Maison Périphériques technologiques IA Le plan de conduite autonome de Tesla oscille entre négligence et entêtement

Le plan de conduite autonome de Tesla oscille entre négligence et entêtement

Apr 26, 2023 pm 07:34 PM
自动驾驶

Le plan de conduite autonome de Tesla oscille entre négligence et entêtement

Bien avant de devenir le nouveau patron de Twitter, Musk était obsédé par l'idée de rendre les voitures Tesla autonomes. La technologie étant assez coûteuse à développer, lorsque la chaîne d’approvisionnement a commencé à s’effondrer il y a deux ans, Musk était déterminé à réduire les coûts. Il a ciblé les capteurs radar des voitures.

Ce capteur est conçu pour détecter les dangers à distance et empêcher le véhicule de heurter d'autres voitures pendant la conduite. La voiture est désormais équipée de huit caméras qui peuvent être utilisées pour voir la route et repérer les dangers dans toutes les directions. Musk pense que cela devrait suffire.

Mais selon plusieurs anciens employés, de nombreux ingénieurs de Tesla ont été choqués par cela. Ils ont contacté un ancien dirigeant de confiance pour tenter de persuader Musk d’abandonner cette approche. Sans radar, les véhicules Tesla seraient sujets à des erreurs de perception de faible niveau lorsque la caméra est obscurcie par des gouttes de pluie ou même par une lumière vive, ce qui pourrait conduire à un accident.

Cependant, Musk n’a pas semblé convaincu et a rejeté les opinions des ingénieurs. En mai 2021, Tesla a annoncé qu’elle supprimerait le radar des nouvelles voitures. Peu de temps après, l’entreprise a commencé à désactiver le radar des voitures déjà en circulation. Les voitures Tesla qui perdent soudainement des capteurs critiques sont beaucoup plus susceptibles de s'écraser et de commettre d'autres erreurs embarrassantes, selon des entretiens avec plus d'une douzaine d'anciens employés, pilotes d'essai, responsables de la sécurité et autres experts.

Musk décrit la technologie Full Self-Driving (FSD) de Tesla comme « la différence majeure entre une Tesla qui vaut beaucoup d’argent ou qui ne vaut pratiquement rien », mais son rêve de voiture autonome s’est apparemment heurté à un obstacle.

Tesla a rappelé et suspendu le déploiement de la technologie sur les véhicules éligibles ces dernières semaines, craignant que ses véhicules pourraient violer les limites de vitesse et franchir les panneaux d'arrêt, selon des responsables américains. Les plaintes des clients se sont accumulées, y compris un procès intenté devant le tribunal le mois dernier, selon lequel Musk avait exagéré les capacités de la technologie. Les documents déposés par Tesla montrent également que les régulateurs et les responsables gouvernementaux examinent les systèmes de Tesla et ses déclarations passées à mesure que les preuves de problèmes de sécurité s’accumulent.

Au cours d'entretiens, d'anciens employés impliqués dans le développement du logiciel de conduite assistée par Tesla ont attribué les problèmes de l'entreprise à la rapidité du développement, à la décision de Musk d'annuler le radar (qui s'écarte des pratiques de l'industrie) et à d'autres mesures de réduction des coûts, ainsi qu'à des mesures spéciales. Autres problèmes propres à Silla. De plus, le style de leadership erratique de Musk a également joué un rôle, les obligeant à développer la technologie à une vitesse vertigineuse et à la présenter au public avant qu'elle ne soit prête. Certains disent encore aujourd'hui qu'ils craignent que le logiciel ne soit pas suffisamment sûr pour être utilisé sur la voie publique.

John Bernal, un opérateur de test à la retraite qui travaillait dans le département Autopilot de Tesla, a déclaré : « Le système progresse très lentement en interne, mais le public souhaite que l'entreprise le publie dès que possible. » Bernal a été licencié en février 2022 lorsque Tesla l'a accusé d'avoir utilisé de manière inappropriée la technologie après avoir publié une vidéo de FSD.

Musk a acquis en grande pompe la plateforme de médias sociaux en difficulté Twitter l’automne dernier et a mobilisé des dizaines d’ingénieurs de Tesla pour l’aider à travailler sur le code de Twitter, selon des personnes proches du dossier. Plus tôt ce mois-ci, les actions de Tesla ont chuté de 6 % après que la société n'a pas réussi à annoncer de nouveaux produits majeurs lors de sa journée des investisseurs.

