Périphériques technologiques
Industrie informatique
He Xiaopeng : La logique complète de la conduite entièrement sans conducteur n'est pas encore claire et nous devrons peut-être trouver une autre solution
He Xiaopeng : La logique complète de la conduite entièrement sans conducteur n'est pas encore claire et nous devrons peut-être trouver une autre solution
Selon les informations de ce site Web du 21 novembre, He Xiaopeng, président de Xpeng Motors, a exprimé son opinion sur Weibo ce soir, en disant : « Vous pouvez voir une feuille de route claire pour une conduite assistée autonome de haut niveau ou une conduite entièrement autonome avec quelqu'un, mais il s'agit d'une conduite complètement sans pilote. Je ne vois pas encore la logique complète, et je pense même que nous devrons peut-être trouver un autre moyen. Vogt. Vogt n'a pas expliqué la raison de sa démission, mais a évoqué un accident qui a conduit à la suspension des opérations des voitures autonomes et à un examen de sécurité
Dans la soirée du 2 octobre, une femme est tombée dans la voiture après avoir été violemment heurtée par un voiture à San Francisco. L’avant d’un taxi sans conducteur Cruise. Bien que le taxi autonome Cruise ait freiné à temps, il a ensuite tenté de s'arrêter, ce qui a fait renverser la femme une seconde fois et la traîner sur environ 6 mètres, aggravant ainsi ses blessures. Le Département californien des véhicules automobiles a suspendu le permis d’exploitation de taxi sans conducteur de Cruise le 25 octobre. Le 7 novembre, Cruise a annoncé le rappel de 950 voitures autonomes aux États-Unis et pourrait continuer à rappeler davantage de véhicules. -Les cartes de précision ont commencé la version bêta ouverte. La conduite intelligente urbaine XNGP adopte une solution de carte légère, de sorte que la navigation urbaine ne soit plus limitée par la portée d'utilisation et le temps de mise à jour des cartes de haute précision. Après avoir activé la conduite AI, cette fonction permet aux utilisateurs de définir des points de départ et d'arrivée à travers le pays. Pilotez-le simplement manuellement une fois pour générer une carte mémoire. Lorsque vous choisissez l'itinéraire de voyage plus tard, vous pouvez utiliser la fonction « Conduite AI » pour obtenir une conduite assistée par navigation urbaine sur des itinéraires spécifiques ou des scénarios spécifiques. Auparavant, Xpeng Motors avait annoncé que la conduite assistée par navigation urbaine XNGP couvrirait 25 villes en novembre. ouvert dans 50 villes fin décembre. He Xiaopengli a exprimé le défi d'atteindre une couverture complète du XNGP dans les principaux réseaux routiers urbains (y compris les routes de classe 1 à 4) à travers le pays d'ici 2024.
Déclaration publicitaire : les liens de saut externes (y compris, mais sans s'y limiter, les hyperliens, les codes QR, les mots de passe, etc.) contenus dans l'article sont utilisés pour transmettre plus d'informations et gagner du temps de sélection. Les résultats sont à titre de référence uniquement. ce site contient cette déclaration. 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)
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 ?
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
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,
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
Xpeng X9 : nouvelle star intelligente de l'IA, qui fera ses débuts le 1er janvier 2024
Dec 15, 2023 pm 02:46 PM
Selon les informations du 15 décembre, Xpeng Motors vient de publier une nouvelle passionnante selon laquelle ils prévoient de lancer officiellement leur premier modèle MPV le 1er janvier 2024, appelé Xpeng X9. Cette voiture est officiellement saluée comme une « sept places super intelligente » et se vante d'avoir « une évolution profonde de l'IA pour explorer X possibilités ». Le Xpeng X9 a fait ses débuts au Salon de l'auto de Guangzhou 2023, avec des prix de prévente commençant à 388 000 yuans. Cette voiture poursuit le design de style familial Xpeng Motors, avec une bande lumineuse de type traversant et un design de phares net. Le châssis adopte un moulage sous pression en aluminium intégré à l'avant et à l'arrière. Les dimensions de la carrosserie sont de 5 293 mm de long, 1 988 mm de large, 1 785 mm de haut et l'empattement est de 3 160 mm. La décoration intérieure de la voiture propose trois palettes de couleurs différentes : Qiyu Gray, Moon Shadow Coffee, et Nuit étoilée Noir. Siège avant
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 !
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
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.
