


Vous pouvez douter de la sécurité de la conduite autonome, mais le big data vous le dit : elle conduit mieux que vous
L'industrie automobile traverse une période de transition de la conduite assistée intelligente L2 à la conduite autonome L3. L’ère de la conduite intelligente arrive. Bien que chaque accident de conduite intelligente suscite de nombreux débats et inquiétudes concernant la conduite autonome, les chiffres ne mentent pas. La conduite autonome a considérablement réduit l'incidence des accidents de la route. Elle entre dans un stade de maturité critique en termes de technologie, de tests, de lois et de réglementations. Les principaux pays automobiles représentés par la Chine, les États-Unis, l'Europe, le Japon et la Corée du Sud sont en compétition pour s'emparer des sommets de l'industrie et se promouvoir mutuellement, formant un modèle de gouvernance sociale de conduite autonome existant avec des caractéristiques nationales et une tolérance mutuelle. Le jour n’est pas loin où les humains remettront officiellement le contrôle des véhicules aux machines.
« Les véhicules à conduite autonome peuvent efficacement éviter 80 % des accidents de voiture. »
Le 16 décembre, le Centre de l'industrie automobile de Chine, l'Université de Tongji et Baidu ont publié conjointement le « Livre blanc sur la sécurité routière des véhicules à conduite autonome grâce à des techniques faisant autorité ». démonstration et autonomie réelle L'analyse comparative des accidents de la route conduit à la conclusion ci-dessus.
La publication de cet article utilise des données pour informer le public d'un fait fondamental : bien que la conduite autonome à ce stade ne soit pas à 100 % sans accident, la conduite autonome est bien plus sûre que la conduite humaine, et il existe suffisamment de données pour le soutenir.
D’un autre côté, à mesure que le lidar est mis en œuvre dans les voitures particulières produites en série, les caméras deviennent plus claires et les algorithmes de conduite se développent de manière itérative chaque jour. Par rapport aux changements individuels, ils sont facilement affectés par divers facteurs incertains tels que les émotions et les états. Par rapport aux humains, les avantages de la conduite autonome deviendront de plus en plus importants.
Selon le « Rapport annuel statistique sur les accidents de la route » du Bureau de gestion du trafic du ministère de la Sécurité publique de Chine, de 2017 à 2019, une moyenne de 231 900 accidents de la route se sont produits chaque année dans tout le pays, avec un nombre annuel moyen de morts de 63 000 et 240 000 blessés non mortels supplémentaires. Les accidents de la route sont devenus la deuxième cause de décès chez les enfants dans tout le pays et, en tant que seul facteur non pathologique, ils se classent parmi les dix principales causes de décès en Chine.
Le risque d'accidents de la route provient principalement des conducteurs humains.
79,9% des accidents de la route sont causés par des erreurs subjectives humaines.
Selon les données sur les accidents de voitures particulières du China Automotive Center Institute of Vehicle Safety Identification Technology (CIDAS), de 2011 à 2021, les véhicules autonomes peuvent efficacement éviter 80 % des accidents causés par la conduite humaine.
Par conséquent, le livre blanc estime que par rapport aux capacités limitées des humains, la fonction de perception de la conduite autonome peut détecter à l'avance plus de 90 % des accidents.
Les véhicules autonomes peuvent éviter efficacement les accidents causés par la vitesse, les collisions arrière, les violations du code de la route et les défauts humains. Cela peut effectivement réduire la fréquence des accidents de plus d’un tiers.
En d'autres termes, la conduite autonome suivra strictement les règles de la circulation pour conduire, obtenir une perception précoce et exploiter le processus de prise de décision en matière de données.
Il est concevable que dans les scènes nocturnes à grande vitesse, la conduite autonome détecte à l'avance le véhicule qui précède et maintienne une distance entre les véhicules en stricte conformité avec les normes de sécurité. La probabilité d’un accident sera bien inférieure à celle d’un conducteur humain.
Par conséquent, les voitures autonomes peuvent maximiser leur conscience des autres usagers de la route et maintenir raisonnablement une distance de sécurité par rapport aux autres véhicules à moteur. À ce stade, la cause des accidents dans lesquels les humains ne remarquent pas les autres participants et ne maintiennent pas une distance de sécurité peut être efficacement améliorée.
Dans l'article précédent, nous avons appris que même si un accident de la route survenait, le risque de blessures et de décès serait considérablement réduit grâce à l'intervention de la conduite autonome. À ce stade, c’est un fait que la conduite autonome est plus performante que les humains.
La conduite autonome entre dans un point critique de maturité
Les faits montrent que la conduite autonome gagne en applications plus larges, ce qui a été reconnu par suffisamment de cas.
La commercialisation de la conduite autonome devrait être divisée entre les domaines des voitures particulières, des véhicules utilitaires et des véhicules de travail.
Les constructeurs OEM ont lancé le processus de conduite autonome L3 sur le marché des voitures particulières. Et les fonctions d’aide à la conduite intelligente de niveau L2 sont également sur le point de devenir populaires. Xin Guobin, vice-ministre chinois de l'Industrie et des Technologies de l'information, a déclaré au premier semestre de cette année que « la part de marché des voitures dotées de fonctions d'assistance à la conduite intelligente L2 a dépassé 20 % ».
Le 10 décembre 2021 est un jour inoubliable dans l’histoire de la conduite autonome. Les régulateurs allemands ont officiellement autorisé la conduite autonome dans les conditions L3. Dans le domaine des véhicules utilitaires et des véhicules de travail, en particulier dans des scénarios spécifiques tels que la vente au détail, les robotaxi, les camions miniers, les aéroports et la logistique, des véhicules autonomes L4 ou des véhicules sans pilote ont été déployés dans des endroits spécifiques tels que les quais, les aéroports et les routes ouvertes. .
