SF から現実に至るまで、自動運転の開発において依然として直面している問題は何ですか?
近年、自動運転への注目が高まる中、低速自動運転の実用化が徐々に現実味を帯びてきました。将来的には高速自動運転が普及するのは間違いなく、交通分野でも自動運転は重要な役割を担うことになる。しかし、自動運転の実用化に伴い、多くの問題が顕在化しており、その中でも技術的安全性、データセキュリティ、政策改善の3つが自動運転の普及において最も顕著な課題となっている。
01 技術的安全性
技術的安全性は、自動運転車が乗客を目的地まで安全に届けられるかどうかに関係します。自動追従 自動運転や自動車線変更などの高度な運転支援システムは、自動車への適用が比較的成熟してきましたが、都市部の道路などの複雑で混雑したシナリオでは、これらの機能は依然として継続的に改善される必要があり、それにはさまざまな技術的手段が必要です。 、センサー技術、高精度地図技術、人工知能技術など
センサー技術
センサーは自動運転を実現するための重要な技術部品であり、主に環境を取得するために使用されます。車両周囲の情報をお知らせします。自動運転センサーには、車載カメラ、ライダー、ミリ波レーダー、超音波レーダーなどがあり、車載カメラは主に道路標識、信号機、歩行者、車両周囲の障害物などの視覚情報を認識するために使用されます。 -波動レーダー、超音波レーダーなど。主に車両周囲の障害物やその他の情報を識別するために使用されます。
現在、自動運転センサー技術は比較的成熟していますが、悪天候や夜間などの交通シナリオでは、自動運転センサーの認識精度が低下し、自動運転に影響を与えます。運転の安全性。このため、自動運転センサー技術は依然として継続的に改善する必要があり、自動運転車両の信頼性と安全性を向上させるためにさまざまな複雑なシナリオに適用することができます。
高精度地図技術
高精度地図とは、高精度な識別と高精度な地図データを指します。リアルタイム性能、高精度地図は、道路標識、信号機、障害物などの周囲環境に関する詳細な情報を車両に提供できます。自動運転車は、高精度地図を通じて周囲環境を分析し、自動運転を実現します。
現時点では、高精度地図の収集範囲はまだ比較的限られていますが、その主な理由は、高精度地図の収集には都市部の道路に関する詳細な情報が含まれており、行政の監督が必要であるためです。都市における高精度地図の収集範囲を拡大するとともに、高精度地図データの改ざんや盗難を防止するため、高精度地図のデータ保護と安全管理を強化する必要がある。
人工知能技術
人工知能は、自動運転開発の中核技術の 1 つです。機械学習、ディープラーニング、その他のアルゴリズムを使用して、自動運転車が周囲の環境をよりよく理解できるようにし、交通状況を予測し、自動運転車が正しい判断をできるようにします。現在、人工知能技術の開発はある程度の進歩が見られますが、複雑なシナリオへの応用にはまだ継続的な改善と改善が必要です。
#02 データ セキュリティ
データ セキュリティは、自動運転の安全性におけるもう 1 つの非常に重要な方向性です。自動運転に関わるデータには、自動運転センサーから得られるデータ、高精度地図データ、運転記録データ、車内乗員のエンターテイメントデータなどが含まれており、これらのデータの安全性は自動運転車の信頼性や社会的受容性に関係します。
データ プライバシー セキュリティ保護
データ プライバシー セキュリティ保護は、データ セキュリティ、自動運転車の開発の焦点です。インターネットには、都市部の道路データ、乗客の運転データ、ドライバーの運転習慣データなど、大量の交通データや個人データが必然的に含まれます。これらのデータは、悪意のある使用や漏洩を防ぐために適切に保護される必要があり、完全なデータ管理システムを構築し、データの所有権と使用権を明確にすると同時に、データのプライバシーとセキュリティを確保するために、データの暗号化やデータ分散などの技術的手段を採用する必要があります。
データ整合性の保証
データ整合性の保証は、データ セキュリティにおいて注意が必要なもう 1 つの側面です。自動運転車の運転では、高精度地図データの信頼性と整合性を確保するために、高精度地図を効果的に保護する必要があります。データの整合性を確保するには、データのバックアップやデータ検証などの技術的手段を使用して、データの改ざんや損失を防ぐ必要があります。
03 政策の改善
産業発展、政策が第一 自動運転の開発は、政策の支援と保証から切り離すことはできません。自動運転政策の改善 自動運転の開発を効果的に支援します。
法規制の整備
自動運転を普及させるには、完全な整備が欠かせません。これらの法令は、自動運転の運用・管理にあたり、自動運転における関係者の責任と義務を明確にするとともに、法令の制定にあたっては、自動運転技術の革新と開発、規制を利用して技術の進歩を促進し、技術によって規制の開発を促進させることで、社会と市場のニーズを十分に満たし、自動運転の急速な普及を可能にすることができます。
交通安全ルールの策定
自動運転技術の発展に伴い、交通に関わる人はますます増えています。自動運転車、ドライバーが運転する車、歩行者などの交通参加者が同じ交通環境に登場するとき、交通安全ルールの策定・更新を通じて国民の交通安全に対する意識を強化する必要がある。国民の交通安全に対する意識と意識を向上させ、交通事故の発生を減少させます。
責任配分とリスク管理ルールの策定
自動運転の開発には、明確な責任配分とリスク管理メカニズムが必要です、政府および関連部門は、自動運転車が確実に走行できるように、積極的に参加し、積極的に指導し、自動運転の責任配分とリスク管理を確立および改善し、ドライバー、自動運転技術サービスプロバイダー、およびその他の当事者の責任と義務を明確にする必要があります。規制の遵守。
