Technologie-Peripheriegeräte
KI
Der Plan für das „goldene Jahrzehnt' des autonomen Fahrens entfaltet sich, wobei verschiedene Regionen ihre Pläne beschleunigen, um die Gelegenheit zu nutzen
Der Plan für das „goldene Jahrzehnt' des autonomen Fahrens entfaltet sich, wobei verschiedene Regionen ihre Pläne beschleunigen, um die Gelegenheit zu nutzen
Derzeit geht die autonome Fahrbranche im Allgemeinen davon aus, dass mein Land bis 2030 eine groß angelegte Kommerzialisierung des autonomen Fahrens erreichen wird, und 2020–2030 wird von der Branche als die goldene Entwicklungsperiode des autonomen Fahrens angesehen. Während sich der Plan für das „goldene Jahrzehnt“ des autonomen Fahrens langsam entfaltet, verbessern sich die Gesetze und Vorschriften meines Landes in Bezug auf intelligente vernetzte Fahrzeuge weiter und das autonome Fahren auf hohem Niveau boomt.
Gleichzeitig beschleunigen verschiedene Kommunen auch die Formulierung relevanter Richtlinien, um die Kommerzialisierung des autonomen Fahrens voranzutreiben. Vor nicht allzu langer Zeit übernahmen Chongqing und Wuhan die Führung bei der Einführung vollständig fahrerloser kommerzieller Reisedienste und markierten damit einen Meilenstein in der Kommerzialisierung des autonomen Fahrens in meinem Land. In jüngster Zeit haben Städte wie Peking, Shanghai, Guangzhou und Wuxi häufig Maßnahmen ergriffen und eine neue Runde autonomer Fahrkonzepte eingeführt. Intelligente vernetzte Autos haben eine kritische Phase rasanter technologischer Entwicklung und beschleunigter industrieller Gestaltung eingeläutet.
Peking: Die Bauarbeiten der Phase 3.0 werden vollständig gestartet
Vor zwei Jahren startete Peking offiziell den Bau der ersten netzwerkverbundenen und cloudgesteuerten hochrangigen Demonstrationszone für autonomes Fahren des Landes, in der innovative Anwendungen für diese Technologie gesammelt wurden Erfahrung in der Zusammenarbeit zwischen Fahrzeug, Straße und Cloud in der Standardisierungskonstruktion. Bisher hat Pekings hochrangige Demonstrationszone für autonomes Fahren die Bauaufgaben der Phasen 1.0 und 2.0 erfolgreich abgeschlossen. Es wird berichtet, dass die Beijing Economic and Technological Development Zone nun die Abdeckung von Fahrzeug-, Straßen- und Cloud-integrierten Funktionen an 329 intelligenten Netzwerkstandardkreuzungen, 750 Kilometern Stadtstraßen in beide Richtungen und 10 Kilometern Autobahnen erreicht hat, was den Weg für die Einführung ebnet Die Implementierungs- und Szenarioerweiterungsphase im Maßstab 3.0 legte eine solide Grundlage.
Am 16. September gab der zuständige Verantwortliche für Pekings hochrangige Demonstrationszone für autonomes Fahren auf der Weltkonferenz für intelligente vernetzte Fahrzeuge 2022 bekannt, dass Peking im nächsten Schritt die Bauaufgabe der Phase 3.0 zum Bau eines vollständig starten wird Das dedizierte Netzwerk der Stadt wird die adaptiven Anwendungen von nicht weniger als 1.000 fortschrittlichen autonomen Fahrfahrzeugterminals fördern, die 500 Quadratkilometer große Demonstrationsfläche der Stadt schrittweise erweitern und vervollständigen und die Zusammenarbeit zwischen Fahrzeug und Straße und Fernfahren online unterstützen Überwachung und andere Internet-of-Vehicles-Dienste Umfangreicher Ausbau von Smart-City-Szenarioanwendungen.
Shanghai: Das erste selbstfahrende Auto der Stadt ohne Sicherheitsbeauftragten wurde auf den Markt gebracht
Am 27. September wurde mit der Einführung von Shanghais erstem selbstfahrenden Auto ohne Sicherheitsbeauftragten das Demonstrationserlebnis „Niemandsland“ eingeführt Das Gebiet wurde offiziell eröffnet. Seine Einführung ist ein weiterer Meilenstein in Shanghais Förderung der innovativen Entwicklung intelligenter vernetzter Fahrzeuge. Die Eröffnung des Demonstrationserlebnisbereichs „Niemandsland“ zielt darauf ab, die Testszenarien intelligenter vernetzter Fahrzeuge weiter zu bereichern und durch den Aufbau einer umfassenden Überwachung eine reale Umgebungsbasis und die Grundlage für den normalen und stabilen Betrieb des autonomen Fahrens intelligenter vernetzter Fahrzeuge zu schaffen und Versandplattform Sicherheit und Schutz.
