von Millionen von 3D-Gaußkurven aus, was sich stark von der Neural Radiation Field (NeRF)-Methode unterscheidet, die hauptsächlich ein implizites koordinatenbasiertes Modell verwendet, um räumliche Koordinaten auf Pixelwerte abzubilden. Mit seiner expliziten Szenendarstellung und differenzierbaren Rendering-Algorithmen garantiert 3DGS nicht nur Echtzeit-Rendering-Fähigkeiten, sondern führt auch ein beispielloses Maß an Kontrolle und Szenenbearbeitung ein. Dies positioniert 3DGS als potenziellen Game-Changer für die 3D-Rekonstruktion und -Darstellung der nächsten Generation. Zu diesem Zweck geben wir erstmals einen systematischen Überblick über die neuesten Entwicklungen und Anliegen im Bereich 3DGS.

Wie lässt sich das Long-Tail-Problem in autonomen Fahrszenarien lösen? Wie lässt sich das Long-Tail-Problem in autonomen Fahrszenarien lösen? Jun 02, 2024 pm 02:44 PM

Gestern wurde ich während des Interviews gefragt, ob ich irgendwelche Long-Tail-Fragen gestellt hätte, also dachte ich, ich würde eine kurze Zusammenfassung geben. Das Long-Tail-Problem des autonomen Fahrens bezieht sich auf Randfälle bei autonomen Fahrzeugen, also mögliche Szenarien mit geringer Eintrittswahrscheinlichkeit. Das wahrgenommene Long-Tail-Problem ist einer der Hauptgründe, die derzeit den betrieblichen Designbereich intelligenter autonomer Einzelfahrzeugfahrzeuge einschränken. Die zugrunde liegende Architektur und die meisten technischen Probleme des autonomen Fahrens wurden gelöst, und die verbleibenden 5 % der Long-Tail-Probleme wurden nach und nach zum Schlüssel zur Einschränkung der Entwicklung des autonomen Fahrens. Zu diesen Problemen gehören eine Vielzahl fragmentierter Szenarien, Extremsituationen und unvorhersehbares menschliches Verhalten. Der „Long Tail“ von Randszenarien beim autonomen Fahren bezieht sich auf Randfälle in autonomen Fahrzeugen (AVs). Randfälle sind mögliche Szenarien mit geringer Eintrittswahrscheinlichkeit. diese seltenen Ereignisse

Kamera oder Lidar wählen? Eine aktuelle Übersicht über die Erzielung einer robusten 3D-Objekterkennung Kamera oder Lidar wählen? Eine aktuelle Übersicht über die Erzielung einer robusten 3D-Objekterkennung Jan 26, 2024 am 11:18 AM

0. Vorab geschrieben&& Persönliches Verständnis, dass autonome Fahrsysteme auf fortschrittlichen Wahrnehmungs-, Entscheidungs- und Steuerungstechnologien beruhen, indem sie verschiedene Sensoren (wie Kameras, Lidar, Radar usw.) verwenden, um die Umgebung wahrzunehmen, und Algorithmen und Modelle verwenden für Echtzeitanalysen und Entscheidungsfindung. Dies ermöglicht es Fahrzeugen, Verkehrszeichen zu erkennen, andere Fahrzeuge zu erkennen und zu verfolgen, das Verhalten von Fußgängern vorherzusagen usw. und sich so sicher an komplexe Verkehrsumgebungen anzupassen. Diese Technologie erregt derzeit große Aufmerksamkeit und gilt als wichtiger Entwicklungsbereich für die Zukunft des Transportwesens . eins. Aber was autonomes Fahren schwierig macht, ist herauszufinden, wie man dem Auto klarmachen kann, was um es herum passiert. Dies erfordert, dass der dreidimensionale Objekterkennungsalgorithmus im autonomen Fahrsystem Objekte in der Umgebung, einschließlich ihrer Standorte, genau wahrnehmen und beschreiben kann.

Das Stable Diffusion 3-Papier wird endlich veröffentlicht und die architektonischen Details werden enthüllt. Wird es helfen, Sora zu reproduzieren? Das Stable Diffusion 3-Papier wird endlich veröffentlicht und die architektonischen Details werden enthüllt. Wird es helfen, Sora zu reproduzieren? Mar 06, 2024 pm 05:34 PM

Der Artikel von StableDiffusion3 ist endlich da! Dieses Modell wurde vor zwei Wochen veröffentlicht und verwendet die gleiche DiT-Architektur (DiffusionTransformer) wie Sora. Nach seiner Veröffentlichung sorgte es für großes Aufsehen. Im Vergleich zur Vorgängerversion wurde die Qualität der von StableDiffusion3 generierten Bilder erheblich verbessert. Es unterstützt jetzt Eingabeaufforderungen mit mehreren Themen, und der Textschreibeffekt wurde ebenfalls verbessert, und es werden keine verstümmelten Zeichen mehr angezeigt. StabilityAI wies darauf hin, dass es sich bei StableDiffusion3 um eine Reihe von Modellen mit Parametergrößen von 800 M bis 8 B handelt. Durch diesen Parameterbereich kann das Modell direkt auf vielen tragbaren Geräten ausgeführt werden, wodurch der Einsatz von KI deutlich reduziert wird

