Périphériques technologiques
IA
Le projet de la « décennie dorée » de la conduite autonome se déroule, avec diverses régions accélérant leur aménagement pour saisir l'opportunité.
Le projet de la « décennie dorée » de la conduite autonome se déroule, avec diverses régions accélérant leur aménagement pour saisir l'opportunité.
Actuellement, l'industrie de la conduite autonome estime généralement que la Chine parviendra à une commercialisation à grande échelle de la conduite autonome d'ici 2030, et 2020-2030 est considérée par l'industrie comme la période dorée du développement de la conduite autonome. Alors que le projet de la « décennie dorée » de la conduite autonome se dévoile lentement, les lois et réglementations chinoises liées aux véhicules intelligents connectés continuent de s'améliorer et la conduite autonome de haut niveau est en plein essor.
Dans le même temps, diverses localités accélèrent également la formulation de politiques pertinentes pour promouvoir la commercialisation de la conduite autonome. Il n'y a pas si longtemps, Chongqing et Wuhan ont pris l'initiative de lancer des services de voyages commerciaux entièrement sans conducteur, marquant une étape importante dans la commercialisation de la conduite autonome en Chine. Récemment, des villes comme Pékin, Shanghai, Guangzhou et Wuxi ont pris des mesures fréquentes et une nouvelle série de modèles de conduite autonome a été lancée. Les voitures intelligentes connectées ont marqué le début d'une période critique d'évolution technologique rapide et d'implantation industrielle accélérée.
Pékin : les travaux de construction de la phase 3.0 seront entièrement lancés
Il y a deux ans, Pékin a officiellement lancé la construction de la première zone de démonstration de conduite autonome de haut niveau connectée au réseau et contrôlée par le cloud du pays, accumulant des applications innovantes pour expérience de collaboration véhicule-route-cloud dans la construction de normalisation. Jusqu’à présent, la zone de démonstration de conduite autonome de haut niveau de Pékin a achevé avec succès les tâches de construction des phases 1.0 et 2.0. Il est rapporté que la zone de développement économique et technologique de Pékin a désormais atteint la couverture des fonctions intégrées véhicule-route-cloud à 329 intersections standard de réseau intelligent, 750 kilomètres de routes urbaines à double sens et 10 kilomètres d'autoroutes, ouvrant la voie au lancement. de la phase de déploiement à l’échelle 3.0 et d’expansion des scénarios a jeté des bases solides.
Le 16 septembre, lors de la Conférence mondiale sur les véhicules intelligents connectés 2022, la personne compétente en charge de la zone de démonstration de conduite autonome de haut niveau de Pékin a révélé que dans la prochaine étape, Pékin lancerait pleinement la tâche de construction en phase 3.0 pour construire un ville intelligente unifiée. Le réseau dédié de la ville favorisera les applications adaptatives de pas moins de 1 000 terminaux avancés de véhicules de conduite autonome, étendra et complétera progressivement les 500 kilomètres carrés de zone de démonstration de la ville et soutiendra la collaboration véhicule-route, la conduite à distance et en ligne. supervision et autres services Internet des véhicules. Expansion étendue des applications de scénarios de villes intelligentes.
Shanghai : La première voiture autonome de la ville sans agent de sécurité a été lancée
Le 27 septembre, avec le lancement de la première voiture autonome de Shanghai sans agent de sécurité, l'expérience de démonstration « No Man's Land » zone a été officiellement lancée. Son lancement est devenu une autre étape importante dans la promotion de l'innovation et du développement de véhicules connectés intelligents à Shanghai. L'ouverture de la zone d'expérience de démonstration « No Man's Land » vise à enrichir davantage les scénarios de test des véhicules connectés intelligents et à fournir une base d'environnement réel et des informations pour le fonctionnement normal et stable de la conduite autonome des véhicules connectés intelligents en construisant une supervision et plate-forme d'affichage d'expédition. Sûreté et sécurité.
Il est rapporté que la zone d'expérience de démonstration « No Man's Land » réalisera des applications de démonstration sans conducteur basées sur 3,8 kilomètres de routes semi-ouvertes dans le parc Expo Auto de Shanghai, et sera progressivement ouverte en deux étapes pour créer le premier conducteur de sécurité axé sur le pays. Un échantillon d'opération de démonstration de conduite autonome de haut niveau sans pilote. À l'heure actuelle, la première phase de 1,2 kilomètres de routes a été achevée et mise en service, et la deuxième phase de 2,6 kilomètres de routes est encore en cours de planification et de construction et devrait être achevée d'ici la fin de cette année.
