


De la science-fiction à la réalité, quels sont les problèmes encore rencontrés dans le développement de la conduite autonome ?
Ces dernières années, avec l'attention croissante portée à la conduite autonome, la commercialisation de la conduite autonome à basse vitesse est progressivement devenue une réalité. À l’avenir, la conduite autonome à grande vitesse deviendra certainement populaire et la conduite autonome jouera également un rôle essentiel dans les transports. Cependant, avec l'application pratique de la conduite autonome, de nombreux problèmes sont devenus de plus en plus importants, parmi lesquels la sécurité technique, la sécurité des données et l'amélioration des politiques sont les trois problèmes les plus importants découverts lors de la vulgarisation de la conduite autonome.
01 Sécurité technique
La sécurité technique est liée à la capacité des voitures autonomes à transporter les passagers en toute sécurité vers leur destination. À l'heure actuelle, des systèmes de conduite assistée avancés tels que le stationnement automatique, le suivi automatique et le changement de voie automatique sont déjà disponibles. relativement mature dans les voitures.Cependant, dans des scénarios complexes et encombrés tels que les routes urbaines, ces fonctions doivent encore être continuellement améliorées, ce qui s'appuie sur une variété de moyens techniques, tels que la technologie des capteurs, la technologie des cartes de haute précision et la technologie de l'intelligence artificielle. .
Technologie des capteurs
Les capteurs sont un élément technique important pour réaliser une conduite autonome et sont principalement utilisés pour obtenir des informations sur l'environnement du véhicule. Les capteurs de conduite autonome comprennent des caméras montées sur véhicule, un lidar, un radar à ondes millimétriques, un radar à ultrasons, etc. Les caméras montées sur véhicule sont principalement utilisées pour identifier des informations visuelles telles que les panneaux de signalisation, les feux de circulation, les piétons et les obstacles autour du véhicule, le Lidar millimétrique. -radar à ondes, radar à ultrasons, etc. Il est principalement utilisé pour identifier les obstacles et autres informations autour du véhicule.
À l'heure actuelle, la technologie des capteurs de conduite autonome est relativement mature, mais dans des scénarios de circulation tels que le mauvais temps et la nuit, la précision de reconnaissance des capteurs de conduite autonome diminuera, ce qui affectera la sécurité des voitures autonomes. Pour cette raison, la technologie des capteurs de conduite autonome doit encore être améliorée en permanence et peut être appliquée à divers scénarios complexes pour améliorer la fiabilité et la sécurité des véhicules autonomes.
Technologie cartographique de haute précision
La carte de haute précision fait référence à des données cartographiques avec une identification de haute précision et des performances en temps réel élevées. Les cartes de haute précision peuvent fournir aux véhicules des informations telles que les marquages routiers et la circulation. lumières, obstacles, etc. Informations détaillées sur l'environnement, les véhicules autonomes peuvent analyser l'environnement environnant grâce à des cartes de haute précision pour réaliser une conduite autonome.
À l'heure actuelle, la couverture des cartes de haute précision est encore relativement limitée. La raison principale est que la collecte de cartes de haute précision implique des informations détaillées sur les routes urbaines et qu'il est nécessaire d'élargir les cartes de haute précision de. les villes sous la supervision du gouvernement et des départements concernés. En outre, la protection des données et la gestion de la sécurité des cartes de haute précision doivent être renforcées pour empêcher que les données cartographiques de haute précision ne soient falsifiées ou volées.
Technologie d'intelligence artificielle
L'intelligence artificielle est l'une des technologies de base dans le développement de la conduite autonome. Elle peut utiliser l'apprentissage automatique, l'apprentissage profond et d'autres algorithmes pour permettre aux véhicules autonomes de mieux comprendre l'environnement et d'autres algorithmes. prédire les situations de circulation et permettre aux voitures autonomes de prendre les bonnes décisions. À l'heure actuelle, certains progrès ont été réalisés dans le développement de la technologie de l'intelligence artificielle, mais son application dans des scénarios complexes nécessite encore des améliorations et des améliorations continues.