2021 est entrée dans le point critique pour la légalisation officielle de la conduite autonome
Le 24 mars 2021, le ministère de la Sécurité publique de Chine a publié des avis publics sur la « Loi sur la sécurité routière », clarifiant les essais routiers et les véhicules à conduite autonome. fonctions accès routier et exigences connexes pour le partage de la responsabilité en cas d'infractions et d'accidents. Le règlement donne un statut juridique aux systèmes de conduite autonome et aux essais routiers et établit un environnement juridique pour l'utilisation commerciale à grande échelle de la conduite autonome.
La responsabilité en cas de violation et d'accident de la conduite autonome sera bientôt incluse dans la « Loi sur la sécurité routière » afin d'améliorer encore le modèle de gouvernance de la conduite autonome.
Parmi eux, l'article 155 stipule : les véhicules autonomes doivent effectuer des examens routiers sur des routes et des lieux fermés, obtenir des permis de conduire temporaires et effectuer des examens routiers à des heures, des zones et des itinéraires désignés conformément à la réglementation. Ceux qui réussissent le test peuvent produire, importer et vendre conformément aux lois et réglementations en vigueur. Cela ouvre la voie à la production et à la vente de véhicules autonomes.
Bien entendu, au niveau des lois et des réglementations, il n'existe actuellement aucune réglementation complète sur la répartition des responsabilités en cas d'accidents de conduite autonome dans différents pays du monde. La « Loi sur la sécurité routière de la République populaire de Chine » et le « Règlement d'application de la loi sur la sécurité routière de la République populaire de Chine » ne couvrent pas non plus la sécurité de la conduite autonome. À ce stade, les infractions au code de la route et les accidents lors d'essais routiers et de manifestations doivent être traités conformément aux lois en vigueur.
Cependant, étant donné que l'Allemagne a libéré sous condition la conduite autonome de niveau L3, les OEM assumeront les responsabilités légales dans l'État de conduite autonome.
Les consommateurs doivent être ouverts à la compréhension de la vision du « zéro victime » représentée par la conduite autonome.
La conduite autonome a décrit la vision du « zéro victime » pour les humains dans les premières publicités, ce qui, dans une certaine mesure, a provoqué des malentendus dans le public.
Ces dernières années, les accidents liés à la conduite autonome sont, d'une part, différents de la sensibilisation et de la compréhension du public des fonctions ADAS et de la conduite entièrement autonome. D’un autre côté, les attentes des gens en matière de conduite autonome sont trop élevées.
Les gens acceptent la conduite autonome, ce qui signifie que nous devons accepter une machine qui fait des erreurs. Selon ce concept, les humains ont défini la responsabilité du constructeur OEM ou du système de conduite intelligent et ont des normes de rémunération correspondantes.
Une assurance responsabilité civile obligatoire en cas d'accident de la route d'un montant de 5 millions RMB (746 000 USD) a été mise en place pour les essais routiers de conduite autonome dans les régions correspondantes de Chine. Pour les tests nécessitant des applications de démonstration avec équipage, une assurance siège et une assurance accident personnel doivent être souscrites pour les passagers, ainsi que toute autre assurance commerciale nécessaire. L'assurance commerciale fixe des normes de sécurité pour que les voitures autonomes circulent sur la voie publique, ce qui signifie que la responsabilité en cas d'accident entre humains et machines est définie de manière économique.
Reconnaître que les machines feront des erreurs et admettre que même la future conduite autonome L5 ne garantira peut-être pas à 100 % zéro victime est une condition préalable pour que les humains s'entendent avec les véhicules autonomes. En partant de ce principe, les humains finiront par découvrir que voyager en machine peut grandement améliorer la sécurité.
Par conséquent, "zéro victime" sera toujours l'objectif le plus élevé poursuivi par la conduite autonome, mais il ne sera pas atteint à 100 %.
À la fin de l'année dernière, l'Allemagne a lancé un concours pour ouvrir le modèle de gouvernance de la conduite autonome L3, et Mercedes-Benz est devenu le premier équipementier au monde légalement protégé à produire en série des véhicules autonomes. Cette étape franchie, le transport est entré dans une nouvelle ère.
Actuellement, la conduite autonome entre dans un point de maturité critique en termes de technologie, de tests, de fabrication, de lois et de réglementations. Les principaux pays automobiles représentés par la Chine, les États-Unis, l’Europe, le Japon et la Corée du Sud sont en compétition pour s’emparer des sommets de l’industrie. Ils se promeuvent également mutuellement pour former un modèle de gouvernance sociale autonome unique et interopérable.
Actuellement, la technologie de conduite autonome est devenue la principale piste de concurrence technologique entre différents pays. Le modèle de gouvernance internationale autour des voitures intelligentes prend également forme dans la compétition. Pour les clients, le meilleur résultat est que les voitures autonomes dans différents pays suivent les mêmes normes.
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)

Sujets chauds

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,

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

L'article de StableDiffusion3 est enfin là ! Ce modèle est sorti il y a deux semaines et utilise la même architecture DiT (DiffusionTransformer) que Sora. Il a fait beaucoup de bruit dès sa sortie. Par rapport à la version précédente, la qualité des images générées par StableDiffusion3 a été considérablement améliorée. Il prend désormais en charge les invites multithèmes, et l'effet d'écriture de texte a également été amélioré et les caractères tronqués n'apparaissent plus. StabilityAI a souligné que StableDiffusion3 est une série de modèles avec des tailles de paramètres allant de 800M à 8B. Cette plage de paramètres signifie que le modèle peut être exécuté directement sur de nombreux appareils portables, réduisant ainsi considérablement l'utilisation de l'IA.

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