Es wird berichtet, dass der Demonstrations-Erlebnisbereich „Niemandsland“ fahrerlose Demonstrationsanwendungen auf der Grundlage von 3,8 Kilometern halboffenen Straßen im Shanghai Auto Expo Park durchführen und schrittweise in zwei Schritten geöffnet wird, um das zu schaffen erster im Inland fokussierter Sicherheitsfahrer Ein unbemanntes Demonstrationsbetriebsbeispiel für autonomes Fahren auf hohem Niveau. Derzeit ist die erste Phase von 1,2 Kilometern Straßen fertiggestellt und in Betrieb genommen, und die zweite Phase von 2,6 Kilometern Straßen befindet sich noch in Planung und Bau und wird voraussichtlich bis Ende dieses Jahres abgeschlossen sein.
Derzeit hat die Apollo Moon Polarfuchs-Version des selbstfahrenden Autos, das von der selbstfahrenden Reisedienstplattform LuoPao Pao bereitgestellt wird, mit der geordneten Weiterentwicklung vollständig unbemannter Tests im Shanghai Auto Expo Park begonnen Beim Testen wird LuoPao Pao weitere Straßenabschnitte im Bezirk Jiading in Shanghai der Öffentlichkeit vollständig unbemannte autonome Fahrreisedienste anbieten.
Guangzhou: 260 autonome Fahrzeuge werden in diesem und im nächsten Jahr zum Einsatz kommen
Am 14. September kündigte die Generaldirektion des Verkehrsministeriums die 18. erste Reihe von Pilotprojekten für intelligente Transportanwendungen an (in Richtung). von autonomem Fahren und intelligentem Versand) wurde Guangzhous Pilotprojekt für autonomes Fahren im städtischen Reisedienst ausgewählt, und in diesem und im nächsten Jahr werden 260 autonome Fahrzeuge zum Einsatz kommen.
Der Ankündigung zufolge wird das Pilotprojekt von August 2022 bis Dezember 2023 50 selbstfahrende Busse auf der Guangzhou Tower Ring Line, der Biological Island Ring Line usw. investieren, mit einer Gesamtleistung von nicht weniger als 1 Million Passagiere. 210 selbstfahrende Personenkraftwagen wurden in der Pilotzone für künstliche Intelligenz und digitale Wirtschaft in Guangzhou eingesetzt, mit einer Gesamtleistung von nicht weniger als 300.000 Passagieren, einer Laufleistung von nicht weniger als 4 Millionen Kilometern und einer Fahrzeit von nicht weniger als 300.000 als 200.000 Stunden. Die erwarteten Ergebnisse des Pilotprojekts bestehen darin, einen zusammenfassenden Bericht über die Pilotarbeit zu erstellen und nicht weniger als zwei technische Richtlinien oder Standardspezifikationen zu Szenarien für autonome Fahrdienste im Stadtverkehr vorzubereiten.
Wuxi: Wird der erste sein, der weltweite Tests intelligenter vernetzter Fahrzeuge durchführt
Am 22. September wurde die neue Version der „Wuxi Intelligent Connected Vehicle Road Testing and Demonstration Application Management Implementation Rules“ (im Folgenden bezeichnet) veröffentlicht wie die „Umsetzungsregeln“ offiziell genannt wurden. Mit der Einführung übernimmt Wuxi die Führung bei der Ausweitung des Umfangs von Straßentests, Demonstrationsanwendungen und Demonstrationsbetrieben intelligenter vernetzter Fahrzeuge mit Fahrern auf die gesamte Stadt und wird damit zur ersten Stadt des Landes alle Bereiche intelligenter Fahrzeuge zu testen.