04 その他の側面
技術的安全性、データセキュリティ、ポリシーの改善に加えて、開発プロセスには注意が必要な側面が数多くあります。自動運転車の稼働率を確保する必要がある。
#技術的安全基準の開発
自動運転車の実用化 普及には必要な課題自動運転車が人間のドライバーよりも安全である場合にのみ、自動運転車を道路に投入することができます。そのため、自動運転の開発においては、自動運転車両の安全基準や検知方法を策定する必要があります。 2022年10月、中国主導による自動運転テストシナリオ分野初の国際規格ISO 34501「道路車両自動運転システムテストシナリオ語彙」が正式に発行され、自動運転システムテストシナリオの重要な基本規格として、この規格は要件を満たしています 自動運転のテストと評価に関連する作業を実行する際、テストシナリオを記述するために標準化された言語を使用するという業界のニーズは、グローバルなインテリジェントネットワーク化車両の自動運転技術と製品の研究開発、テスト、管理に広く使用されるでしょう、スマートトラベル、地域間接続、道路交通のためのソリューションを提供し、さまざまな種類の自動運転アプリケーションに対する重要な基本サポートを提供します。
#社会的認知と受容
自動運転車の普及には、自動運転に対する社会の認知と受容が必要です。現時点では、自動運転に対する国民の認知度はまだ相対的に低いが、その主な理由は、自動運転の開発により、主な収入源を運転に依存している人々の一部が生活を失うことになるのではないかと誰もが懸念しているためである。一方で、一般の人々は自動運転車の安全性について懸念を抱いておらず、セックスについては依然として懐疑的です。このために、政府および関係企業は、教育、広報、展示会、講演会等を通じて、自動車の運転を主な収入源とする人々の技術革新を支援し、自動運転車に対する国民の認識を強化し、自動運転車の急速な普及を促進する必要がある。自動運転。
ハードウェアコストの削減 自動運転車は、道路情報を取得するために複数のセンサーを融合する必要があるほか、プロセッサーや通信機器などのハードウェアのサポートも必要ですが、現段階では自動運転車のハードウェア設備は十分ではありません。自動車を運転するには、その性能の信頼性を確保する必要がありますが、コストも制御可能である必要があります。自動運転車の普及は消費者と切り離すことができず、ハードウェアのコストが高すぎて消費者が手が届きにくい場合、自動運転技術は理論的には実現可能でも普及できないという問題が生じます。 倫理的・道徳的問題の解決 自動運転技術を普及させたい場合は、さまざまな課題に直面する必要があります。実際の交通シナリオでは、さまざまな問題が発生し、人間のドライバーでは答えられない倫理的および道徳的な問題が生じることがよくあります。たとえば、緊急事態において、乗客を保護するか歩行者を保護するかの選択を迫られる場合、自動運転車はどのように対処すべきでしょうか。選ぶ?乗客を優先するのか、歩行者を優先するのかについては、政府、企業、学界等で議論し、国民が納得できる案を提案する必要がある。 #要するに、交通効率と運転を改善できる自動運転の開発には大きなチャンスと可能性があります。自動運転の開発には、依然として多くの課題と困難が残されており、自動運転の研究開発と応用を加速するには、エネルギーとリソースを投資する多者間の努力と協力が必要です。 関連法規、基準の策定 政府および関係機関が最初にやらなければならないこと自動運転車の試験や路上条件の明確化、自動運転車に対する保険責任の規制、その他の問題など、関連する法律、規制、基準を策定することです。これにより、公共の安全と利益を保護するだけでなく、企業向けの自動運転の開発方向と市場動向を明確にすることができ、さらに、法的および証拠に基づいた自動運転の開発を提供することもできます。 技術研究開発の強化 企業や学術界は自動運転技術の研究開発を強化する必要があり、同時に、自動運転車の試験と検証を強化し、政府や関連機関の要求に協力し、自動運転技術の安全性を向上させることも必要です。政府は、自動運転の研究開発と進歩を促進するために、企業に関連する財政的および政策的支援を提供することもできます。 社会的認知と受容性の向上 自動運転の開発プロセスでは、社会的認知を解決する必要があります。政府や企業は展示、講演、試乗などを通じて自動運転技術の基本原理や応用シナリオを国民に紹介し、自動運転に対する国民の理解を向上させ、自動運転技術に対する国民の信頼と支持を高めることができる。 。 協力と交流を強化 自動運転技術は開発だけでは大きな進歩はできない国際標準との統合も非常に重要であり、政府は国際学術会議や技術交流会を開催し、国内企業に自動運転開発の進捗状況を理解してもらうことができる。国内企業は自動運転技術の研究開発と応用を共同で推進するために、より多くのコミュニケーションと協力を奨励することもできる。 自動運転は最先端技術であり、その開発と応用はスマート交通やスマートシティの発展に貢献します。その影響 自明のことですが、自動運転の開発は順風満帆ではないことも明確にしておく必要があります 自動運転を普及させるためには、技術的問題を解決するだけではありません 自動運転には複数の共同努力が必要です自動運転実現に向けた役割と方向性 運転の持続可能性05 ソリューション
06 概要
以上がSF から現実に至るまで、自動運転の開発において依然として直面している問題は何ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









