Der Verzicht auf autonomes Fahren ist auch eine Art Versöhnung
1 Unternehmen für autonomes Fahren begannen überall zu blühen und erreichten 2018 ihren Höhepunkt mit bis zu 472 neu registrierten Unternehmen, 78 umfassenden Investitions- und Finanzierungsvorfällen und einem offengelegten Investitions- und Finanzierungsbetrag von bis zu 81,1 Milliarden Yuan.
Ab 2019 begann die autonome Fahrbranche in eine Phase stetiger Entwicklung einzutreten. Aufgrund unkontrollierbarer Faktoren begann sich das Entwicklungstempo der autonomen Fahrbranche jedoch zu verlangsamen Die Finanzierung in der Branche des autonomen Fahrens beträgt immer noch 43,63 Milliarden Yuan, was einer Steigerung von 136,9 % gegenüber dem Vorjahr entspricht. Der Bereich autonomes Fahren ist auch im Jahr 2021 weiterhin heiß begehrt. Allein in den ersten drei Quartalen gab es 69 Investitions- und Finanzierungsveranstaltungen mit einer Gesamtinvestitionssumme von 62,9 Milliarden Yuan. Im Oktober 2022 gibt es in meinem Land 5.682 Unternehmen für autonomes Fahren. Im ersten Halbjahr 2022 wird es 201 neue Unternehmen im Bereich autonomes Fahren geben. Immer mehr Akteure hoffen, an der autonomen Fahrbranche teilzuhaben. Auch Automobilunternehmen und Internetunternehmen sind auf die gleiche Spur gekommen und haben ein Wettbewerbsmodell ins Leben gerufen.
Wenn man auf die Branche des autonomen Fahrens vor 2022 zurückblickt, scheint die Entwicklung der Branche des autonomen Fahrens in eine Situation geraten zu sein, in der hunderte Denkschulen miteinander konkurrieren. Mit Beginn des Jahres 2023 scheint die Branche des autonomen Fahrens jedoch zerrissen zu sein in ein großes Loch gestürzt, und die friedliche Entwicklungssituation wurde immer wieder unterbrochen. Anfang 2023 meldete der autonome Lkw-Neuling Embark Insolvenz an. Als Einhornunternehmen mit einem Marktwert von 5,2 Milliarden US-Dollar dauerte es vom Höhepunkt bis zur Insolvenz nur 16 Monate. Waymo, als anerkanntes Benchmark-Unternehmen im Bereich des autonomen Fahrens, kündigte außerdem die Einführung von Entlassungsplänen für Anfang 2023 an. Am 18. Mai gab TuSimple, ein selbstfahrendes Lkw-Unternehmen, das mit einer Delisting-Krise konfrontiert ist, außerdem bekannt, dass sein Vorstand am 18. Mai einen „weiteren Umstrukturierungsplan“ genehmigt habe, der 300 Arbeitsplätze streichen wird, was 10 % der Arbeitsplätze des Unternehmens entspricht Insgesamt 30 % der Mitarbeiter; auch AIWAYS, ein neuer inländischer Automobilhersteller, brachte bereits Nachrichten über Lohnrückstände und Sozialversicherungssperren .ai brachte außerdem die Nachricht über die Entlassung von 50 % seiner Mitarbeiter.
Beim Einstieg in die Selbstfahrbranche im Jahr 2023 sind ständig Schlagworte wie Entlassungen, Insolvenzen und sinkender Marktwert zu hören. Die Selbstfahrbranche scheint den Gipfel des Berges überschritten zu haben und ist auf dem Vormarsch Der genaue Zeitpunkt und die genaue Antwort darauf, wann der Tiefpunkt erreicht sein kann, scheinen jedoch noch nicht bekannt zu sein. Egal, ob es sich um einen Autokonzern oder einen Internetkonzern handelt, es scheint, dass es keine Beharrlichkeit und Begeisterung für autonomes Fahren wie in den vergangenen Jahren gibt.
2 Viele Internetunternehmen, die entschlossen sind, die Branche des autonomen Fahrens zu nutzen, reduzieren auch ihre Investitionen in autonomes Fahren und bereiten sich darauf vor, mehr Ressourcen für andere Projekte einzusetzen. Der Grund dafür könnte sein, dass der Weg, vom autonomen Fahren zu profitieren, düster ist Das Marktumfeld ist nicht In einer idealen Welt könnte es die einzige Option sein, den Schwanz abzuschneiden, um zu überleben.Die Branche des autonomen Fahrens ist wie ein Fass ohne Boden, und die investierten Mittel stehen in keinem Verhältnis zu den tatsächlich erzielbaren Gewinnen. Mit der bisherigen Entwicklung der Branche des autonomen Fahrens sind die eigentlichen Orte, an denen man es erleben kann, möglicherweise nur in einer relativ geschlossenen Umgebung, wie etwa einigen Fabriken und Schulen, und es werden immer noch mehr Funktionen genutzt, um Aufgaben wie das Abholen und Liefern zu übernehmen Expresszustellung, Besichtigungen usw. und diese Nutzungsszenarien Autonomes Fahren kann in der heutigen Welt nur als autonomes Fahren mit niedriger Geschwindigkeit betrachtet werden. Zwischen den von uns verfolgten autonomen Hochgeschwindigkeitsfahrszenarien besteht immer noch eine lange technische Lücke. Auch wenn das autonome Fahren bei niedriger Geschwindigkeit relativ ausgereift ist, sind die Marktnachfrage und die Marktgröße nicht groß, sodass es unrealistisch ist, große Gewinne zu erzielen.