Als landesweit erste Pilotzone für vernetzte Autos auf nationaler Ebene und eine der ersten Pilotstädte mit „doppelter Intelligenz“ war Wuxi landesweit führend bei der Entwicklung der Branche für intelligente vernetzte Autos. Im Jahr 2021 hat Wuxi die „Umsetzungsregeln“ erprobt. Im vergangenen Jahr wurden ordnungsgemäß Straßentests und Demonstrationsanwendungen für intelligente vernetzte Fahrzeuge durchgeführt. Insgesamt wurden 177 km öffentliche Teststraßen eröffnet Die Fahrzeuginfrastruktur umfasst 450 km2 und 856 Punkte. Diese neue Version der „Umsetzungsregeln“ klärt nicht nur die Themen, Fahrer und Fahrzeuge, die für die Durchführung von Tests und Demonstrationen intelligenter vernetzter Fahrzeuge erforderlich sind, sondern klärt auch die beiden Modi „mit Fahrern ausgestattet“ und „ohne Fahrer ausgestattet“ und fügt Inhalte für Demonstrationsvorgänge hinzu , wodurch intelligente vernetzte Autos mehr Raum für technologische Innovationen und Betriebsmodellinnovationen erhalten.
Darüber hinaus wurde kürzlich Wuxis erste lokale Verordnung zum Internet der Fahrzeuge verabschiedet – der „Wuxi City Internet of Vehicles Development Promotion Regulations (Draft)“, der den Aufbau der Infrastruktur sowie die Tiefe und Breite der Anwendungen weiter fördern wird , technologische Innovation und Industrie des Internets der Fahrzeuge Treffen Sie umfassende Vorkehrungen für die Entwicklung und andere Aspekte und stellen Sie die Entwicklung neuer Technologien, neuer Modelle und neuer Geschäftsformate für das Internet der Fahrzeuge und intelligent vernetzte Fahrzeuge in Form von Gesetzen sicher. und ausreichend Boden für die Gründung und Entwicklung intelligenter Technologieunternehmen für vernetzte Fahrzeuge in Wuxi bereitzustellen.
Wuhan: Selbstfahrende Fahrzeuge werden bald in der Lage sein, über Regionen hinweg zu fahren
Am 15. September hat die Risikobewertung der vierten Charge von Teststraßen für intelligente vernetzte Fahrzeuge in Wuhan die Expertenprüfung bestanden und ist geplant demnächst offiziell eröffnet. Nach der offiziellen Eröffnung wird die Zahl der verschiedenen Teststraßen für intelligente Netzwerke in Wuhan 400 Kilometer überschreiten und damit zu den besten des Landes zählen.
Es wird berichtet, dass die Stadt Wuhan drei Chargen von 340 Kilometern Teststraßen für intelligente vernetzte Fahrzeuge und intelligente Transportmittel eröffnet hat. Darunter verfügt die Wuhan Economic Development Zone über 321 Kilometer offene Teststraßen, die vollständig durch kommerzielle 5G-Netze abgedeckt sind Kilometer umfassende 5G-Teststraßen. Der überdachte Fahrzeug-Straßen-Kooperationsstraßenabschnitt ist die größte offene Teststraße mit den vielfältigsten Szenarien und dem ersten vollständigen 5G-Zugang in China. Die vierte Reihe offener Teststraßen ist etwa 70 Kilometer lang und wird die Kerngebiete der Wirtschaftsentwicklungszone Wuhan und des Bezirks Hanyang verbinden. Dies bedeutet, dass selbstfahrende Autos erstmals aus Chinas Car Valley herausfahren und überregionalen Verkehr erreichen werden Zeit.
Fazit: Seit 2022 konkurrieren neben den häufigen Aktionen in Großstädten auch verwandte Unternehmen darum, ihre Investitionen zu erhöhen, Städte und Gebiete im neuen blauen Ozean des autonomen Fahrens zu erobern und das Tempo des autonomen Fahrens zu beschleunigen. Auch der vollständig unbemannte kommerzielle Betrieb weitet sich sukzessive von Pilotprojekten in einzelnen Städten und Regionen auf das ganze Land aus.
Das obige ist der detaillierte Inhalt vonDer Plan für das „goldene Jahrzehnt' des autonomen Fahrens entfaltet sich, wobei verschiedene Regionen ihre Pläne beschleunigen, um die Gelegenheit zu nutzen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Heiße KI -Werkzeuge
Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos
AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.
Undress AI Tool
Ausziehbilder kostenlos
Clothoff.io
KI-Kleiderentferner
AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.