02 Sécurité des données
La sécurité des données est une autre direction très importante dans la sécurité de la conduite autonome. Les données impliquées dans la conduite autonome comprennent les données obtenues par les capteurs de conduite autonome, les données cartographiques de haute précision et les données des dossiers de conduite. . et données de divertissement des passagers de la voiture. La sécurité de ces données est liée à la fiabilité et à l'acceptation sociale des véhicules autonomes. « Confidentialité et protection des données » , données de conduite des passagers, données sur les habitudes de conduite du conducteur, etc. Ces données doivent être correctement protégées pour éviter toute utilisation malveillante ou fuite. Un système complet de gestion des données doit être mis en place pour clarifier en même temps la propriété et les droits d'utilisation des données. , le cryptage des données, des moyens techniques tels que la dispersion des données garantissent la confidentialité et la sécurité des données.
Garantie d'intégrité des données
L'assurance de l'intégrité des données est un autre aspect qui mérite une attention particulière en matière de sécurité des données. La conduite de véhicules autonomes nécessite une protection efficace des cartes de haute précision pour garantir l'authenticité et l'intégrité des données cartographiques de haute précision. Pour garantir l'intégrité des données, des moyens techniques tels que la sauvegarde et la vérification des données doivent être utilisés pour empêcher la falsification ou la perte des données.
03 Politiques améliorées
Développement de l'industrie, les politiques passent avant tout. Le développement de la conduite autonome ne peut être séparé du soutien et de la garantie des politiques. Des politiques de conduite autonome améliorées contribueront efficacement au développement de la conduite autonome.
La formulation des lois et réglementations
Si la conduite autonome doit être popularisée, elle est indissociable du fonctionnement et de la gestion d'un ensemble complet de lois et réglementations. Ces lois et réglementations doivent clarifier les responsabilités. et les obligations des parties liées à la conduite autonome. Dans le même temps, la formulation des lois et des réglementations doit également prêter attention à l'innovation et au développement de la technologie de conduite autonome, utiliser la réglementation pour promouvoir le progrès technologique et laisser la technologie promouvoir le développement de la réglementation. afin de mieux répondre aux besoins sociaux et du marché et permettre à la conduite autonome de devenir rapidement populaire.
Règles de sécurité routière
Avec le développement de la technologie de conduite autonome, de plus en plus de personnes sont impliquées dans le transport, tels que les véhicules autonomes, les véhicules conduits par un conducteur et les piétons, apparaîtront dans le même trafic. environnement À l'heure actuelle, il est nécessaire de renforcer la sensibilisation du public à la sécurité routière grâce à la formulation et à la mise à jour des règles de sécurité routière, d'améliorer la sensibilisation du public et la qualité de la sécurité routière et de réduire la fréquence des accidents de la route.
Formulation de règles d'attribution des responsabilités et de gestion des risques
Le développement de la conduite autonome nécessite des mécanismes clairs d'attribution des responsabilités et de gestion des risques. Le gouvernement et les départements concernés doivent participer activement et guider pour établir et améliorer la responsabilité en matière de conduite autonome. répartition et gestion des risques. Clarifier les responsabilités et obligations des conducteurs, des fournisseurs de services de technologie de conduite autonome et des autres parties pour garantir que les véhicules autonomes peuvent conduire conformément à la réglementation.
04 Autres aspects
En plus de la sécurité technique, de la sécurité des données et de l'amélioration des politiques qui nécessitent une attention particulière, de nombreux aspects doivent être assurés dans le processus de développement des véhicules autonomes.
La formulation de normes techniques de sécurité
La commercialisation et la vulgarisation des voitures autonomes doivent passer suffisamment de tests. Ce n'est qu'en rendant les voitures autonomes plus sûres que les conducteurs humains que nous pourrons les laisser. Les voitures autonomes prennent la route. Par conséquent, dans le développement de la conduite autonome, il est nécessaire de formuler des normes de sécurité et des méthodes de détection pour les véhicules autonomes. En octobre 2022, la première norme internationale dans le domaine des scénarios de test de conduite autonome, ISO 34501 « Vocabulaire des scénarios de test du système de conduite autonome des véhicules routiers », dirigée par la Chine, a été officiellement publiée en tant que norme de base importante pour les scénarios de test du système de conduite autonome. cette norme répond aux exigences. La nécessité pour l'industrie d'utiliser un langage standardisé pour décrire les scénarios de test lors de la réalisation de travaux liés aux tests et à l'évaluation de la conduite autonome sera largement utilisée dans la recherche et le développement, les tests et la gestion de technologies et de produits de conduite autonome de véhicules intelligents en réseau à l'échelle mondiale. , et fournira un support pour les déplacements intelligents, les connexions régionales et le transport routier. Fournira un support de base important pour divers types d'applications de conduite autonome.