Musk a défendu les actions de Tesla, affirmant qu’il s’agissait d’un pari à long terme qui pourrait générer une valeur énorme. Tesla a également déclaré que les véhicules sur lesquels le logiciel FSD est activé sont au moins cinq fois moins susceptibles d'être impliqués dans un accident que les véhicules conduits normalement. Musk et Tesla n’ont pas répondu aux demandes répétées de commentaires.

Mais l’histoire de FSD fournit un exemple frappant de la façon dont le milliardaire a réalisé l’un de ses plus gros paris grâce à une prise de décision irréfléchie, une insistance obstinée à faire les choses différemment et une foi inébranlable dans une vision qui n’avait pas encore été prouvée une fois que cela devenait compliqué. .

Les solutions patchwork donnent l'impression que la technologie progresse

En avril 2019, lors d'une présentation intitulée "Journée de l'investisseur autonome", Musk a peut-être fait le premier pas depuis qu'il est devenu PDG de Tesla. La prédiction la plus audacieuse à ce jour. Il avait alors déclaré aux investisseurs : « D'ici le milieu de l'année prochaine, nous aurons plus d'un million de véhicules Tesla équipés d'un matériel de conduite entièrement autonome sur la route. Notre logiciel sera mis à jour automatiquement par liaison radio et FSD sera si fiable. que les conducteurs peuvent même dormir dans la voiture. Après Autopilot, FDS a été lancé en 2014 et a ensuite permis aux voitures de conduire de manière autonome sur les autoroutes, de diriger, de changer de voie et d'ajuster automatiquement la vitesse. FSD vise à apporter ces caractéristiques aux rues urbaines et résidentielles, bien que ce soit une tâche beaucoup plus difficile.

Pour atteindre les objectifs ci-dessus, le matériel et les logiciels automobiles doivent être combinés. Huit caméras sont utilisées pour capturer des images en temps réel de l'activité autour de la voiture, ce qui permet à la voiture d'évaluer les dangers tels que les piétons ou les cyclistes et de réagir en conséquence. Pour tenir sa promesse, Musk a réuni une équipe d’ingénieurs vedettes prêts à travailler de longues heures et à veiller tard pour résoudre les problèmes. Musk est prêt à tester les derniers logiciels sur ses propres voitures et à rédiger des demandes de « réparation » pour les ingénieurs avec d'autres dirigeants.

Certains anciens salariés ont déclaré que ces solutions disparates donnaient l'illusion d'un progrès technologique continu, mais masquaient l'absence d'une stratégie de développement cohérente. Alors que des concurrents tels que Waymo, la voiture autonome d'Alphabet, ont adopté des protocoles de test stricts qui limitaient la portée de son logiciel de conduite autonome, Tesla a finalement déployé FSD auprès de ses 360 000 propriétaires et leur a laissé le soin de décider de l'activer ou non.

La philosophie de Tesla est simple : plus l’IA qui guide la voiture est exposée à des données, plus elle apprend vite. Mais ce modèle approximatif signifie également que la sécurité est plus souple. D'anciens employés de Tesla affirment que l'entreprise a choisi de laisser le logiciel apprendre par lui-même, développant une dextérité semblable à celle du cerveau grâce à des techniques sans règles connues sous le nom de « réseaux de neurones ». Bien que cela puisse potentiellement accélérer le processus de formation, il s’agit en fin de compte essentiellement d’une approche par essais et erreurs.

Des concurrents tels que Waymo et Apple ont adopté différentes approches autonomes, fixant les règles et traitant de toute violation si ces restrictions sont violées, selon des initiés de la Silicon Valley familiers avec les pratiques de l'entreprise. Les entreprises développant des technologies de conduite autonome utilisent également souvent des systèmes lidar et radar sophistiqués, qui aident les logiciels à cartographier leur environnement en détail.

La porte-parole de Waymo, Julia Ilina, a déclaré qu'il existe des différences évidentes dans les pratiques des deux sociétés. Elle a déclaré que l’objectif de Waymo est d’atteindre une autonomie complète et de mettre l’accent sur l’apprentissage automatique. Apple a refusé de commenter.

L’approche de Tesla s’est avérée problématique à plusieurs reprises. Il y a environ deux ans, quelqu'un a publié une vidéo du logiciel luttant pour naviguer dans la sinueuse Lombard Street de San Francisco, et la vidéo a été vue des dizaines de milliers de fois. Bernal a révélé que les ingénieurs de Tesla ont intégré des barrières invisibles dans le logiciel, semblables aux pare-chocs d'une piste de bowling, pour aider la voiture à rester sur la route. Une vidéo ultérieure montre le bon fonctionnement du logiciel.