Tatsächlich haben Automobilhersteller und Unternehmen, die in der autonomen Fahrbranche tätig sind, immer gehofft, autonomes Fahren in Hochgeschwindigkeitsszenarien für autonomes Fahren anzuwenden. Dies ist auch die Bedeutung der Forschung im Bereich der autonomen Fahrtechnologie. Am 27. Juni 2020 startete Didi in Jiading, Shanghai, ein bemanntes Anwendungsprojekt für autonomes Fahren, in der Hoffnung, den Einsatz von autonomem Hochgeschwindigkeitsfahren in unser Leben zu bringen. Aufgrund der Unausgereiftheit der Technologie und der hohen Investitionskosten haben die selbstfahrenden Taxis von Didi drei Jahre später jedoch immer noch keine großflächige Anwendung gefunden. Der Trend zum autonomen Fahren hält schon seit fast zehn Jahren an, doch die Technologie hat noch keine großen Durchbrüche erzielt.
Aus technischer Sicht ist die Entwicklung des autonomen Hochgeschwindigkeitsfahrens aufgrund der Unzulänglichkeiten der autonomen Fahrwahrnehmungshardware und des Deep Learning mittlerweile untrennbar mit der Unterstützung hochpräziser Karten verbunden, und da eine hochpräzise Kartenerkennung Dateninformationen erfordert Was das Verkehrsumfeld betrifft, weiß das Land nicht, dass autonomes Fahren auf der Grundlage hochpräziser Karten nur in einigen Bereichen umgesetzt werden kann. Dies ist so, als würde man autonomes Fahren in einen Käfig sperren, was es technisch unmöglich macht Erzielen Sie groß angelegte Entwicklungen und Durchbrüche. Obwohl viele Automobilhersteller inzwischen die technische Richtung „Betonung der Wahrnehmung, Licht auf Karten“ verfolgen und viele Experten sogar das Entwicklungsmodell einer intelligenten Netzwerkverbindung vorgeschlagen haben, befindet es sich aufgrund seiner hohen technischen Schwierigkeit noch in einem frühen Stadium hohe Investitionskosten. Aus Kostengründen müssen hochpräzise Karten rechtzeitig aktualisiert werden, was hohe Arbeitskosten erfordert, selbst wenn eine hochpräzise Kartenerkennung in großem Maßstab implementiert werden kann Einer der Gründe dafür ist, dass Unternehmen derzeit „kritische Aufgaben wahrnehmen“. Und da die Kosten für autonome Fahrhardware derzeit zu hoch sind, sind die Kosten für ein einzelnes Fahrzeug unvorstellbar, wenn Sie möchten, dass Verbraucher die autonome Fahrfunktion wirklich genießen. Es ist für Verbraucher nicht realistisch, es in großem Maßstab zu kaufen , was dazu geführt hat, dass viele Unternehmen viel in autonomes Fahren investiert haben, aber der Gewinn ist sehr gering. Sollten wir weiterhin auf autonomes Fahren bestehen? Vielleicht hat der Markt bereits die Antwort gegeben. „Faulheit“ war schon immer die treibende Kraft für den technologischen Fortschritt. Beim Reisen mit dem Auto wird die Rolle des Fahrers stark eingeschränkt sein und selbstfahrenden Autos erlauben, Passagiere und Fracht zu befördern im Reiseumfeld. Seit der Entwicklung des autonomen Fahrens sind jedoch weiterhin viele autonome Hochgeschwindigkeitsfahrerlebnisse aufgetaucht. Die Einstellung der Menschen zum autonomen Fahren ist jedoch eher ein Vorgeschmack auf die frühen Anwender. Wenn sie möchten, dass es wirklich in das Leben der Menschen Einzug hält immer noch Fragen und Bedenken aufwerfen. Das aktuelle autonome Fahren befindet sich immer noch auf dem L2-Niveau. Um den Fortschritt ihrer Technologie hervorzuheben, bezeichnen viele Neuwagenhersteller es in Werbeaktionen als autonomes Fahren L2+ oder sogar L3. Dies ist zweifellos ein Fehler Signal für die Entwicklung des autonomen Fahrens. Viele Unfälle beim autonomen Fahren werden dadurch verursacht, dass Fahrer dem autonomen Fahrsystem zu sehr vertrauen. Da autonomes Fahren zu diesem Zeitpunkt für Verbraucher noch etwas ganz Neues ist, wird jeder Unfall mit autonomem Fahren große Aufmerksamkeit und Popularität erfahren, was auch dazu geführt hat, dass das Misstrauen aller gegenüber dem autonomen Fahren weiter zunimmt. Die Unreife der Technologie, die niedrigen Kosten und das Misstrauen gegenüber dem Markt haben die Entwicklung des autonomen Fahrens in eine Endlosschleife gebracht. Dies hat auch dazu geführt, dass es keine groß angelegte Anwendung des autonomen Fahrens gegeben hat bisher fahren. Um diese Probleme zu lösen, sind mehr Zeit- und Kosteninvestitionen erforderlich, was sowohl für Automobilhersteller als auch für Internetunternehmen eine Herausforderung darstellt. Die Frontlinie für die Umsetzung des autonomen Fahrens wird ständig erweitert, was es für viele Unternehmen schwierig macht, dies zu ertragen Für sie ist der Verzicht auf autonomes Fahren möglicherweise auch eine Art Versöhnung. Dennoch werden viele Menschen den Entwicklungspfad der autonomen Fahrbranche weiterhin verfolgen, aber es ist immer noch unmöglich zu sagen, wann wir das Licht der Welt erblicken werden! 3 Aufgeben oder durchhalten, vielleicht gibt der Markt die Antwort
Das obige ist der detaillierte Inhalt vonDer Verzicht auf autonomes Fahren ist auch eine Art Versöhnung. 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



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.

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

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.

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

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

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

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

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
