Heim Technologie-Peripheriegeräte KI Wie lange wird es dauern, bis autonomes Fahren realisierbar ist?

Wie lange wird es dauern, bis autonomes Fahren realisierbar ist?

Apr 11, 2023 pm 07:46 PM
技术 自动驾驶

Kürzlich gab es einen Artikel über das Fahrzeug einer neuen Polizei, das einen schweren Autounfall hatte, als die „intelligente Fahrassistenzfunktion“ eingeschaltet war (bitte verzeihen Sie mir, dass ich einen so langen Satz zur Beschreibung dieses Autos verwende). Unfall, weil ich es wirklich nicht verstehe. Ich hoffe, dass ich in Schwierigkeiten gerät. Im Internet brachen Nachrichten aus, die alle wieder auf die technologische Entwicklung des autonomen Fahrens und die damit verbundenen gesellschaftlichen Probleme aufmerksam machten.

Wie lange wird es dauern, bis autonomes Fahren realisierbar ist?

Bezüglich dieses Unfalls stellt sich der Unfallhergang anhand der im Internet verfügbaren Informationen in etwa wie folgt dar: Autobesitzer A schaltete auf der Hochstraße ACC (Adaptive Cruise) und LCC (Lane Centering Assist) ein und fuhr mit einer Geschwindigkeit von 80 km/h auf der äußersten linken Spur Fahrzeug Es gibt eine Person B; das Fahrzeug des Besitzers A hat nicht gebremst oder ausgewichen und ist direkt mit dem stehenden Fahrzeug und der Person B zusammengestoßen, wodurch die Person B hinter dem stehenden Fahrzeug ums Leben gekommen ist...

#🎜🎜 #Laut Online-Berichten sagte Autobesitzer A bei dem Unfall: „Ich habe das assistierte Fahrsystem eingeschaltet, aber das System hat es nicht erkannt. Ich war zu diesem Zeitpunkt zufällig abgelenkt.“

Wer soll also die Verantwortung für den Unfall tragen? Der Besitzer des Autos, das den Unfall verursacht hat? Oder der Designer und Hersteller des Autos?

Obwohl ich noch nie ein Fahrzeug mit solch „fortgeschrittenen“ intelligenten Fahrfunktionen gekauft habe, weiß ich nicht genau, wie die Bedienungsanleitung oder die Benutzervereinbarung des Fahrzeugs geschrieben ist, aber Nach aktuellem Stand ist es bei verschiedenen Automobilherstellern gängige Praxis, dass der Besitzer, wenn ein Fahrzeug intelligente Fahrfunktionen ausführt, jederzeit für die Überwachung der Straßenverhältnisse verantwortlich sein und jederzeit zur Übernahme des Fahrzeugs bereit sein muss.

Denn egal wie laut es in der Werbung propagiert wird, jeder weiß ganz genau, dass man das aktuelle Smart Driving überhaupt nicht als autonomes Fahren bezeichnen kann, sondern nur als assistiertes Fahren Funktion: Sie kann dem Fahrer während der Fahrt nur Hilfsfunktionen zur Verfügung stellen und nicht den Zweck erfüllen, den Fahrer zu ersetzen.

Gemäß Artikel 51 der „Verwaltungsvorschriften für intelligente vernetzte Fahrzeuge der Sonderwirtschaftszone Shenzhen“ muss die Verkehrsmanagementabteilung verstoßen, wenn das intelligent vernetzte Fahrzeug eines Fahrers auf Verkehrssicherheitsverstöße stößt Das Organ der öffentlichen Sicherheit wird mit dem Fahrer in Übereinstimmung mit dem Gesetz verfahren. Artikel 54 legt fest, dass, wenn ein Verkehrsunfall mit Beteiligung eines intelligent vernetzten Fahrzeugs Schäden aufgrund von Mängeln am Fahrzeug selbst verursacht, der Fahrer, Eigentümer oder Manager des Fahrzeugs nach Abschluss der vorgeschriebenen Maßnahmen vom Hersteller oder Verkäufer eine Entschädigung gemäß den gesetzlichen Bestimmungen verlangen kann Entschädigung.