Cela a rendu Bernal confus. En tant qu'essayeur interne, cela fait partie de son travail de prendre le volant sur ce tronçon de route, et il est clair que c'est loin de son expérience typique sur d'autres voies publiques.

Le radar a à l'origine joué un rôle important dans la conception des véhicules et des logiciels Tesla, complétant les caméras en offrant une vue réaliste de l'environnement, en particulier dans les situations où la vision peut être obstruée. Tesla utilise également des capteurs à ultrasons, qui sont des appareils à courte portée capables de détecter des obstacles à quelques centimètres autour de la voiture.

Même équipés de radar, les véhicules Tesla ne sont pas aussi complexes que les autres véhicules concurrents utilisant le lidar. "L'un des principaux avantages du lidar est qu'il peut toujours repérer un train ou un camion à l'avance, même s'il n'a aucune idée de ce que c'est. Il sait qu'il y a quelque chose devant lui et le véhicule peut s'arrêter à temps sans en savoir plus."

Les caméras doivent comprendre ce qu'elles voient pour être efficaces, et s'appuient sur le personnel de Tesla pour comprendre le véhicule. Les images enregistrées sont étiquetées, y compris les panneaux d'arrêt et les trains, pour aider le logiciel à comprendre comment réagir.

D'anciens employés de Tesla ont déclaré qu'à la fin de l'année 2020, les employés d'Autopilot ont allumé leur ordinateur et ont découvert qu'un logiciel de surveillance du lieu de travail avait été installé au sein de l'entreprise. Le logiciel surveille les frappes au clavier et les clics de souris et suit leurs balises d'image. Si la souris ne bouge pas pendant un certain temps, un chronomètre démarre et l'employé peut être réprimandé jusqu'à son licenciement.

Le mois dernier, un groupe poussant à la syndicalisation de l’usine Tesla de Buffalo a fait part de ses inquiétudes concernant la surveillance du lieu de travail, et Tesla a publié une réponse. La société a déclaré : « La raison de la surveillance du temps de marquage d'images est d'améliorer la facilité d'utilisation de notre logiciel de marquage. Son objectif est de calculer le temps qu'il faut pour marquer une image

Musk a préconisé un « visuel uniquement ». méthode de navigation car elle est plus simple, moins chère et plus intuitive. En février 2022, il écrivait sur Twitter : « Les systèmes routiers sont conçus pour les caméras (les yeux) et les réseaux de neurones (le cerveau). » Mais beaucoup pensent que cette approche comporte des risques. Un ancien ingénieur de Tesla Autopilot a déclaré : "Tout ce que je sais, c'est qu'il est dangereux d'utiliser ce logiciel dans la rue. Vous ne pouvez pas prédire ce que fera la voiture

La suppression du radar entraîne une augmentation des accidents

."

Ces anciens employés ont déclaré que ces problèmes avaient été remarqués presque immédiatement après que Tesla a annoncé la suppression du radar en mai 2021. Pendant ce temps, le programme de tests FSD s'est étendu de milliers à des dizaines de milliers de conducteurs. Soudain, des véhicules Tesla se seraient arrêtés face à des dangers imaginaires, auraient mal interprété les panneaux de signalisation et auraient même échoué à détecter des obstacles tels que des véhicules d'urgence, selon des plaintes déposées auprès des régulateurs.

Certaines personnes attribuent l'augmentation des accidents de « freinage fantôme » dans les véhicules Tesla au manque de radar. Les données de la National Highway Traffic Safety Administration (NHTSA) des États-Unis montrent que les accidents de la route impliquant des véhicules Tesla ont augmenté l'année dernière. Les plaintes pour « freinage fantôme » sont passées à 107 au cours des trois derniers mois, contre 34 au cours des 22 mois précédents. La NHTSA a reçu environ 250 plaintes concernant ce problème sur une période de deux semaines, et l'agence a lancé une enquête après avoir reçu 354 plaintes liées sur une période de neuf mois.

Il y a quelques mois, la NHTSA a lancé une enquête sur Autopilot suite à une douzaine de rapports faisant état de collisions de Teslas avec des véhicules d'urgence à l'arrêt. Le dernier exemple en date est apparu ce mois-ci, lorsque l'agence a confirmé qu'elle enquêtait sur un accident mortel survenu en février impliquant une Tesla et un camion de pompiers. Les experts affirment que le radar peut vérifier ce que voient les caméras, car les caméras sont facilement affectées par la lumière vive.