Dieser Artikel reicht aus, um etwas über autonomes Fahren und Flugbahnvorhersage zu lesen! Dieser Artikel reicht aus, um etwas über autonomes Fahren und Flugbahnvorhersage zu lesen! Feb 28, 2024 pm 07:20 PM

Die Trajektorienvorhersage spielt eine wichtige Rolle beim autonomen Fahren. Unter autonomer Fahrtrajektorienvorhersage versteht man die Vorhersage der zukünftigen Fahrtrajektorie des Fahrzeugs durch die Analyse verschiedener Daten während des Fahrvorgangs. Als Kernmodul des autonomen Fahrens ist die Qualität der Trajektorienvorhersage von entscheidender Bedeutung für die nachgelagerte Planungssteuerung. Die Trajektorienvorhersageaufgabe verfügt über einen umfangreichen Technologie-Stack und erfordert Vertrautheit mit der dynamischen/statischen Wahrnehmung des autonomen Fahrens, hochpräzisen Karten, Fahrspurlinien, Fähigkeiten in der neuronalen Netzwerkarchitektur (CNN&GNN&Transformer) usw. Der Einstieg ist sehr schwierig! Viele Fans hoffen, so schnell wie möglich mit der Flugbahnvorhersage beginnen zu können und Fallstricke zu vermeiden. Heute werde ich eine Bestandsaufnahme einiger häufiger Probleme und einführender Lernmethoden für die Flugbahnvorhersage machen! Einführungsbezogenes Wissen 1. Sind die Vorschaupapiere in Ordnung? A: Schauen Sie sich zuerst die Umfrage an, S

SIMPL: Ein einfacher und effizienter Multi-Agent-Benchmark zur Bewegungsvorhersage für autonomes Fahren SIMPL: Ein einfacher und effizienter Multi-Agent-Benchmark zur Bewegungsvorhersage für autonomes Fahren Feb 20, 2024 am 11:48 AM

Originaltitel: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving Paper-Link: https://arxiv.org/pdf/2402.02519.pdf Code-Link: https://github.com/HKUST-Aerial-Robotics/SIMPL Autor: Hong Kong University of Science und Technologie DJI-Papieridee: Dieses Papier schlägt eine einfache und effiziente Bewegungsvorhersagebasislinie (SIMPL) für autonome Fahrzeuge vor. Im Vergleich zum herkömmlichen Agent-Cent

nuScenes' neuestes SOTA |. SparseAD: Sparse-Abfrage hilft effizientes durchgängiges autonomes Fahren! nuScenes' neuestes SOTA |. SparseAD: Sparse-Abfrage hilft effizientes durchgängiges autonomes Fahren! Apr 17, 2024 pm 06:22 PM

Vorab geschrieben und Ausgangspunkt Das End-to-End-Paradigma verwendet ein einheitliches Framework, um Multitasking in autonomen Fahrsystemen zu erreichen. Trotz der Einfachheit und Klarheit dieses Paradigmas bleibt die Leistung von End-to-End-Methoden für das autonome Fahren bei Teilaufgaben immer noch weit hinter Methoden für einzelne Aufgaben zurück. Gleichzeitig erschweren die in früheren End-to-End-Methoden weit verbreiteten Funktionen der dichten Vogelperspektive (BEV) die Skalierung auf mehr Modalitäten oder Aufgaben. Hier wird ein Sparse-Search-zentriertes End-to-End-Paradigma für autonomes Fahren (SparseAD) vorgeschlagen, bei dem die Sparse-Suche das gesamte Fahrszenario, einschließlich Raum, Zeit und Aufgaben, ohne dichte BEV-Darstellung vollständig abbildet. Insbesondere ist eine einheitliche, spärliche Architektur für die Aufgabenerkennung einschließlich Erkennung, Verfolgung und Online-Zuordnung konzipiert. Zudem schwer

Sprechen wir über End-to-End- und autonome Fahrsysteme der nächsten Generation sowie über einige Missverständnisse über End-to-End-Autonomes Fahren? Sprechen wir über End-to-End- und autonome Fahrsysteme der nächsten Generation sowie über einige Missverständnisse über End-to-End-Autonomes Fahren? Apr 15, 2024 pm 04:13 PM

Im vergangenen Monat hatte ich aus bekannten Gründen einen sehr intensiven Austausch mit verschiedenen Lehrern und Mitschülern der Branche. Ein unvermeidliches Thema im Austausch ist natürlich End-to-End und der beliebte Tesla FSDV12. Ich möchte diese Gelegenheit nutzen, einige meiner aktuellen Gedanken und Meinungen als Referenz und Diskussion darzulegen. Wie definiert man ein durchgängiges autonomes Fahrsystem und welche Probleme sollten voraussichtlich durchgängig gelöst werden? Gemäß der traditionellsten Definition bezieht sich ein End-to-End-System auf ein System, das Rohinformationen von Sensoren eingibt und für die Aufgabe relevante Variablen direkt ausgibt. Bei der Bilderkennung kann CNN beispielsweise als End-to-End bezeichnet werden, verglichen mit der herkömmlichen Methode zum Extrahieren von Merkmalen + Klassifizieren. Bei autonomen Fahraufgaben werden Eingabedaten verschiedener Sensoren (Kamera/LiDAR) benötigt

See all articles