Heißer Artikel
Heiße Werkzeuge
Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor
SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen
Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung
Dreamweaver CS6
Visuelle Webentwicklungstools
SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)
Heiße Themen
1376
52
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
FisheyeDetNet: der erste Zielerkennungsalgorithmus basierend auf einer Fischaugenkamera
Apr 26, 2024 am 11:37 AM
Die Zielerkennung ist ein relativ ausgereiftes Problem in autonomen Fahrsystemen, wobei die Fußgängererkennung einer der ersten Algorithmen ist, die eingesetzt werden. In den meisten Arbeiten wurde eine sehr umfassende Recherche durchgeführt. Die Entfernungswahrnehmung mithilfe von Fischaugenkameras für die Rundumsicht ist jedoch relativ wenig untersucht. Aufgrund der großen radialen Verzerrung ist es schwierig, die standardmäßige Bounding-Box-Darstellung in Fischaugenkameras zu implementieren. Um die obige Beschreibung zu vereinfachen, untersuchen wir erweiterte Begrenzungsrahmen-, Ellipsen- und allgemeine Polygondesigns in Polar-/Winkeldarstellungen und definieren eine mIOU-Metrik für die Instanzsegmentierung, um diese Darstellungen zu analysieren. Das vorgeschlagene Modell „fisheyeDetNet“ mit polygonaler Form übertrifft andere Modelle und erreicht gleichzeitig 49,5 % mAP auf dem Valeo-Fisheye-Kameradatensatz für autonomes Fahren
Die erste rein visuelle statische Rekonstruktion des autonomen Fahrens
Jun 02, 2024 pm 03:24 PM
Eine rein visuelle Annotationslösung nutzt hauptsächlich die visuelle Darstellung sowie einige Daten von GPS, IMU und Radgeschwindigkeitssensoren für die dynamische Annotation. Für Massenproduktionsszenarien muss es sich natürlich nicht nur um visuelle Aspekte handeln. Einige in Massenproduktion hergestellte Fahrzeuge verfügen über Sensoren wie Festkörperradar (AT128). Wenn wir aus Sicht der Massenproduktion einen geschlossenen Datenkreislauf erstellen und alle diese Sensoren verwenden, können wir das Problem der Kennzeichnung dynamischer Objekte effektiv lösen. Aber in unserem Plan gibt es kein Festkörperradar. Aus diesem Grund stellen wir diese gängigste Etikettierungslösung für die Massenproduktion vor. Der Kern einer rein visuellen Annotationslösung liegt in der hochpräzisen Posenrekonstruktion. Wir verwenden das Posenrekonstruktionsschema von Structure from Motion (SFM), um die Genauigkeit der Rekonstruktion sicherzustellen. Aber pass
Werfen Sie einen Blick auf die Vergangenheit und Gegenwart von Occ und autonomem Fahren! Die erste Rezension fasst die drei Hauptthemen Funktionserweiterung/Massenproduktionsbereitstellung/effiziente Annotation umfassend zusammen.
May 08, 2024 am 11:40 AM
Oben geschrieben und persönliches Verständnis des Autors In den letzten Jahren hat autonomes Fahren aufgrund seines Potenzials, die Belastung des Fahrers zu verringern und die Fahrsicherheit zu verbessern, zunehmende Aufmerksamkeit erhalten. Die visionsbasierte dreidimensionale Belegungsvorhersage ist eine neue Wahrnehmungsaufgabe, die sich für eine kostengünstige und umfassende Untersuchung der Sicherheit autonomen Fahrens eignet. Obwohl viele Studien die Überlegenheit von 3D-Belegungsvorhersagetools im Vergleich zu objektzentrierten Wahrnehmungsaufgaben gezeigt haben, gibt es immer noch Rezensionen, die diesem sich schnell entwickelnden Bereich gewidmet sind. In diesem Artikel wird zunächst der Hintergrund der visionsbasierten 3D-Belegungsvorhersage vorgestellt und die bei dieser Aufgabe auftretenden Herausforderungen erörtert. Als nächstes diskutieren wir umfassend den aktuellen Status und die Entwicklungstrends aktueller 3D-Belegungsvorhersagemethoden unter drei Gesichtspunkten: Funktionsverbesserung, Bereitstellungsfreundlichkeit und Kennzeichnungseffizienz. zu guter Letzt
LLM ist fertig! OmniDrive: Integration von 3D-Wahrnehmung und Argumentationsplanung (NVIDIAs neueste Version)
May 09, 2024 pm 04:55 PM
Oben geschrieben und persönliches Verständnis des Autors: Dieses Papier widmet sich der Lösung der wichtigsten Herausforderungen aktueller multimodaler großer Sprachmodelle (MLLMs) in autonomen Fahranwendungen, nämlich dem Problem der Erweiterung von MLLMs vom 2D-Verständnis auf den 3D-Raum. Diese Erweiterung ist besonders wichtig, da autonome Fahrzeuge (AVs) genaue Entscheidungen über 3D-Umgebungen treffen müssen. Das räumliche 3D-Verständnis ist für AVs von entscheidender Bedeutung, da es sich direkt auf die Fähigkeit des Fahrzeugs auswirkt, fundierte Entscheidungen zu treffen, zukünftige Zustände vorherzusagen und sicher mit der Umgebung zu interagieren. Aktuelle multimodale große Sprachmodelle (wie LLaVA-1.5) können häufig nur Bildeingaben mit niedrigerer Auflösung verarbeiten (z. B. aufgrund von Auflösungsbeschränkungen des visuellen Encoders und Einschränkungen der LLM-Sequenzlänge). Allerdings erfordern autonome Fahranwendungen
Auf dem Weg zum „Closed Loop' |. PlanAgent: Neues SOTA für die Closed-Loop-Planung des autonomen Fahrens auf Basis von MLLM!
