低速自動運転と高速自動運転を1つの記事で解説しましょう
以前に共有した記事: 自動運転車に「道路を認識」させる方法では、主に自動運転車における高精度地図の重要性について話しました。友人は、「作者が知っていれば」というメッセージを残しました。 「STO Express の仕分けについて 「自動運転車の作業現場にはこの記事のような意見はないのでは?」 この対話では、低速自動運転と高速自動運転という概念が関係していました。
無人車としても知られる自動運転車は、自動運転車であり、ドライバーの支援が必要な車両、または制御をまったく必要としない車両です。 - 運転する車は周囲の環境を感知し、人間の操作なしでナビゲーションや移動タスクを完了できます。自動運転開発の最終目標は、自動運転車両による有人移動を完了できるようにすることですが、自動運転技術の開発、特に高速自動運転の開発は、私たちが想像しているほど単純かつスムーズではありません。現段階では、キャンパスや公園、空港などの固定された場所で見かける自動運転の輸送車両や宅配車両はすべて低速自動運転の範疇に入る。では、高速自動運転と低速自動運転とは一体何なのでしょうか?高速自動運転と低速自動運転の違いは何ですか?
低速自動運転
まずは低速自動運転についてですが、低速自動運転とはその名の通り、自動運転のことを指します。低速自動運転車の主な目的は、その機能が物体を運ぶことであり、アプリケーション シナリオに対して単純かつ固定的であり、速度は一般に 50 km/h 未満です。低速自動運転の技術開発は比較的成熟しており、キャンパス、公園、その他のシーン、宅配便の車両、景勝地や空港のシャトルバスなど、私たちの日常生活のあらゆる側面に適用されています。 。低速旅客搬送無人車両、低速貨物搬送無人車両、無人作業車両を含めた保守的な推計によると、中国の低速自動運転車両の販売台数は2021年に2万5000台に達し、2022年には10万4000台に達すると予想されている。 . 低速で 自動運転車の技術開発に伴い、低速自動運転車は私たちの日常生活の一部になるでしょう。
低速自動運転の開発により、業界標準の策定も行われており、2021 年 10 月 29 日、深セン市高度交通産業協会の主導により、57 を超えるユニットと 112 人の専門家が共同で、 「低速自動運転車」「都市商業運転安全管理仕様」グループ標準が正式にリリースされました。このチーム標準は、低速自動運転車の発売と使用において重要な指導的役割を果たします。また、政府の機能管理にも効果的な指針を提供します。低速自動運転車が使用される部門および場所。
低速自動運転の開発は多くの資本の支持も得ており、2021年に国内外の自動運転業界は200件以上の重要な資金調達イベントを明らかにしており、そのうち70%近くが低速度自動運転の-スピード自動運転製品およびソリューションプロバイダーが融資を受け、300億元から開始。約70件の資金調達のうち、外国企業9社、中国企業39社を含む47件が外国企業からの資金提供であった。
金融会社の地域分布
低速自動運転の開発の見通しは非常に広い, そしてその理由は次のとおりです主に、低速自動運転は消費者にとって多くの問題を解決するためです. たとえば、低速自動運転は速達のラストワンマイルの問題に優れた解決策を提供します. 手動使用の高コストと比較してラストワンマイルの輸送に労働力を投入したり、ラストワンマイルを消費者に届けるためにエクスプレスロッカーを使用したりすることもできますが、これらのソリューションのどれもラストワンマイルの問題を完全に解決することはできませんが、低速自動運転の出現はその仕事をうまく完了させることができます。モバイルアプリを通じてラストマイルを設定し、配達時間中、低速自動運転輸送車は時間通りに速達便を階下または玄関先まで届けることができ、速達便の人手による輸送の時間とコストを節約し、配達の手間を省くことができます。消費者が速達便を受け取るために速達キャビネットに行く必要性。
しかし、低速自動運転の開発プロセスには、まだ多くの課題が残されています。最も重要なのは、低速自動運転の利用シナリオの制限であり、低速自動運転車を地域で公開する際には、現場の十分な情報(道路情報、交差点情報、建物情報など)をスキャンする必要がある。低速自動運転 走行車両はスキャンした現場によく馴染み、自動運転機能を十分に実現できますが、場面が変わると低速自動運転車両は環境に適応できなくなります。何かにつかまらなければ歩けない子供と同じで、何かにつかまらなければ歩けなくなるかもしれません。つまり、低速自動運転車はインテリジェントではなく、固定されたシナリオでのみ自動運転の能力を最大限に発揮できます。
