Heim Technologie-Peripheriegeräte KI Sie können an der Sicherheit des autonomen Fahrens zweifeln, aber Big Data sagt Ihnen: Es fährt tatsächlich besser als Sie

Sie können an der Sicherheit des autonomen Fahrens zweifeln, aber Big Data sagt Ihnen: Es fährt tatsächlich besser als Sie

May 15, 2023 pm 11:28 PM
技术 自动驾驶

Die Automobilindustrie befindet sich in einer Übergangsphase vom intelligent unterstützten Fahren der Stufe L2 zum autonomen Fahren der Stufe L3. Die Ära des intelligenten Fahrens naht. Obwohl jeder Unfall durch intelligentes Fahren eine breite Diskussion und Besorgnis über autonomes Fahren hervorrufen wird, lügen die Zahlen nicht. Das autonome Fahren hat die Häufigkeit von Verkehrsunfällen erheblich reduziert. Es erreicht einen kritischen Reifepunkt in Bezug auf Technologie, Tests, Gesetze und Vorschriften. Große Automobilländer, vertreten durch China, die Vereinigten Staaten, Europa, Japan und Südkorea, konkurrieren darum, die Führungspositionen in der Branche zu erobern und sich gegenseitig zu fördern, indem sie ein bestehendes, autonom fahrendes soziales Governance-Modell mit nationalen Merkmalen und gegenseitiger Toleranz bilden. Der Tag ist nicht mehr fern, an dem Menschen offiziell die Kontrolle über Fahrzeuge an Maschinen übergeben.

„Autonom fahrende Fahrzeuge können 80 % der Autounfälle effektiv vermeiden.“

Am 16. Dezember veröffentlichten das China Automotive Industry Center, die Tongji-Universität und Baidu gemeinsam das „Weißbuch zur Verkehrssicherheit autonomer Fahrzeuge“. Demonstration und tatsächliche Autonomie Eine vergleichende Analyse von Verkehrsunfällen führt zu der oben genannten Schlussfolgerung.

Die Veröffentlichung dieses Artikels nutzt Daten, um der Öffentlichkeit eine grundlegende Tatsache zu vermitteln: Obwohl autonomes Fahren zum jetzigen Zeitpunkt nicht 100 % unfallfrei ist, ist autonomes Fahren weitaus sicherer als menschliches Fahren, und es gibt genügend Daten, um dies zu unterstützen.

Andererseits werden die Kameras mit der Implementierung von Lidar in massenproduzierten Personenkraftwagen immer klarer und die Fahralgorithmen entwickeln sich jeden Tag iterativ weiter. Im Vergleich zu individuellen Veränderungen werden sie leicht durch verschiedene unsichere Faktoren wie Emotionen und Zustände beeinflusst. Im Vergleich zum Menschen werden die Vorteile des autonomen Fahrens immer deutlicher hervortreten.

Laut dem „Road Traffic Accident Statistical Annual Report“ des Verkehrsmanagementbüros des Ministeriums für öffentliche Sicherheit Chinas ereigneten sich von 2017 bis 2019 landesweit jedes Jahr durchschnittlich 231.900 Verkehrsunfälle mit einer durchschnittlichen jährlichen Todesrate von 63.000 und weitere 240.000 nicht tödliche Verletzungen. Verkehrsunfälle sind landesweit zur zweithäufigsten Todesursache bei Kindern geworden und zählen als einziger nicht krankheitsbedingter Faktor zu den zehn häufigsten Todesursachen in China.

Das Risiko von Verkehrsunfällen geht hauptsächlich von menschlichen Fahrern aus.

79,9 % der Verkehrsunfälle werden durch menschliche subjektive Fehler verursacht.

Laut Pkw-Unfalldaten des China Automotive Center Institute of Vehicle Safety Identification Technology (CIDAS) können autonome Fahrzeuge von 2011 bis 2021 80 % der durch menschliches Fahren verursachten Unfälle effektiv vermeiden.

Daher geht das Whitepaper davon aus, dass die Wahrnehmungsfunktion des autonomen Fahrens im Vergleich zu den begrenzten Fähigkeiten des Menschen mehr als 90 % der Unfälle im Voraus erkennen kann.

Autonome Fahrzeuge können Unfälle durch Geschwindigkeitsüberschreitungen, Auffahrunfälle, Verstöße gegen Verkehrsregeln und menschliche Fehler wirksam vermeiden. Es kann effektiv mehr als ein Drittel der Unfälle reduzieren.