Actuellement, la version Apollo Moon Polar Fox de la voiture autonome fournie par la plate-forme de services de voyage autonome LuoPao Pao a commencé à l'avenir des tests entièrement sans pilote dans le parc Auto Expo de Shanghai, avec l'avancement ordonné de. tests, LuoPao Pao Plus de tronçons routiers dans la région de Jiading à Shanghai fourniront au public des services de déplacement en conduite autonome entièrement sans pilote.
Guangzhou : 260 véhicules autonomes seront mis en service cette année et l'année prochaine
Le 14 septembre, la Direction générale du ministère des Transports a annoncé le 18 premier lot de projets pilotes d'applications pilotes de transports intelligents (dans le sens de conduite autonome et de transport intelligent), le projet pilote d'application pilote de conduite autonome du service de déplacement urbain de Guangzhou a été sélectionné et 260 véhicules autonomes seront mis en service cette année et l'année prochaine.
Selon l'annonce, le projet pilote investira 50 bus autonomes sur la Guangzhou Tower Ring Line, la Biological Island Ring Line, etc. d'août 2022 à décembre 2023, avec un service cumulé d'au moins 1 million passagers. 210 véhicules de tourisme autonomes ont été mis en service dans la zone pilote d'intelligence artificielle et d'économie numérique de Guangzhou, avec un service cumulé d'au moins 300 000 passagers, un kilométrage d'au moins 4 millions de kilomètres et une autonomie d'au moins plus de 200 000 heures. Les résultats attendus du projet pilote sont de former un rapport de synthèse sur les travaux pilotes et de préparer pas moins de deux lignes directrices techniques ou spécifications standard autour de scénarios de services de déplacements urbains à conduite autonome.
Wuxi : Sera le premier à effectuer des tests mondiaux de véhicules connectés intelligents
Le 22 septembre, la nouvelle version des « Règles de mise en œuvre de la gestion des applications d'essais routiers et de démonstration de véhicules connectés intelligents de Wuxi » (ci-après dénommées "Règles de mise en œuvre") a été officiellement Avec l'introduction, Wuxi prend la tête de l'élargissement de la portée des essais routiers, des applications de démonstration et des opérations de démonstration de véhicules connectés intelligents équipés de conducteurs à l'ensemble de la ville, devenant ainsi la première ville du pays. pour tester tous les domaines des véhicules intelligents.
En tant que première zone pilote de voiture connectée au niveau national du pays et l'une des premières villes pilotes à « double intelligence », Wuxi a été à l'avant-garde du pays dans le développement de l'industrie de la voiture connectée intelligente. En 2021, Wuxi a piloté les « Règles de mise en œuvre ». Au cours de l'année écoulée, des essais routiers et des applications de démonstration de véhicules intelligents connectés ont été réalisés de manière ordonnée. Au total, 177 km de routes d'essai publiques ont été ouvertes, et l'Internet de. L'infrastructure des véhicules a couvert 450 km2 et 856 points. Cette nouvelle version des « Règles de mise en œuvre » clarifie non seulement les sujets, les conducteurs et les véhicules requis pour effectuer des tests et des démonstrations de véhicules connectés intelligents, mais clarifie également les deux modes d'équipement avec conducteurs et sans équipement de conducteurs, et ajoute du contenu aux opérations de démonstration. , donnant aux voitures connectées intelligentes une plus grande marge de manœuvre pour l’innovation technologique et l’innovation des modèles opérationnels.
En outre, la première réglementation locale de Wuxi sur l'Internet des véhicules - le « Règlement sur la promotion du développement de l'Internet des véhicules de la ville de Wuxi (projet) » a également été adoptée récemment, ce qui favorisera davantage la construction d'infrastructures, la profondeur et l'étendue des applications. , l'innovation technologique et l'industrie de l'Internet des véhicules. Prendre des dispositions globales pour le développement et d'autres aspects, et assurer le développement de nouvelles technologies, de nouveaux modèles et de nouveaux formats commerciaux pour l'Internet des véhicules et les véhicules connectés intelligents sous la forme d'une législation, et fournir un terrain suffisant pour la création et le développement d'entreprises technologiques liées aux véhicules connectés intelligents à Wuxi.