Missy Cummings, ancienne conseillère principale en matière de sécurité pour la NHTSA, a déclaré : "Ce n'est pas la seule raison pour laquelle les véhicules Tesla sont en difficulté, mais c'est une raison importante. Le radar peut aider à détecter les objets devant. Pour la vision par ordinateur avec de grandes erreurs, il peut être utilisé comme capteur pour vérifier s'il y a un problème. "En tant que testeur en chef, Musk exige également des corrections de bugs fréquentes pour le logiciel, obligeant les ingénieurs à intervenir et à ajuster le code. Un ancien cadre a rappelé ce que lui avait dit un ingénieur qui a travaillé sur le projet : "Personne ne peut avoir une bonne idée lorsqu'il est poursuivi par un tigre." dans une culture de conformité. Tesla licencie les employés qui s'opposent à Musk. La société a également publié tellement de mises à jour logicielles qu’à la fin de 2021, la NHTSA a publiquement averti Tesla de ne pas publier de correctifs sans un avis de rappel formel.

Les employés de Tesla et de Twitter ont déclaré que Musk avait été distrait par sa décision d'acquérir Twitter. De nombreux entretiens avec d'anciens employés et documents montrent que Musk a demandé à des dizaines d'ingénieurs de Tesla de l'aider à reprendre Twitter après la finalisation de l'acquisition l'année dernière. Les mises à jour logicielles qui étaient censées être publiées toutes les deux semaines sont soudainement espacées de plusieurs mois alors que Tesla s'efforce de surmonter les bugs et de poursuivre des objectifs plus ambitieux.

Certaines personnes ont déploré la prise de contrôle de Twitter par Musk, affirmant qu'il devait se recentrer sur Tesla pour terminer ce qu'il avait commencé. L'investisseur de Tesla, Ross Gerber, a déclaré : "FSD est de bon augure pour l'avenir radieux de Tesla. Nous aimons Musk, c'est un innovateur de notre époque. Nous voulons juste le voir revenir de tout cœur chez Tesla."

L'avenir est plein d'incertitude et face à de multiples enquêtes

Les ingénieurs de Tesla sont épuisés et démissionnent pour chercher des opportunités ailleurs. Andrej Karpathy, directeur de Tesla AI, a pris un mois sabbatique l'année dernière, puis a choisi de partir pour rejoindre OpenAI, la société à l'origine du chatbot ChatGPT. Pendant ce temps, Ashok Elluswamy, directeur de Tesla Autopilot, est allé travailler chez Twitter. Dans le cadre de l'enquête en cours, le ministère américain de la Justice a demandé à Tesla des documents relatifs au FSD. La Securities and Exchange Commission (SEC) des États-Unis étudie également le rôle de Musk dans la promotion de la conduite autonome de Tesla dans le cadre d'une enquête plus vaste.

Dans le procès intenté en février, Tesla a été accusé d'avoir fait des déclarations « fausses et trompeuses » qui « exagéraient considérablement » la sécurité et les performances du pilote automatique et du FSD. Cela n’inclut pas les deux enquêtes de la NHTSA sur le pilote automatique, l’une sur les accidents de véhicules d’urgence et l’autre sur le « freinage fantôme ».

Lors de l’événement Investor Day de ce mois-ci, Musk est apparu sur scène avec une douzaine de dirigeants de Tesla pour vanter la vaste expertise de l’entreprise. Mais la société n’a apporté aucun progrès majeur en matière de FSD, malgré la présence d’une section sur la technologie.

De nombreux clients fidèles de Musk ont ​​perdu espoir et ne croient plus que ses promesses initiales se réaliseront. Charles Cook, pilote professionnel et ingénieur de Jacksonville, en Floride, possède un modèle Y qu'il conduit fréquemment avec le FSD activé.

Bien que Cook soit étonné par les capacités de la technologie, il est insatisfait de la lenteur de ses progrès et du retard dans la réalisation des promesses de Musk. Il a déclaré : « Certaines personnes ont peut-être acheté le logiciel FSD, pensant qu'elles disposeraient désormais d'un taxi entièrement autonome, puis ont dépensé leur argent durement gagné pour cela. Mais maintenant, les ingénieurs de Musk peuvent être préoccupés par cette moquerie. Certains les gens ont probablement dépensé 15 000 $ en pensant qu'ils l'auraient l'année prochaine et maintenant ils sont déçus. " (Petit)

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!