Mit anderen Worten: Beim autonomen Fahren werden die Verkehrsregeln beim Fahren strikt eingehalten, eine frühzeitige Wahrnehmung erreicht und der Datenentscheidungsprozess gesteuert.

Es ist denkbar, dass das autonome Fahren in Hochgeschwindigkeitsszenen in der Nacht das vorausfahrende Fahrzeug im Voraus erkennt und einen Abstand zwischen den Fahrzeugen unter strikter Einhaltung der Sicherheitsstandards einhält. Die Wahrscheinlichkeit eines Unfalls wird weitaus geringer sein als die eines menschlichen Fahrers.

Daher können selbstfahrende Autos ihre Aufmerksamkeit auf andere Verkehrsteilnehmer maximieren und einen angemessenen Sicherheitsabstand zu anderen Kraftfahrzeugen einhalten. An diesem Punkt kann die Ursache von Unfällen, bei denen Menschen andere Verkehrsteilnehmer nicht wahrnehmen und keinen Sicherheitsabstand einhalten, wirksam verbessert werden.

Im vorherigen Artikel haben wir erfahren, dass selbst bei einem Verkehrsunfall das Verletzungs- und Todesrisiko durch den Einsatz des autonomen Fahrens erheblich reduziert wird. Zum jetzigen Zeitpunkt ist es eine Tatsache, dass autonomes Fahren besser abschneidet als Menschen.

Autonomes Fahren erreicht einen kritischen Reifegrad

Fakten zeigen, dass autonomes Fahren eine breitere Anwendung findet, was von genügend Fällen erkannt wurde.

Die Kommerzialisierung des autonomen Fahrens sollte in die Bereiche Pkw, Nutzfahrzeuge und Arbeitsfahrzeuge unterteilt werden.

OEMs haben mit dem Prozess des autonomen L3-Fahrens auf dem Pkw-Markt begonnen. Und auch intelligente Fahrassistenzfunktionen auf L2-Niveau stehen kurz vor der Beliebtheit. Xin Guobin, Vizeminister des chinesischen Ministeriums für Industrie und Informationstechnologie, sagte in der ersten Hälfte dieses Jahres, dass „der Marktanteil von Autos mit intelligenten L2-Fahrassistenzfunktionen 20 % überschritten hat“.

Der 10. Dezember 2021 ist ein denkwürdiger Tag in der Geschichte des autonomen Fahrens. Die deutschen Aufsichtsbehörden haben das autonome Fahren offiziell unter L3-Bedingungen freigegeben. Im Bereich der Nutzfahrzeuge und Arbeitsfahrzeuge, insbesondere in bestimmten Szenarien wie Einzelhandel, Robotaxi, Bergbau-Lkw, Flughäfen und Logistik, wurden autonome L4-Fahrzeuge oder unbemannte Fahrzeuge an bestimmten Orten wie Docks, Flughäfen und abgestuften offenen Straßen eingesetzt .

2021 hat den kritischen Punkt für die offizielle Legalisierung des autonomen Fahrens erreicht

Am 24. März 2021 veröffentlichte das Ministerium für öffentliche Sicherheit Chinas öffentliche Stellungnahmen zum „Straßenverkehrssicherheitsgesetz“, in denen Straßentests und Fahrzeuge mit autonomem Fahren klargestellt wurden Funktionen des Straßenzugangs und damit verbundene Anforderungen zur Aufteilung der Haftung bei Verstößen und Unfällen. Die Verordnung gibt autonomen Fahrsystemen und Straßentests rechtlichen Status und schafft ein rechtliches Umfeld für die groß angelegte kommerzielle Nutzung des autonomen Fahrens.

Die Verletzungs- und Unfallhaftung des autonomen Fahrens wird bald in das „Straßenverkehrssicherheitsgesetz“ aufgenommen, um das Governance-Modell des autonomen Fahrens weiter zu verbessern.

Unter anderem legt Artikel 155 Folgendes fest: Selbstfahrende Fahrzeuge sollten Straßentests auf gesperrten Straßen und Veranstaltungsorten durchführen, befristete Führerscheine erwerben und Straßentests zu festgelegten Zeiten, auf bestimmten Gebieten und auf bestimmten Routen gemäß den Vorschriften durchführen. Wer die Prüfung besteht, darf im Einklang mit den einschlägigen Gesetzen und Vorschriften produzieren, importieren und verkaufen. Damit ist der Weg frei für die Produktion und den Verkauf autonomer Fahrzeuge.