Wuhan : Les véhicules autonomes pourront bientôt voyager à travers les régions
Le 15 septembre, l'évaluation du niveau de risque du quatrième lot de routes d'essai de véhicules intelligents connectés à Wuhan a passé l'examen des experts et devrait être officiellement inauguré dans un avenir proche. Après l'ouverture officielle, le nombre de routes d'essai du réseau intelligent à Wuhan dépassera les 400 kilomètres, se classant ainsi parmi les meilleurs du pays.
Il est rapporté que la ville de Wuhan a ouvert trois lots de 340 kilomètres de routes d'essai de véhicules connectés intelligents et de transports intelligents. Parmi eux, la zone de développement économique de Wuhan compte 321 kilomètres de routes d'essai ouvertes entièrement couvertes par les réseaux commerciaux 5G, dont 106. kilomètres de routes d'essai 5G à grande échelle. Le tronçon routier collaboratif véhicule-route couvert est la plus grande route d'essai ouverte avec les scénarios les plus riches et le premier accès complet à la 5G en Chine. Le quatrième lot de routes d'essai ouvertes mesure environ 70 kilomètres de long et reliera les zones centrales de la zone de développement économique de Wuhan et du district de Hanyang. Cela signifie que les voitures autonomes quitteront la Car Valley chinoise et assureront pour la première fois un trafic interrégional. temps.
Conclusion : Depuis 2022, en plus des actions fréquentes dans les grandes villes, les entreprises liées sont également en compétition pour augmenter leurs investissements, conquérant des villes et des territoires dans le nouvel océan bleu de la conduite autonome et accélérant le rythme de la conduite autonome. Les opérations commerciales entièrement sans pilote s’étendent également progressivement, passant de projets pilotes dans des villes et régions individuelles à l’échelle nationale.
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)
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
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.
La première reconstruction purement visuelle et statique de la conduite autonome
Jun 02, 2024 pm 03:24 PM
Une solution d'annotation purement visuelle utilise principalement la vision ainsi que certaines données du GPS, de l'IMU et des capteurs de vitesse de roue pour l'annotation dynamique. Bien entendu, pour les scénarios de production de masse, il n’est pas nécessaire qu’il s’agisse d’une vision pure. Certains véhicules produits en série seront équipés de capteurs comme le radar à semi-conducteurs (AT128). Si nous créons une boucle fermée de données dans la perspective d'une production de masse et utilisons tous ces capteurs, nous pouvons résoudre efficacement le problème de l'étiquetage des objets dynamiques. Mais notre plan ne prévoit pas de radar à semi-conducteurs. Par conséquent, nous présenterons cette solution d’étiquetage de production de masse la plus courante. Le cœur d’une solution d’annotation purement visuelle réside dans la reconstruction de pose de haute précision. Nous utilisons le schéma de reconstruction de pose de Structure from Motion (SFM) pour garantir la précision de la reconstruction. Mais passe
Jetez un œil au passé et au présent de l'Occ et de la conduite autonome ! La première revue résume de manière exhaustive les trois thèmes majeurs de l'amélioration des fonctionnalités/déploiement en production de masse/annotation efficace.
May 08, 2024 am 11:40 AM
Écrit ci-dessus et compréhension personnelle de l'auteur Ces dernières années, la conduite autonome a reçu une attention croissante en raison de son potentiel à réduire la charge du conducteur et à améliorer la sécurité de conduite. La prédiction d'occupation tridimensionnelle basée sur la vision est une tâche de perception émergente adaptée à une enquête rentable et complète sur la sécurité de la conduite autonome. Bien que de nombreuses études aient démontré la supériorité des outils de prédiction d’occupation 3D par rapport aux tâches de perception centrée sur les objets, il existe encore des revues dédiées à ce domaine en développement rapide. Cet article présente d'abord le contexte de la prédiction d'occupation 3D basée sur la vision et discute des défis rencontrés dans cette tâche. Ensuite, nous discutons de manière approfondie de l'état actuel et des tendances de développement des méthodes actuelles de prévision d'occupation 3D sous trois aspects : l'amélioration des fonctionnalités, la convivialité du déploiement et l'efficacité de l'étiquetage. enfin
Le LLM est terminé ! OmniDrive : Intégration de la perception 3D et de la planification du raisonnement (la dernière version de NVIDIA)
May 09, 2024 pm 04:55 PM
Écrit ci-dessus et compréhension personnelle de l'auteur : cet article est dédié à la résolution des principaux défis des grands modèles de langage multimodaux (MLLM) actuels dans les applications de conduite autonome, c'est-à-dire le problème de l'extension des MLLM de la compréhension 2D à l'espace 3D. Cette expansion est particulièrement importante car les véhicules autonomes (VA) doivent prendre des décisions précises concernant les environnements 3D. La compréhension spatiale 3D est essentielle pour les véhicules utilitaires car elle a un impact direct sur la capacité du véhicule à prendre des décisions éclairées, à prédire les états futurs et à interagir en toute sécurité avec l’environnement. Les modèles de langage multimodaux actuels (tels que LLaVA-1.5) ne peuvent souvent gérer que des entrées d'images de résolution inférieure (par exemple) en raison des limitations de résolution de l'encodeur visuel et des limitations de la longueur de la séquence LLM. Cependant, les applications de conduite autonome nécessitent
Vers la « boucle fermée » | PlanAgent : nouveau SOTA pour la planification en boucle fermée de la conduite autonome basée sur MLLM !