Déclaration de ce site Web
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn

Outils d'IA chauds

Undresser.AI Undress

Undresser.AI Undress

Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover

AI Clothes Remover

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

Undress AI Tool

Undress AI Tool

Images de déshabillage gratuites

Clothoff.io

Clothoff.io

Dissolvant de vêtements AI

AI Hentai Generator

AI Hentai Generator

Générez AI Hentai gratuitement.

Article chaud

R.E.P.O. Crystals d'énergie expliqués et ce qu'ils font (cristal jaune)
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Meilleurs paramètres graphiques
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Comment réparer l'audio si vous n'entendez personne
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Commandes de chat et comment les utiliser
4 Il y a quelques semaines By 尊渡假赌尊渡假赌尊渡假赌

Outils chauds

Bloc-notes++7.3.1

Bloc-notes++7.3.1

Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise

SublimeText3 version chinoise

Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1

Envoyer Studio 13.0.1

Puissant environnement de développement intégré PHP

Dreamweaver CS6

Dreamweaver CS6

Outils de développement Web visuel

SublimeText3 version Mac

SublimeText3 version Mac

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

Pourquoi le Gaussian Splatting est-il si populaire dans la conduite autonome que le NeRF commence à être abandonné ? Pourquoi le Gaussian Splatting est-il si populaire dans la conduite autonome que le NeRF commence à être abandonné ? Jan 17, 2024 pm 02:57 PM

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.

Comment résoudre le problème de la longue traîne dans les scénarios de conduite autonome ? Comment résoudre le problème de la longue traîne dans les scénarios de conduite autonome ? Jun 02, 2024 pm 02:44 PM

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

Choisir une caméra ou un lidar ? Une étude récente sur la détection robuste d'objets 3D Choisir une caméra ou un lidar ? Une étude récente sur la détection robuste d'objets 3D Jan 26, 2024 am 11:18 AM

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,

Avez-vous vraiment maîtrisé la conversion des systèmes de coordonnées ? Des enjeux multi-capteurs indispensables à la conduite autonome Avez-vous vraiment maîtrisé la conversion des systèmes de coordonnées ? Des enjeux multi-capteurs indispensables à la conduite autonome Oct 12, 2023 am 11:21 AM

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,

Cet article vous suffit pour en savoir plus sur la conduite autonome et la prédiction de trajectoire ! Cet article vous suffit pour en savoir plus sur la conduite autonome et la prédiction de trajectoire ! Feb 28, 2024 pm 07:20 PM

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

SIMPL : un benchmark de prédiction de mouvement multi-agents simple et efficace pour la conduite autonome SIMPL : un benchmark de prédiction de mouvement multi-agents simple et efficace pour la conduite autonome Feb 20, 2024 am 11:48 AM

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

NuScenes dernier SOTA SparseAD : les requêtes clairsemées contribuent à une conduite autonome efficace de bout en bout ! NuScenes dernier SOTA SparseAD : les requêtes clairsemées contribuent à une conduite autonome efficace de bout en bout ! Apr 17, 2024 pm 06:22 PM

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

FisheyeDetNet : le premier algorithme de détection de cible basé sur une caméra fisheye FisheyeDetNet : le premier algorithme de détection de cible basé sur une caméra fisheye Apr 26, 2024 am 11:37 AM

La détection de cibles est un problème relativement mature dans les systèmes de conduite autonome, parmi lesquels la détection des piétons est l'un des premiers algorithmes à être déployés. Des recherches très complètes ont été menées dans la plupart des articles. Cependant, la perception de la distance à l’aide de caméras fisheye pour une vue panoramique est relativement moins étudiée. En raison de la distorsion radiale importante, la représentation standard du cadre de délimitation est difficile à mettre en œuvre dans les caméras fisheye. Pour alléger la description ci-dessus, nous explorons les conceptions étendues de boîtes englobantes, d'ellipses et de polygones généraux dans des représentations polaires/angulaires et définissons une métrique de segmentation d'instance mIOU pour analyser ces représentations. Le modèle fisheyeDetNet proposé avec une forme polygonale surpasse les autres modèles et atteint simultanément 49,5 % de mAP sur l'ensemble de données de la caméra fisheye Valeo pour la conduite autonome.

See all articles