上記と著者の個人的な理解 3 次元ガウシアンプラッティング (3DGS) は、近年、明示的な放射線フィールドとコンピューター グラフィックスの分野で出現した革新的なテクノロジーです。この革新的な方法は、数百万の 3D ガウスを使用することを特徴とし、主に暗黙的な座標ベースのモデルを使用して空間座標をピクセル値にマッピングする神経放射線場 (NeRF) 方法とは大きく異なります。明示的なシーン表現と微分可能なレンダリング アルゴリズムにより、3DGS はリアルタイム レンダリング機能を保証するだけでなく、前例のないレベルの制御とシーン編集も導入します。これにより、3DGS は、次世代の 3D 再構築と表現にとって大きな変革をもたらす可能性のあるものとして位置付けられます。この目的を達成するために、私たちは 3DGS 分野における最新の開発と懸念について初めて体系的な概要を提供します。

昨日の面接で、ロングテール関連の質問をしたかと聞かれたので、簡単にまとめてみようと思いました。自動運転のロングテール問題とは、自動運転車におけるエッジケース、つまり発生確率が低い考えられるシナリオを指します。認識されているロングテール問題は、現在、単一車両のインテリジェント自動運転車の運用設計領域を制限している主な理由の 1 つです。自動運転の基礎となるアーキテクチャとほとんどの技術的問題は解決されており、残りの 5% のロングテール問題が徐々に自動運転の開発を制限する鍵となってきています。これらの問題には、さまざまな断片的なシナリオ、極端な状況、予測不可能な人間の行動が含まれます。自動運転におけるエッジ シナリオの「ロング テール」とは、自動運転車 (AV) におけるエッジ ケースを指します。エッジ ケースは、発生確率が低い可能性のあるシナリオです。これらの珍しい出来事