Natürlich gibt es auf der Ebene von Gesetzen und Vorschriften derzeit keine umfassenden Regelungen zur Zuständigkeitsverteilung bei Unfällen beim autonomen Fahren in verschiedenen Ländern der Welt. Auch das „Straßenverkehrssicherheitsgesetz der Volksrepublik China“ und die „Umsetzungsbestimmungen des Straßenverkehrssicherheitsgesetzes der Volksrepublik China“ decken die Sicherheit des autonomen Fahrens nicht ab. In dieser Phase sollten Verkehrsverstöße und Unfälle bei Straßentests und Demonstrationen im Einklang mit den geltenden Gesetzen gehandhabt werden.

Angesichts der Tatsache, dass Deutschland das autonome Fahren auf L3-Niveau unter Auflagen freigegeben hat, werden die OEMs im autonomen Fahrstaat die rechtliche Verantwortung tragen.

Verbraucher müssen offen dafür sein, die durch autonomes Fahren dargestellte Vision von „null Unfällen“ zu verstehen.

Autonomes Fahren beschrieb die Vision von „null Unfällen“ für Menschen in der frühen Öffentlichkeit, was in gewisser Weise zu Missverständnissen in der Öffentlichkeit führte.

In den letzten Jahren haben sich Unfälle im Zusammenhang mit autonomem Fahren einerseits vom Bewusstsein und Verständnis der Öffentlichkeit für ADAS-Funktionen und vollständig autonomes Fahren unterschieden. Andererseits sind die Erwartungen der Menschen an autonomes Fahren zu hoch.

Die Menschen akzeptieren autonomes Fahren, was bedeutet, dass wir eine Maschine akzeptieren müssen, die Fehler macht. Im Rahmen dieses Konzepts hat der Mensch die Verantwortung des OEM oder des intelligenten Fahrsystems festgelegt und verfügt über entsprechende Vergütungsstandards.

Für autonome Fahrversuche auf der Straße wurde in den entsprechenden Regionen Chinas eine obligatorische Verkehrsunfall-Haftpflichtversicherung in Höhe von 5 Millionen RMB (746.000 USD) eingerichtet. Für Tests, die bemannte Demonstrationsanwendungen erfordern, müssen eine Sitzplatzversicherung und eine persönliche Unfallversicherung für Passagiere sowie andere notwendige gewerbliche Versicherungen abgeschlossen werden. Die Gewerbeversicherung legt Sicherheitsstandards für selbstfahrende Autos auf regulären öffentlichen Straßen fest, sodass die Haftung für Unfälle zwischen Menschen und Maschinen wirtschaftlich definiert ist.

Erkennen Sie, dass Maschinen Fehler machen werden, und geben Sie zu, dass selbst zukünftiges autonomes Fahren der Stufe L5 möglicherweise nicht zu 100 % null Unfälle garantiert. Dies ist die Voraussetzung dafür, dass Menschen mit autonomen Fahrzeugen auskommen. Unter dieser Prämisse werden die Menschen irgendwann entdecken, dass das Fahren mit Maschinen die Sicherheit erheblich verbessern kann.

Daher wird „null Unfälle“ immer das höchste Ziel des autonomen Fahrens sein, aber es wird nicht zu 100 % erreicht.

Ende letzten Jahres startete Deutschland einen Wettbewerb zur Eröffnung des L3-Governance-Modells für autonomes Fahren, und Mercedes-Benz wurde der weltweit erste rechtlich geschützte OEM, der autonome Fahrzeuge in Serie produzierte. Mit diesem Schritt ist nun eine neue Ära im Transportwesen eingetreten.

Derzeit erreicht das autonome Fahren einen kritischen Reifepunkt in Bezug auf Technologie, Tests, Herstellung, Gesetze und Vorschriften. Große Automobilländer, vertreten durch China, die Vereinigten Staaten, Europa, Japan und Südkorea, konkurrieren um die Vorherrschaft in der Branche. Sie fördern sich auch gegenseitig, um ein einzigartiges und interoperables, selbststeuerndes soziales Governance-Modell zu schaffen.

Derzeit ist die autonome Fahrtechnologie zum Hauptfaktor für den technologischen Wettbewerb zwischen verschiedenen Ländern geworden. Auch das internationale Governance-Modell rund um Smart Cars nimmt im Wettbewerb Gestalt an. Für die Kunden ist es das beste Ergebnis, wenn selbstfahrende Autos in verschiedenen Ländern denselben Standards folgen.

Das obige ist der detaillierte Inhalt vonSie können an der Sicherheit des autonomen Fahrens zweifeln, aber Big Data sagt Ihnen: Es fährt tatsächlich besser als Sie. 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