


Abandonner la conduite autonome est aussi une sorte de réconciliation
1 Les entreprises de conduite autonome ont commencé à fleurir partout, atteignant leur apogée en 2018, avec pas moins de 472 entreprises nouvellement enregistrées, 78 incidents d'investissement et de financement complets et un montant d'investissement et de financement divulgué pouvant atteindre 81,1 milliards de yuans.
À partir de 2019, l'industrie de la conduite autonome a commencé à entrer dans une phase de développement régulier. En 2020, en raison de facteurs incontrôlables, le rythme de développement de l'industrie de la conduite autonome a commencé à ralentir. le financement dans le secteur de la conduite autonome s'élève toujours à 43,63 milliards de yuans, soit une augmentation de 136,9 % sur un an. Le secteur de la conduite autonome est toujours d'actualité en 2021. Au cours des trois premiers trimestres seulement, 69 événements d'investissement et de financement ont eu lieu, pour un montant total d'investissement de 62,9 milliards de yuans. En octobre 2022, il y avait 5 682 entreprises de conduite autonome dans mon pays. Au premier semestre 2022, il y aurait 201 nouvelles entreprises liées à la conduite autonome. De plus en plus d'acteurs espèrent obtenir une part du secteur de la conduite autonome. Les constructeurs automobiles et les sociétés Internet ont également suivi la même voie et ont lancé un modèle compétitif. Le secteur de la conduite autonome montre une tendance diversifiée.
En regardant l'industrie de la conduite autonome avant 2022, le développement de l'industrie de la conduite autonome semble être entré dans une situation où une centaine d'écoles de pensée s'affrontent. Cependant, à l'aube de 2023, l'industrie de la conduite autonome semble avoir été déchirée. dans un grand trou, et la situation de développement pacifique a été brisée à maintes reprises. Début 2023, la nouvelle société de camions autonomes Embark a déclaré faillite. En tant qu'entreprise licorne d'une valeur marchande de 5,2 milliards de dollars, il n'a fallu que 16 mois entre son apogée et la faillite. Waymo, en tant qu'entreprise de référence reconnue dans le domaine de la conduite autonome, a également annoncé le lancement de plans de licenciements début 2023. Le 18 mai, TuSimple, une entreprise de camions autonomes confrontée à une crise de radiation, a également annoncé que son conseil d'administration avait approuvé le 18 mai un « nouveau plan de restructuration », qui supprimera 300 emplois, soit 10 % des effectifs de l'entreprise. au total, 30 % des employés ; également en mai, AIWAYS, une nouvelle force nationale de construction automobile, a fréquemment annoncé des nouvelles sur les arriérés de salaires et les suspensions de sécurité sociale. Avant cela, WM Motor avait déjà annoncé des suspensions de travail et des fermetures de magasins. .ai a également annoncé le licenciement de 50 % de ses employés.
En entrant dans l'industrie de la conduite autonome en 2023, une série de mots brûlants tels que licenciements, faillites et valeur marchande en chute libre persistent. L'industrie de la conduite autonome semble avoir dépassé le sommet de la montagne et est en pleine expansion. chemin vers le fond. Il ne semble toujours pas y avoir de moment précis ni de réponse quant au moment où le fond peut être atteint. Qu'il s'agisse d'un constructeur automobile ou d'une société Internet, il semble qu'il n'y ait pas de persévérance et d'enthousiasme pour la conduite autonome comme les années précédentes.
2 , de nombreuses sociétés Internet déterminées à déployer l'industrie de la conduite autonome réduisent également leurs investissements dans la conduite autonome et se préparent à utiliser davantage de ressources sur d'autres projets. l'environnement du marché n'est pas Dans un monde idéal, couper la queue pour survivre pourrait être la seule option.L'industrie de la conduite autonome est comme un gouffre sans fond, et les fonds investis sont totalement disproportionnés par rapport aux bénéfices réels qui peuvent être obtenus. Avec le développement de l'industrie de la conduite autonome jusqu'à présent, les endroits réels où vous pouvez en faire l'expérience ne peuvent être que dans un environnement relativement fermé, comme quelques usines et écoles, et davantage de fonctions sont encore utilisées pour entreprendre des tâches telles que le ramassage et la livraison. livraison express, visites touristiques, etc., et ces scénarios d'utilisation. La conduite autonome dans le monde d'aujourd'hui ne peut être considérée que comme une conduite autonome à basse vitesse. Il existe encore un long écart technique entre les scénarios de conduite autonome à grande vitesse que nous poursuivons. Même si la conduite autonome à basse vitesse est relativement mature, la demande et la taille du marché ne sont pas importantes, ce qui rend irréaliste la réalisation de bénéfices à grande échelle.