Jun 08, 2024 pm 09:30 PM
L'équipe d'apprentissage par renforcement profond de l'Institut d'automatisation de l'Académie chinoise des sciences, en collaboration avec Li Auto et d'autres, a proposé un nouveau cadre de planification en boucle fermée pour la conduite autonome basé sur le modèle multimodal à grand langage MLLM - PlanAgent. Cette méthode prend une vue d'ensemble de la scène et des invites de texte basées sur des graphiques comme entrée, et utilise la compréhension multimodale et les capacités de raisonnement de bon sens du grand modèle de langage multimodal pour effectuer un raisonnement hiérarchique depuis la compréhension de la scène jusqu'à la génération. d'instructions de mouvement horizontal et vertical, et générer en outre les instructions requises par le planificateur. La méthode est testée sur le benchmark nuPlan à grande échelle et exigeant, et les expériences montrent que PlanAgent atteint des performances de pointe (SOTA) dans les scénarios réguliers et à longue traîne. Par rapport aux méthodes conventionnelles de grand modèle de langage (LLM), PlanAgent
Au-delà de BEVFusion ! DifFUSER : Le modèle Diffusion entre dans la conduite autonome multi-tâches (segmentation BEV + détection double SOTA)
Apr 22, 2024 pm 05:49 PM
Écrit ci-dessus et compréhension personnelle de l'auteur À l'heure actuelle, alors que la technologie de conduite autonome devient plus mature et que la demande de tâches de perception de conduite autonome augmente, l'industrie et le monde universitaire espèrent beaucoup un modèle d'algorithme de perception idéal qui puisse simultanément compléter la détection de cibles tridimensionnelles et basé sur la tâche de segmentation sémantique dans l'espace BEV. Pour un véhicule capable de conduire de manière autonome, il est généralement équipé de capteurs de caméra à vision panoramique, de capteurs lidar et de capteurs radar à ondes millimétriques pour collecter des données selon différentes modalités. De cette manière, les avantages complémentaires entre les différentes données modales peuvent être pleinement exploités, de sorte que les avantages complémentaires des données entre les différentes modalités puissent être obtenus. Par exemple, les données de nuages de points 3D peuvent fournir des informations pour les tâches de détection de cibles 3D, tandis que les données d'images couleur. peut fournir plus d'informations pour les tâches de segmentation sémantique. Aiguille
Aperçu de la planification du chemin : basé sur l'échantillonnage, la recherche et l'optimisation, tout est fait !
Jun 01, 2024 pm 08:12 PM
1 Présentation du contrôle décisionnel et de la planification des mouvements Les méthodes actuelles de contrôle décisionnel peuvent être divisées en trois catégories : la planification séquentielle, la planification sensible au comportement et la planification de bout en bout. Planification séquentielle : la méthode la plus traditionnelle, les trois parties de perception, de prise de décision et de contrôle sont relativement claires ; planification tenant compte du comportement : par rapport à la première méthode, le point culminant est l'introduction de la co-conduite homme-machine, véhicule-route collaboration et estimation des risques du véhicule de l'environnement dynamique externe ; Planification de bout en bout : les technologies DL et DRL utilisent une grande quantité de données d'entraînement pour obtenir des informations sensorielles telles que des images, des angles de volant, etc.