Reconnaissance et acceptation sociales
L'application généralisée des véhicules autonomes nécessite la reconnaissance et le soutien de la conduite autonome de la part du public. À l'heure actuelle, la reconnaissance de la conduite autonome par le public est encore relativement faible. , c'est principalement parce que tout le monde craint que le développement de la conduite autonome ne fasse perdre leur emploi à certaines personnes qui dépendent de la conduite comme principale source de revenus. D'un autre côté, le public reste toujours sceptique quant à la sécurité des véhicules autonomes. . À cette fin, le gouvernement et les entreprises concernées doivent recourir à l'éducation, à la publicité, aux expositions, aux conférences, etc. pour aider les personnes qui dépendent de la conduite automobile comme principale source de revenus à transformer leur technologie, à renforcer la reconnaissance du public à l'égard des voitures autonomes, et promouvoir la popularisation rapide des voitures autonomes.
Réduction des coûts de matériel
Les voitures autonomes nécessitent la fusion de plusieurs capteurs pour obtenir des informations routières. En outre, elles ont également besoin du support de processeurs, d'équipements de communication et d'autres matériels. Cependant, à ce stade, l'équipement matériel des voitures autonomes doit le faire. garantir la fiabilité de ses performances et le coût doit également être élevé. La vulgarisation des voitures autonomes ne peut être séparée des consommateurs. Si le coût du matériel est trop élevé et difficile à atteindre pour les consommateurs, cela entraînera le problème que la technologie de conduite autonome est théoriquement réalisable mais ne peut pas être popularisée.
Solution aux problèmes éthiques et moraux
Si la technologie de conduite autonome veut être popularisée, elle doit faire face à divers problèmes dans les scénarios de circulation réels, il arrive souvent que les conducteurs humains ne puissent pas répondre aux questions éthiques et morales, Par exemple, en cas d'urgence et devant choisir entre protéger les passagers et protéger les piétons, comment les voitures autonomes devraient-elles choisir ? La question de savoir si les passagers doivent avoir la priorité ou si les piétons doivent avoir la priorité doit être discutée par le gouvernement, les entreprises, les universités, etc., et un plan acceptable pour le public doit être proposé.
05 Solution
En bref, il existe d'énormes opportunités et potentiels dans le développement de la conduite autonome, qui peuvent améliorer l'efficacité du trafic et la sécurité de conduite. Cependant, le développement de la conduite autonome sera encore confronté à de nombreux défis et difficultés. nécessite les efforts de nombreuses parties. , coopérer avec plusieurs parties, investir de l'énergie et des ressources et accélérer la recherche, le développement et l'application de la conduite autonome. À cette fin, les mesures suivantes peuvent être prises :
Formulation des lois pertinentes. , réglementations et normes
La première chose que le gouvernement et les agences compétentes doivent faire est de formuler des réglementations et des normes pertinentes, telles que la clarification des tests et des conditions sur route pour les véhicules autonomes, la normalisation de la responsabilité d'assurance pour les véhicules autonomes et d'autres questions. . Cela peut non seulement protéger la sécurité et les intérêts publics, mais également clarifier l'orientation du développement et les tendances du marché de la conduite autonome pour les entreprises. En outre, cela peut également fournir un développement juridique et fondé sur des preuves pour la conduite autonome.
Renforcer la recherche et le développement technologique
Les entreprises et les universités doivent renforcer la recherche et le développement de technologies de conduite autonome. Elles doivent également renforcer les tests et la vérification des véhicules autonomes pour se conformer aux exigences du gouvernement. et les agences compétentes. Améliorer la sécurité de la technologie de conduite autonome. Le gouvernement peut également fournir un soutien financier et politique pertinent aux entreprises pour promouvoir la recherche, le développement et l'avancement de la conduite autonome.
Améliorer la reconnaissance et l'acceptation sociales
Dans le processus de développement de la conduite autonome, la reconnaissance publique est un problème qui doit être résolu. Les gouvernements et les entreprises peuvent la promouvoir auprès du public à travers des expositions, des conférences, des essais routiers, etc. Présenter les principes de base et les scénarios d’application de la technologie de conduite autonome, améliorer la compréhension du public de la conduite autonome et renforcer la confiance et le soutien du public à l’égard de la technologie de conduite autonome.