0.前面に書かれています&& 自動運転システムは、さまざまなセンサー (カメラ、ライダー、レーダーなど) を使用して周囲の環境を認識し、アルゴリズムとモデルを使用することにより、高度な知覚、意思決定、および制御テクノロジーに依存しているという個人的な理解リアルタイムの分析と意思決定に。これにより、車両は道路標識の認識、他の車両の検出と追跡、歩行者の行動の予測などを行うことで、安全な運行と複雑な交通環境への適応が可能となり、現在広く注目を集めており、将来の交通分野における重要な開発分野と考えられています。 。 1つ。しかし、自動運転を難しくしているのは、周囲で何が起こっているかを車に理解させる方法を見つけることです。これには、自動運転システムの 3 次元物体検出アルゴリズムが、周囲環境にある物体 (位置を含む) を正確に認識し、記述することができる必要があります。

最初のパイロットおよび重要な記事では、主に自動運転技術で一般的に使用されるいくつかの座標系と、それらの間の相関と変換を完了し、最終的に統合環境モデルを構築する方法を紹介します。ここでの焦点は、車両からカメラの剛体への変換 (外部パラメータ)、カメラから画像への変換 (内部パラメータ)、および画像からピクセル単位への変換を理解することです。 3D から 2D への変換には、対応する歪み、変換などが発生します。要点:車両座標系とカメラ本体座標系を平面座標系とピクセル座標系に書き換える必要がある 難易度:画像の歪みを考慮する必要がある 歪み補正と歪み付加の両方を画面上で補正する2. はじめに ビジョンシステムには、ピクセル平面座標系 (u, v)、画像座標系 (x, y)、カメラ座標系 ()、世界座標系 () の合計 4 つの座標系があります。それぞれの座標系には関係性があり、

自動運転では軌道予測が重要な役割を果たしており、自動運転軌道予測とは、車両の走行過程におけるさまざまなデータを分析し、将来の車両の走行軌跡を予測することを指します。自動運転のコアモジュールとして、軌道予測の品質は下流の計画制御にとって非常に重要です。軌道予測タスクには豊富な技術スタックがあり、自動運転の動的/静的知覚、高精度地図、車線境界線、ニューラル ネットワーク アーキテクチャ (CNN&GNN&Transformer) スキルなどに精通している必要があります。始めるのは非常に困難です。多くのファンは、できるだけ早く軌道予測を始めて、落とし穴を避けたいと考えています。今日は、軌道予測に関するよくある問題と入門的な学習方法を取り上げます。関連知識の紹介 1. プレビュー用紙は整っていますか? A: まずアンケートを見てください。

原題: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving 論文リンク: https://arxiv.org/pdf/2402.02519.pdf コードリンク: https://github.com/HKUST-Aerial-Robotics/SIMPL 著者単位: 香港科学大学DJI 論文のアイデア: この論文は、自動運転車向けのシンプルで効率的な動作予測ベースライン (SIMPL) を提案しています。従来のエージェントセントとの比較

先頭と開始点に書かれている エンドツーエンドのパラダイムでは、統一されたフレームワークを使用して自動運転システムのマルチタスクを実現します。このパラダイムの単純さと明確さにも関わらず、サブタスクにおけるエンドツーエンドの自動運転手法のパフォーマンスは、依然としてシングルタスク手法に比べてはるかに遅れています。同時に、以前のエンドツーエンド手法で広く使用されていた高密度鳥瞰図 (BEV) 機能により、より多くのモダリティやタスクに拡張することが困難になります。ここでは、スパース検索中心のエンドツーエンド自動運転パラダイム (SparseAD) が提案されています。このパラダイムでは、スパース検索は、高密度の BEV 表現を使用せずに、空間、時間、タスクを含む運転シナリオ全体を完全に表します。具体的には、統合されたスパース アーキテクチャが、検出、追跡、オンライン マッピングなどのタスク認識のために設計されています。さらに、重い

この 1 か月間、いくつかのよく知られた理由により、私は業界のさまざまな教師やクラスメートと非常に集中的な交流をしてきました。この交換で避けられない話題は当然、エンドツーエンドと人気の Tesla FSDV12 です。この機会に、現時点での私の考えや意見を整理し、皆様のご参考とご議論に役立てたいと思います。エンドツーエンドの自動運転システムをどのように定義するか、またエンドツーエンドで解決することが期待される問題は何でしょうか?最も伝統的な定義によれば、エンドツーエンド システムとは、センサーから生の情報を入力し、関心のある変数をタスクに直接出力するシステムを指します。たとえば、画像認識では、従来の特徴抽出 + 分類子方式と比較して、CNN はエンドツーエンドと言えます。自動運転タスクでは、各種センサー(カメラ/LiDAR)からのデータを入力
