Technologie-Peripheriegeräte
IT Industrie
He Xiaopeng: Die vollständige Logik des vollständig fahrerlosen Fahrens ist noch unklar, und wir müssen möglicherweise einen anderen Weg finden
He Xiaopeng: Die vollständige Logik des vollständig fahrerlosen Fahrens ist noch unklar, und wir müssen möglicherweise einen anderen Weg finden
Laut Nachrichten dieser Website vom 21. November äußerte He Xiaopeng, Vorsitzender von Aber es ist völlig unbemanntes Fahren, und ich denke sogar, dass wir möglicherweise einen anderen Weg finden müssen.“ Vogt. Vogt erläuterte den Grund für seinen Rücktritt nicht, erwähnte jedoch einen Unfall, der zur Einstellung des Betriebs selbstfahrender Autos und einer Sicherheitsüberprüfung führte Auto in San Francisco. Die Vorderseite eines fahrerlosen Cruise-Taxi. Obwohl das selbstfahrende Taxi Cruise rechtzeitig bremste, versuchte es anschließend anzuhalten, wodurch die Frau ein zweites Mal überfahren und etwa 6 Meter weit mitgeschleift wurde, wodurch ihre Verletzungen schwerer wurden. Das kalifornische Kraftfahrzeugministerium hat Cruise am 25. Oktober die Lizenz zum Fahren von fahrerlosen Taxis entzogen. Am 7. November kündigte Cruise den Rückruf von 950 selbstfahrenden Autos in den Vereinigten Staaten an und ruft möglicherweise weitere Fahrzeuge zurück
Diese Website hat festgestellt, dass die erste Charge der städtischen Navigation Xpeng -Precision Maps hat mit der offenen Beta begonnen. XNGP Urban Smart Driving nutzt eine Lichtkartenlösung, sodass die Stadtnavigation nicht mehr durch den Nutzungsumfang und die Aktualisierungszeit hochpräziser Karten eingeschränkt ist. Nach der Aktivierung des KI-Fahrens können Benutzer mit dieser Funktion Start- und Endpunkte im ganzen Land festlegen. Fahren Sie es einfach einmal manuell, um eine Speicherkarte zu erstellen. Wenn Sie die Reiseroute auswählen, können Sie die Funktion „KI-Fahren“ nutzen, um auf bestimmten Routen oder in bestimmten Szenarien eine städtische Navigationsunterstützung zu erreichen in 50 Städte Ende Dezember. He Xiaopengli äußerte die Herausforderung, bis zum Jahr 2024 eine vollständige Abdeckung von XNGP in den wichtigsten städtischen Straßennetzen (einschließlich Straßen der Klassen 1–4) im ganzen Land zu erreichen.
Werbeerklärung: Die im Artikel enthaltenen externen Sprunglinks (einschließlich, aber nicht beschränkt auf Hyperlinks, QR-Codes, Passwörter usw.) dienen der Übermittlung weiterer Informationen und der Zeitersparnis bei der Auswahl. Die Ergebnisse dienen nur als Referenz Diese Website enthält diese Erklärung.
Das obige ist der detaillierte Inhalt vonHe Xiaopeng: Die vollständige Logik des vollständig fahrerlosen Fahrens ist noch unklar, und wir müssen möglicherweise einen anderen Weg finden. 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
1378
52
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?
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
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.
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
Xpeng X9: KI-intelligenter neuer Star, Debüt am 1. Januar 2024
Dec 15, 2023 pm 02:46 PM
Laut Nachrichten vom 15. Dezember hat Xpeng Motors gerade die aufregende Nachricht veröffentlicht, dass sie planen, am 1. Januar 2024 ihr erstes MPV-Modell namens Xpeng X9 offiziell auf den Markt zu bringen. Dieses Auto wird offiziell als „superintelligent fahrender Siebensitzer“ gefeiert und prahlt damit, dass es über eine „tiefgreifende KI-Entwicklung zur Erforschung von X Möglichkeiten“ verfügt. Der Xpeng X9 feierte sein Debüt auf der Guangzhou Auto Show 2023 mit Vorverkaufspreisen ab 388.000 Yuan. Dieses Auto setzt das Familiendesign von Xpeng Motors mit einem durchgehenden Lichtstreifen und einem scharfen Scheinwerferdesign fort. Das Chassis besteht aus integriertem Aluminiumdruckguss vorne und hinten. Die Karosserieabmessungen sind 5293 mm lang, 1988 mm breit, 1785 mm hoch und der Radstand beträgt 3160 mm. Die Innenausstattung des Autos bietet drei verschiedene Farbschemata: Qiyu Grey, Moon Shadow Coffee. und Sternennacht Schwarz. Vordersitz
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!
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
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