Jun 08, 2024 pm 09:30 PM
Das Deep-Reinforcement-Learning-Team des Instituts für Automatisierung der Chinesischen Akademie der Wissenschaften hat zusammen mit Li Auto und anderen ein neues Closed-Loop-Planungsframework für autonomes Fahren vorgeschlagen, das auf dem multimodalen großen Sprachmodell MLLM basiert – PlanAgent. Bei dieser Methode werden die Szene aus der Vogelperspektive und diagrammbasierte Textaufforderungen als Eingabe betrachtet. Dabei werden die Fähigkeiten des multimodalen Verständnisses und des gesunden Menschenverstandes des multimodalen großen Sprachmodells genutzt, um hierarchische Überlegungen vom Szenenverständnis bis zur Generierung durchzuführen von horizontalen und vertikalen Bewegungsanweisungen und generieren Sie außerdem die vom Planer benötigten Anweisungen. Die Methode wird im groß angelegten und anspruchsvollen nuPlan-Benchmark getestet und Experimente zeigen, dass PlanAgent sowohl in regulären als auch in Long-Tail-Szenarien eine State-of-the-Art-Leistung (SOTA) erreicht. Im Vergleich zu herkömmlichen LLM-Methoden (Large Language Model) bietet PlanAgent
Jenseits von BEVFusion! DifFUSER: Das Diffusionsmodell tritt in die autonome Fahr-Multitask ein (BEV-Segmentierung + Erkennung Dual-SOTA)
Apr 22, 2024 pm 05:49 PM
Oben geschrieben und persönliches Verständnis des Autors. Da die autonome Fahrtechnologie derzeit ausgereifter wird und die Nachfrage nach autonomen Fahrwahrnehmungsaufgaben zunimmt, hoffen Industrie und Wissenschaft sehr auf ein ideales Wahrnehmungsalgorithmusmodell, das gleichzeitig die dreidimensionale Zielerkennung durchführen kann basierend auf einer semantischen Segmentierungsaufgabe im BEV-Raum. Ein autonom fahrendes Fahrzeug ist in der Regel mit Rundumsichtkamerasensoren, Lidar-Sensoren und Millimeterwellen-Radarsensoren ausgestattet, um Daten in verschiedenen Modalitäten zu sammeln. Auf diese Weise können die komplementären Vorteile zwischen verschiedenen Modaldaten vollständig genutzt werden, sodass die komplementären Vorteile von Daten zwischen verschiedenen Modalitäten erzielt werden können. Beispielsweise können 3D-Punktwolkendaten Informationen für 3D-Zielerkennungsaufgaben liefern, während Farbbilddaten kann mehr Informationen für semantische Segmentierungsaufgaben liefern. Nadel
Überblick über die Pfadplanung: Basierend auf Probenahme, Suche und Optimierung, fertig!
Jun 01, 2024 pm 08:12 PM
1 Überblick über Entscheidungssteuerung und Bewegungsplanung Aktuelle Methoden zur Entscheidungssteuerung können in drei Kategorien unterteilt werden: sequentielle Planung, verhaltensbewusste Planung und End-to-End-Planung. Sequentielle Planung: Bei der traditionellsten Methode sind die drei Teile Wahrnehmung, Entscheidungsfindung und Kontrolle relativ klar. Verhaltensbewusste Planung: Im Vergleich zur ersten Methode ist der Höhepunkt die Einführung von Mensch-Maschine-Co-Fahren und Fahrzeug-Straße Zusammenarbeit und Fahrzeugrisikoabschätzung der externen dynamischen Umgebung; End-to-End-Planung: DL- und DRL-Technologien nutzen eine große Menge an Datentraining, um sensorische Informationen wie Bilder, Lenkradwinkel usw. zu erhalten.