低速自動運転は、高速自動運転の開発にも多くの技術的参考になります。例えば、自動運転車では、ハードウェア、ソフトウェア、アルゴリズム、通信などのさまざまな技術が統合されます。レーダー、ミリ波レーダー、衛星測位、慣性航法などのハードウェア機器は低速自動運転車にも使用され、知覚、測位、計画、意思決定、データ保存などの技術も適用されます。自動車産業チェーンにおける制御シャーシ技術はすべて、低速自動運転車で普及しています。
高速自動運転
高速自動運転と低速自動運転の主な違いは、速度と利用シーンです。自動運転のスピードは人間が運転する車と同じであり、田舎道、都市部の道路、高速道路などあらゆるシナリオで運転でき、人間のドライバーが車を運転するレベルに達するか、それを超えることさえあります。
前述したように、高速自動運転の開発には、ライダー、ミリ波レーダー、衛星測位、慣性航法などのハードウェア機器の使用が不可欠であり、認識、測位、計画、意思決定、データストレージなどのテクノロジーやその他のアプリケーション、高速自動運転車がより安全に走行できるようにするには、高精度地図、GPS 測位などのテクノロジーの恩恵も必要です。自動運転車が複数のシナリオや複数の範囲で運転できるようにするため、インテリジェント ネットワーク テクノロジーの適用も重要になってきています。
現段階では、高速自動運転の開発はまだテスト段階にあり、高速自動運転技術が成熟し続ける中、インテリジェントネットワーク接続のパイロット実証が行われます。エリア、スマートカー、知恵 交通デモンストレーションエリア、国家レベルの車両インターネットパイロットエリア、地方レベルの車両インターネットパイロットエリアおよびその他の会場が段階的にオープンされ、高速自動運転車の使用シナリオが増加します。 2021年7月、北京ハイレベル自動運転実証ゾーン推進ワーキンググループは、北京インテリジェントコネクテッドビークル政策パイオニアゾーンが自動運転高速テストシナリオを正式にオープンし、最初の企業が高速道路テストの通知を取得して実施できるようになったと発表した。パイロットテスト、開通 北京-台湾高速道路(五環路~六環路)の北京区間の往復10km区間で、事前の路上試験と検証を実施、これも国内初の高速自動運転であるテストセクションは、将来の高速自動運転の開発にさらなる可能性をもたらします。
高速自動運転の開発は、低速自動運転ほど急速ではありません。主な理由は、高速自動運転の導入については、より多くの検討が行われるためです。自動運転の高速化には利用シナリオが固定されており、シナリオは比較的シンプルです。高速自動運転は交通環境に直接関与し、複雑な交通シナリオに対応する必要があり、ゴーストプローブや赤信号の歩行者などの緊急事態にも柔軟に対応できる必要がある 高速自動運転の技術レベルが満たせるかどうか事故が発生すると、乗員や歩行者に生命の危険を与えたり、交通環境に影響を及ぼす可能性があります。また、高速自動運転に対する消費者の認識は一貫しておらず、交通法規の制定においても高速自動運転に関する具体的な基準要件が定められておらず、こうした一連の問題が高速自動運転の開発を引き起こしている。高速自動運転はまだ初期段階にあります。
以上が低速自動運転と高速自動運転を1つの記事で解説しましょうの詳細内容です。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。

StableDiffusion3 の論文がついに登場しました!このモデルは2週間前にリリースされ、Soraと同じDiT(DiffusionTransformer)アーキテクチャを採用しており、リリースされると大きな話題を呼びました。前バージョンと比較して、StableDiffusion3で生成される画像の品質が大幅に向上し、マルチテーマプロンプトに対応したほか、テキスト書き込み効果も向上し、文字化けが発生しなくなりました。 StabilityAI は、StableDiffusion3 はパラメータ サイズが 800M から 8B までの一連のモデルであると指摘しました。このパラメーター範囲は、モデルを多くのポータブル デバイス上で直接実行できることを意味し、AI の使用を大幅に削減します。

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