Aus den oben genannten Regelungen geht hervor, dass im Falle eines Unfalls immer noch der Fahrer die erste verantwortliche Person ist, wenn nachgewiesen werden kann, dass das Fahrzeug selbst defekt ist, kann er eine Reklamation einreichen. Der Autokonzern verlangte Schadensersatz. Aber wie kann ein normaler Verbraucher nachweisen, dass das Fahrzeug defekt ist? Wir möchten diesen Unfall hier nicht im Detail analysieren – liegt es am Konstruktionsfehler des Fahrzeugs selbst oder liegt es in der Verantwortung des Fahrers? Ich möchte nur den aktuellen Stand des intelligenten Fahrens ausgehend von diesem Unfall analysieren. Gemäß dem Klassifizierungsstandard für autonomes Fahren von SAE J3016 auf Ebenen unter L3, obwohl Vorgänge wie Lenkung, Beschleunigung und Verzögerung durch das automatische autonome Fahren des Fahrzeugs übernommen werden können System, menschliches Fahren Der Fahrer ist weiterhin dafür verantwortlich, alle Bedingungen auf der Straße zu überwachen. Mit anderen Worten: Bei Stufen unterhalb von L3 ist das autonome Fahrsystem lediglich eine Unterstützung und der Fahrer trägt die volle Verantwortung für den sicheren Betrieb des Fahrzeugs. Wenn die aktuelle autonome Fahrtechnologie noch lange nicht ausgereift ist, sind verschiedene L2.5, L2.9 und L2 9+ entstanden und andere „kreative“ Benennungsmethoden mit chinesischen Merkmalen.

Jeder OEM spielt mit den Dingen herum, und niemand wagt zu behaupten, dass sein autonomes Fahrsystem L3 erreichen kann. Denn sobald es als L3 deklariert wird, muss die Verantwortung für Unfälle, wenn sich das Fahrzeug im autonomen Fahrzustand L3 befindet, vom Automobilhersteller getragen werden.

In diesem Zustand müssen einerseits alle hinsichtlich der technischen Stärke miteinander konkurrieren und in der Hoffnung auf einen Verkauf ständig fortschrittlichere autonome Fahrfunktionen einführen mehr Autos; Andererseits traue ich mich nicht, auch nur einen halben Schritt über die Grenze von L3 zu gehen. Denn solange es sich nicht um L3 handelt, haben alle Unfälle nichts mit Ihnen zu tun. Zumindest steht in der Bedienungsanleitung klar, dass der Fahrer dafür verantwortlich ist, jederzeit zur Übernahme des Fahrzeugs bereit zu sein.

Betrachten wir dies jedoch aus einem anderen Blickwinkel: Wenn Sie an einer Besprechung teilnehmen, bei der Sie nicht sprechen oder Inhalte aufzeichnen müssen, werden Sie einschlafen ? , auf das Telefon schauen und benommen sein ... Die aktuelle L2-Front, sonst werden DMS und andere Systeme alarmieren und Sie auffordern, die Straßenoberfläche aufmerksam zu überwachen.

Diese Situation ist so, als ob Sie einen professionellen Fahrer gefunden hätten und ihn dann während der Fahrt jederzeit beaufsichtigen müssten. Kommt es zu einer gefährlichen Situation und der Berufskraftfahrer unterlässt es, rechtzeitig einzugreifen, andernfalls sind Sie für den Unfall verantwortlich.

Finden Sie diese Situation nicht etwas unmenschlich? Möchten Menschen, die Autos mit autonomen Fahrfunktionen kaufen, gerne Fahrschullehrer werden? Wenn selbstfahrende Funktionen unsere volle Aufmerksamkeit erfordern und es für uns schwierig ist, unsere volle Aufmerksamkeit ständig aufrechtzuerhalten, sind diese Funktionen dann noch so sinnvoll?

Ich bin nicht jemand, der gegen autonome Fahrtechnologie ist. Im Gegenteil, ich unterstütze nachdrücklich die Entwicklung autonomer Fahrtechnologie. Ich glaube, dass jeder in der Lage sein wird, viel Zeit und Energie zu sparen, wenn die Technologie des autonomen Fahrens in Zukunft ausgereift ist und die Zahl der Verkehrsunfälle erheblich reduziert wird. Allerdings ist das derzeitige autonome Fahren noch lange nicht ausgereift genug, um in großem Maßstab populär zu werden. Es ist nicht nur weit von autonomem Fahren auf hohem Niveau entfernt, sondern selbst grundlegende Zusatzfunktionen wie AEB, LKA und Parken können nicht zu 100 % zuverlässig sein.

Wie lange wird es dauern, bis autonomes Fahren realisierbar ist?

(Fotoquelle: SAE International)

Im Jahr 1918 veröffentlichte die Zeitschrift Scientific American einen Artikel mit dem Titel „Der Traum eines Autofahrers: ein Auto, das von einer Reihe von gesteuert wird.“ Buttons“-Bild (Bild unten), das eine selbstfahrende Straßenbahn zeigt. Der Artikel glaubt, dass „...Autos mit Lenkrädern in Zukunft genauso veraltet sein werden wie Autos mit Handpumpen heute!“ In den letzten fast hundert Jahren waren die Menschen vom autonomen Fahren besessen und hatten schon immer unrealistische Fantasien glauben, dass autonomes Fahren in weiteren 20 Jahren realisierbar sein wird. Leider kann bis heute niemand genau sagen, wann ein Auto, das komplett auf das Lenkrad verzichtet, auf der Straße fahren kann. Und je näher die Menschen diesem Traum kommen, desto mehr wird ihnen bewusst, wie schwierig und komplex es ist, vollständig autonomes Fahren zu erreichen.