Renforcer la coopération et les échanges
Seuls l'auto-développement et l'auto-test, la technologie de conduite autonome ne pourra pas réaliser des améliorations majeures. Il est également très important de s'intégrer aux normes internationales. conférences universitaires internationales et échanges techniques, pour permettre aux entreprises nationales de comprendre les progrès du développement de la conduite autonome. Les entreprises nationales peuvent également être encouragées à communiquer davantage et à coopérer davantage pour promouvoir conjointement la recherche, le développement et l'application des technologies de conduite autonome.
06 Résumé
La conduite autonome est une technologie de pointe. Son développement et son application peuvent contribuer au développement des transports intelligents et des villes intelligentes. Son influence est évidente. La conduite autonome ne se déroulera pas sans heurts, et ce n'est pas seulement en résolvant des problèmes techniques que la conduite autonome peut être popularisée. La conduite autonome nécessite les efforts conjoints de plusieurs rôles et directions pour parvenir au développement durable de la conduite autonome.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Écrit ci-dessus et compréhension personnelle de l'auteur Le Gaussiansplatting tridimensionnel (3DGS) est une technologie transformatrice qui a émergé dans les domaines des champs de rayonnement explicites et de l'infographie ces dernières années. Cette méthode innovante se caractérise par l’utilisation de millions de gaussiennes 3D, ce qui est très différent de la méthode du champ de rayonnement neuronal (NeRF), qui utilise principalement un modèle implicite basé sur les coordonnées pour mapper les coordonnées spatiales aux valeurs des pixels. Avec sa représentation explicite de scènes et ses algorithmes de rendu différenciables, 3DGS garantit non seulement des capacités de rendu en temps réel, mais introduit également un niveau de contrôle et d'édition de scène sans précédent. Cela positionne 3DGS comme un révolutionnaire potentiel pour la reconstruction et la représentation 3D de nouvelle génération. À cette fin, nous fournissons pour la première fois un aperçu systématique des derniers développements et préoccupations dans le domaine du 3DGS.

Hier, lors de l'entretien, on m'a demandé si j'avais posé des questions à longue traîne, j'ai donc pensé faire un bref résumé. Le problème à longue traîne de la conduite autonome fait référence aux cas extrêmes dans les véhicules autonomes, c'est-à-dire à des scénarios possibles avec une faible probabilité d'occurrence. Le problème perçu de la longue traîne est l’une des principales raisons limitant actuellement le domaine de conception opérationnelle des véhicules autonomes intelligents à véhicule unique. L'architecture sous-jacente et la plupart des problèmes techniques de la conduite autonome ont été résolus, et les 5 % restants des problèmes à longue traîne sont progressivement devenus la clé pour restreindre le développement de la conduite autonome. Ces problèmes incluent une variété de scénarios fragmentés, de situations extrêmes et de comportements humains imprévisibles. La « longue traîne » des scénarios limites dans la conduite autonome fait référence aux cas limites dans les véhicules autonomes (VA). Les cas limites sont des scénarios possibles avec une faible probabilité d'occurrence. ces événements rares

0. Écrit à l'avant&& Compréhension personnelle que les systèmes de conduite autonome s'appuient sur des technologies avancées de perception, de prise de décision et de contrôle, en utilisant divers capteurs (tels que caméras, lidar, radar, etc.) pour percevoir l'environnement et en utilisant des algorithmes et des modèles pour une analyse et une prise de décision en temps réel. Cela permet aux véhicules de reconnaître les panneaux de signalisation, de détecter et de suivre d'autres véhicules, de prédire le comportement des piétons, etc., permettant ainsi de fonctionner en toute sécurité et de s'adapter à des environnements de circulation complexes. Cette technologie attire actuellement une grande attention et est considérée comme un domaine de développement important pour l'avenir des transports. . un. Mais ce qui rend la conduite autonome difficile, c'est de trouver comment faire comprendre à la voiture ce qui se passe autour d'elle. Cela nécessite que l'algorithme de détection d'objets tridimensionnels du système de conduite autonome puisse percevoir et décrire avec précision les objets dans l'environnement, y compris leur emplacement,