En fait, les constructeurs automobiles et les entreprises impliquées dans l'industrie de la conduite autonome ont toujours espéré appliquer la conduite autonome dans des scénarios de conduite autonome à grande vitesse. C'est également l'importance de la recherche sur les technologies de conduite autonome. Le 27 juin 2020, Didi a lancé un projet d'application de conduite autonome habitée à Jiading, Shanghai, dans l'espoir d'introduire l'utilisation de la conduite autonome à grande vitesse dans nos vies. Cependant, en raison de l’immaturité de la technologie et des coûts d’investissement élevés, les taxis autonomes de Didi n’ont toujours pas trouvé d’application à grande échelle trois ans plus tard. Le boom de la conduite autonome dure depuis près de 10 ans, mais sa technologie n’a pas réalisé de percées à grande échelle.
D'un point de vue technique, en raison des lacunes du matériel de perception de la conduite autonome et du deep learning, le développement de la conduite autonome à grande vitesse est désormais indissociable du support de cartes de haute précision, et parce que haute- la détection précise des cartes implique l'environnement du trafic. Le pays n'a pas ouvert les informations sur les données à grande échelle, ce qui signifie que la conduite autonome basée sur des cartes de haute précision ne peut être mise en œuvre que dans certaines régions. C'est comme enfermer la conduite autonome dans une cage. ce qui rend techniquement impossible une mise en œuvre et une percée à grande échelle. Même si de nombreux constructeurs automobiles poursuivent désormais la direction technique consistant à « mettre l'accent sur la perception, la lumière sur les cartes », et que de nombreux experts ont même proposé le modèle de développement de la connexion réseau intelligente, celui-ci en est encore à ses débuts en raison de sa grande difficulté technique et coût d'investissement élevé. Du point de vue des coûts, même si la détection cartographique de haute précision peut être mise en œuvre à grande échelle, les cartes de haute précision doivent être mises à jour en temps opportun, ce qui nécessite beaucoup de coûts de main-d'œuvre. C'est également l'une des raisons pour lesquelles la plupart des constructeurs automobiles mettent actuellement l'accent sur « la perception et la lumière sur les cartes ». Et comme le coût du matériel de conduite autonome est trop élevé à ce stade, si vous voulez que les consommateurs profitent réellement de la fonction de conduite autonome, le coût d'un seul véhicule dépasse l'imagination. Il n'est pas réaliste pour les consommateurs de l'acheter à grande échelle. , ce qui a amené de nombreuses entreprises à investir beaucoup dans la conduite autonome, mais le bénéfice est très faible. Faut-il continuer à insister sur la conduite autonome ? Peut-être que le marché a déjà donné la réponse. La « paresse » a toujours été le moteur du progrès technologique. Dans les voyages en voiture, le rôle du conducteur sera fortement limité et permettre aux voitures autonomes de transporter des passagers et des marchandises libérera sans aucun doute la nécessité du rôle humain. dans le milieu du voyage. Cependant, depuis le développement de la conduite autonome, de nombreuses expériences de conduite autonome à grande vitesse ont continué à apparaître. Cependant, l'attitude des gens à l'égard de la conduite autonome est plutôt un avant-goût des premiers utilisateurs. S'ils veulent qu'elle entre véritablement dans la vie des gens, de nombreuses personnes peuvent le faire. soulèvent encore des questions et des inquiétudes. À ce stade, la conduite autonome est encore au stade L2. Afin de mettre en évidence le caractère avancé de sa technologie, de nombreuses nouvelles forces du constructeur automobile la décriront dans. Les promotions commerciales pour la conduite autonome L2+, voire L3, constituent sans aucun doute un mauvais signal pour le développement de la conduite autonome. De nombreux accidents liés à la conduite autonome sont causés par une confiance excessive des conducteurs dans le système de conduite autonome. Étant donné que la conduite autonome est une chose très nouvelle pour les consommateurs à ce stade, chaque accident impliquant la conduite autonome gagnera en publicité et en popularité, ce qui a également amené la méfiance de chacun à l'égard de la conduite autonome à continuer de croître. La technologie immature, le faible coût et la méfiance du marché ont fait entrer le développement de la conduite autonome dans une boucle sans fin, ce qui a également conduit au développement de la conduite autonome pour à ce jour. Il n’y a aucune raison pour une application à grande échelle. Afin de résoudre ces problèmes, des investissements supplémentaires en termes de temps et d'argent sont nécessaires, ce qui constitue un défi tant pour les constructeurs automobiles que pour les sociétés Internet. La ligne de front pour la mise en œuvre de la conduite autonome est constamment tendue, ce qui rend difficile pour de nombreuses entreprises de supporter ce problème. et ne peuvent qu'abandonner leur travail. Investir dans des projets liés à la conduite autonome, pour eux, abandonner la conduite autonome peut aussi être une sorte de réconciliation pour eux-mêmes. Malgré cela, de nombreuses personnes continueront à suivre la voie du développement de l’industrie de la conduite autonome, mais il est encore impossible de dire quand nous verrons le jour ! 3 Abandonnez ou persistez, peut-être que le marché donnera la réponse
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,

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.

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

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.