Die Verwirklichung des autonomen Fahrens hängt nicht vom Fahrzeug selbst ab, sondern von den Anstrengungen des gesamten Transportsystems. Dabei verlässt man sich nicht nur auf OEMs und Zulieferer für autonomes Fahren, sondern setzt auf den gemeinsamen Fortschritt aller Bereiche der Gesellschaft. Wie lange wird es dauern, bis autonomes Fahren realisierbar ist?Hier einige inspirierende Vorschläge:

1 Verbessern Sie die Standards für Unfalldatenaufzeichnungssysteme intelligenter Fahrsysteme.

Obwohl das Land bereits über relevante Standards für EDR (Event Data Recorder, Datenaufzeichnungssystem für Automobilereignisse) verfügt, kann es nur grundlegende Informationen über das Fahrzeug aufzeichnen. Ob intelligentes Fahren scheitert oder nicht, entscheiden zum jetzigen Zeitpunkt immer noch die Automobilhersteller, und es gibt keine wirksame Aufsicht durch Dritte. Denn angesichts der riesigen Menge an komplexen Daten kann niemand außer den Automobilherstellern und ihren Zulieferern genau sagen, was passiert ist. Der wesentliche Grund für dieses Phänomen liegt darin, dass es keinen detaillierteren nationalen Standard mit relevanten Inhalten gibt, welche Bedeutung die einzelnen Daten haben, welche Daten zu welchem ​​Zeitpunkt gespeichert werden müssen usw. Diese Anforderungen fehlen noch. Es wird empfohlen, dass relevante Institutionen und Verbände auf die Praxis der Automobil-OBD zurückgreifen, um schnellstmöglich entsprechende Standards zu etablieren und diese kontinuierlich zu verbessern.

2. Das Land sollte eine einheitliche Fahrszenensimulationsdatenbank einrichten und gleichzeitig detaillierte Informationen zu Verkehrsunfällen einspeisen.

Die Verbesserung autonomer Fahralgorithmen erfordert die Ansammlung riesiger Datenmengen. Es ist für ein einzelnes Unternehmen schwierig, dieses Ausmaß der Datenansammlung in einem kurzen Zeitraum allein durch eine Änderung der Situation jedes einzelnen Unternehmens zu erreichen Wenn wir alleine arbeiten, können wir nur durch die Schaffung einer Win-Win-Situation der gemeinsamen Kreation und des Lernens von Open-Source-Software die Kraft des ganzen Landes bündeln, um unser intelligentes Fahren wirklich an die Spitze der Welt zu bringen.

3. Für den Fahrzeugzugang sollten die Regulierungsbehörden so schnell wie möglich detailliertere Prüf- und Zertifizierungsstandards einführen.

Obwohl sich intelligentes Fahren noch in der Entwicklungsphase befindet und die Systemlösungen sehr unterschiedlich sind, können einige Grundprinzipien und Methoden bereits jetzt definiert werden. Sobald darüber hinaus eine bundesweite Fahrszenensimulationsdatenbank eingerichtet ist, kann diese als Benchmark zum Testen aller neu zugelassenen Fahrzeuge in der Cloud verwendet werden. Vermeiden Sie langwierige Probefahrten und senken Sie die Kosten.

4. Finden Sie einen Weg, OTA zu verwalten, der sowohl effizient als auch zuverlässig ist. Aufgrund der schnellen Iteration autonomer Fahralgorithmen müssen Automobilhersteller ihre Software ständig über OTA aktualisieren. Die derzeitige Aufsicht über OTA führt ein Archivierungssystem ein, was dazu führt, dass sich die Funktionen und die Leistung ursprünglich zugelassener Fahrzeuge nach der OTA erheblich ändern können. Die Suche nach einer effizienten und zuverlässigen OTA-Managementmethode ist eine große Herausforderung für die aktuelle Aufsicht in der Automobilindustrie.

Abschließend wünsche ich allen Unternehmen, die ihr Geld in autonomes Fahren investiert haben, von ganzem Herzen, dass Sie alle genug Ressourcen und Geduld haben, um die lange Nacht zu überstehen und das Licht der Morgendämmerung zu erblicken!

Das obige ist der detaillierte Inhalt vonWie lange wird es dauern, bis autonomes Fahren realisierbar ist?. 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)
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Beste grafische Einstellungen
1 Monate vor By 尊渡假赌尊渡假赌尊渡假赌
Will R.E.P.O. Crossplay haben?
1 Monate 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

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

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

See all articles