Le premier article pilote et clé présente principalement plusieurs systèmes de coordonnées couramment utilisés dans la technologie de conduite autonome, et comment compléter la corrélation et la conversion entre eux, et enfin construire un modèle d'environnement unifié. L'objectif ici est de comprendre la conversion du véhicule en corps rigide de caméra (paramètres externes), la conversion de caméra en image (paramètres internes) et la conversion d'image en unité de pixel. La conversion de 3D en 2D aura une distorsion, une traduction, etc. Points clés : Le système de coordonnées du véhicule et le système de coordonnées du corps de la caméra doivent être réécrits : le système de coordonnées planes et le système de coordonnées des pixels Difficulté : la distorsion de l'image doit être prise en compte. La dé-distorsion et l'ajout de distorsion sont compensés sur le plan de l'image. 2. Introduction Il existe quatre systèmes de vision au total : système de coordonnées du plan de pixels (u, v), système de coordonnées d'image (x, y), système de coordonnées de caméra () et système de coordonnées mondiales (). Il existe une relation entre chaque système de coordonnées,

La prédiction de trajectoire joue un rôle important dans la conduite autonome. La prédiction de trajectoire de conduite autonome fait référence à la prédiction de la trajectoire de conduite future du véhicule en analysant diverses données pendant le processus de conduite du véhicule. En tant que module central de la conduite autonome, la qualité de la prédiction de trajectoire est cruciale pour le contrôle de la planification en aval. La tâche de prédiction de trajectoire dispose d'une riche pile technologique et nécessite une connaissance de la perception dynamique/statique de la conduite autonome, des cartes de haute précision, des lignes de voie, des compétences en architecture de réseau neuronal (CNN&GNN&Transformer), etc. Il est très difficile de démarrer ! De nombreux fans espèrent se lancer dans la prédiction de trajectoire le plus tôt possible et éviter les pièges. Aujourd'hui, je vais faire le point sur quelques problèmes courants et des méthodes d'apprentissage introductives pour la prédiction de trajectoire ! Connaissances introductives 1. Existe-t-il un ordre d'entrée pour les épreuves de prévisualisation ? R : Regardez d’abord l’enquête, p

Titre original : SIMPL : ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving Lien article : https://arxiv.org/pdf/2402.02519.pdf Lien code : https://github.com/HKUST-Aerial-Robotics/SIMPL Affiliation de l'auteur : Université des sciences de Hong Kong et technologie Idée DJI Paper : cet article propose une base de référence de prédiction de mouvement (SIMPL) simple et efficace pour les véhicules autonomes. Par rapport au cent agent traditionnel

Écrit à l'avant et point de départ Le paradigme de bout en bout utilise un cadre unifié pour réaliser plusieurs tâches dans les systèmes de conduite autonome. Malgré la simplicité et la clarté de ce paradigme, les performances des méthodes de conduite autonome de bout en bout sur les sous-tâches sont encore loin derrière les méthodes à tâche unique. Dans le même temps, les fonctionnalités de vue à vol d'oiseau (BEV) denses, largement utilisées dans les méthodes de bout en bout précédentes, rendent difficile l'adaptation à davantage de modalités ou de tâches. Un paradigme de conduite autonome de bout en bout (SparseAD) centré sur la recherche clairsemée est proposé ici, dans lequel la recherche clairsemée représente entièrement l'ensemble du scénario de conduite, y compris l'espace, le temps et les tâches, sans aucune représentation BEV dense. Plus précisément, une architecture clairsemée unifiée est conçue pour la connaissance des tâches, notamment la détection, le suivi et la cartographie en ligne. De plus, lourd

Au cours du mois dernier, pour des raisons bien connues, j'ai eu des échanges très intensifs avec divers professeurs et camarades de classe du secteur. Un sujet inévitable dans l'échange est naturellement le populaire Tesla FSDV12 de bout en bout. Je voudrais profiter de cette occasion pour trier certaines de mes pensées et opinions en ce moment pour votre référence et votre discussion. Comment définir un système de conduite autonome de bout en bout et quels problèmes devraient être résolus de bout en bout ? Selon la définition la plus traditionnelle, un système de bout en bout fait référence à un système qui saisit les informations brutes des capteurs et génère directement les variables pertinentes pour la tâche. Par exemple, en reconnaissance d'images, CNN peut être appelé de bout en bout par rapport à la méthode traditionnelle d'extraction de caractéristiques + classificateur. Dans les tâches de conduite autonome, saisir les données de divers capteurs (caméra/LiDAR
