10年以内に自動運転は普及するでしょうか?
Zhihu で次の質問を見ました: 無人運転は 10 年以内に普及しますか?そして、今でも運転免許を学ぶ必要があるかどうかを尋ねました。これは自動運転の実用化の可能性や、自動運転が実現した後に私たちの生活がどのように変化するかに関わる非常に興味深い質問です。この問題には普遍化という概念も含まれており、議論する価値のある問題でもある。スマートドライビングフロンティアはこの課題からスタートし、皆様と議論していきます。
自動運転はスマートトラベル、スマート交通、スマートシティに関連しており、今後の発展の大きなトレンドであるとともに、社会のライフスタイルを変える技術革新でもあります。自動運転とは、一言で言えば、自動車制御の役割の変化です。現在、私たちの移動プロセスは人間の役割と完全に切り離せません。自動車、バイク、電気自動車、自転車など、すべてに人間が必要です。これらの駆動ツールは、移動プロセスをスピードアップし、長距離移動をより速く、より便利にするためによく使用されます。しかし、このような移動プロセスでは人の手が自由になるわけではなく、移動中は交通状況の観察に多くの時間を費やす必要があり、タクシーを利用する場合でも、ドライバーの役割は人間であることに変わりはありません。彼は旅行中の交通状況を観察するだけであり、そのタスクは運転手に引き継がれますが、実際には輸送プロセスへの人々の参加を減らすものではありません。
自動運転の概念は、人々が交通に参加する際に交通状況を観察する必要性を根本的に解決し、人々が交通を制御する役割から解放され、娯楽や休憩により多くの時間を費やすことができるようになります。自動運転という概念は近年提唱されたものではありませんが、技術はここまで発展しており、普及の可能性はまだなく、今後10年以上もかかる可能性があります。社会的受容に関連する多くの問題は、「単純な」技術的実装ではなく、より社会的発展に関連しています。これは最も困難で、最も解決が容易ではない問題である可能性があります。
元の質問に戻ります。「無人運転は 10 年以内に普遍化できるか?」という概念があります。無人運転とはどのようなタイプを指しますか?自動運転は技術的には低速自動運転と高速自動運転に分けられ、速達や食品の配達、密閉された場所での送迎などに使われる自動運転が低速自動運転です。公園、レストラン、キャンパスなど、自動車を運転するこのタイプの無人運転には、密閉性と低速といういくつかの特徴があります。このタイプの無人運転ツールは、作業範囲が固定されており、走行経路が比較的固定されており、走行速度は一定です。作業工程中の消費電力も低く、テイクアウトや特急配送など、人々のラストワンマイルの問題を解決します。
テクノロジーの発展により、低速自動運転はますます普及し、一般的な食品配達や速達配達に加え、観光地での送迎など、社会のあらゆる側面に応用される可能性があります。観光スポットや港など、物品の輸送や積み込み、採掘資材の輸送や配置など、作業環境が単純で、特に大きな変化がなく、作業距離が比較的短いシナリオが置き換えられます。低速自動運転により、より多くの人が他の複雑なタスクを完了できるようになり、人的資源を最大限に活用できます。
ただし、高速自動運転の方向性としては、低速自動運転ほど早くは実現しない可能性があり、実際に高速自動運転が実現すれば、人を乗せるだけで済むようになるでしょう。現在道路を走っている車のように、長距離、さまざまなシーンでのアクティビティを実現します。高速自動運転の概念では、自動運転車も人間のドライバーと同じようにさまざまな交通状況を判断し、突発的な問題が発生する交通環境に迅速に対応できる必要がありますが、これは非常に困難です。
自動運転の道路状況の判断と行動の意思決定は、主に書かれたコードに基づいて行われます。書かれたコードは、特定の交通状況に遭遇したときの自動運転車の応答を決定します。運転 コードの制約なしに人間のドライバーと同じ思考で車を運転することは技術的に不可能です。
高速自動運転の開発には、「単車インテリジェンス」と「車路連携」の 2 つのタイプがあります。「単車インテリジェンス」の開発モデルはコストが高いため、車が自動運転を実現するにはより多くの技術が必要です。完全走行の実現には設計期間が長いだけでなく、設計コストが社会に受け入れられるかどうかも設計段階で考慮する必要がある。車の運転は効果的に減らすことができますが、道路の整備やインターネット速度の向上など、まだいくつかの問題があります。
また、現行の交通法規も「人」を基準としたものであり、「人」が交通に参加する際に生じる問題についてもより考慮されており、現段階では自らを対象とした法規制は存在しない。低速自動運転については、高速自動運転は「人を乗せる」ことが主な目的であるため、乗員の安全を確保するためにさらなる法規制が必要となります。策定された法律や規制が自動運転車の普及に向けた要件を確実に満たすためには、考えられるすべての問題を考慮した議論と計画を立てるために、より多くの時間が必要です。こうした一連の制約を総合すると、自動運転の普及はさらに困難になるだろう。
質問では、自動運転があらゆるところで見られるようになり、移動手段もすべて自動運転車となる普遍化についても触れられましたが、自動運転の実現については議論する価値のある課題があります。自動運転車と人間のドライバーが運転する車が共存する段階は来るのでしょうか?この段階がある場合、自動運転車と人間のドライバーが運転する車は別々に運転する必要があるのでしょうか、それとも同じ道路を直接共有する必要があるのでしょうか?もしそのような段階があるとしたら、自動運転車の割合がどのくらいの割合に達したとき、自動運転は普遍的なものとみなされるのでしょうか?
自動運転が実現すると、自動運転車と人間が運転する車が共存する段階が訪れるのでしょうか?現在、多くの自動車メーカーは、自社技術の進歩を社外にアピールする際の入り口として、先進運転支援システムを活用していますが、この種の先進運転支援は無人運転を意味するものではなく、単に運転コストを削減する手段にすぎません。運転疲労は、運転の安全性を高めるための補助ツールであり、SAE の L5 要件を完全に満たす場合にのみ、真の自動運転と見なされます。駆動車両が共存します。
自動運転車が本格的に実用化されたとしても、人間が運転する車を無人運転車に直接置き換えることはできません。したがって、自動運転車が発売されると、自動運転車と人間が運転する車が共存する段階が必ず現れるでしょう。スマートフォンの普及初期と同じように、スマートフォンであってもフィーチャーフォンを使用している人は依然として多い フィーチャーフォンは長年にわたって普及しており、今でも多くの人が使用しています。
自動運転車と人間のドライバーが共存する場合、自動運転車専用のレーンを設ける必要はあるのでしょうか?スマートフォンの初期にはスマートフォンを使用する人が一般に少なかったのと同様に、自動運転技術の初期には、交通に参加する自動運転車はそれほど多くありませんでした。専用レーンの設定には非常に時間と労力がかかります。 - 集中的かつコストがかかる理由は、ドライバーが到達できるすべての場所に自動運転車を到達させたい場合、専用車線を開設したい場合、高速道路、都市部の道路、町の道路、道路を含むすべての道路セクションで専用車線を開放する必要があるためです。田舎道でも。したがって、自動運転車の実装後は、自動運転車と人間が運転する車がより多くの道路を共有することになります。自動運転車の実装基準の 1 つは、自動運転車が道路の要件に適応できるかどうかです。交通環境。
#では、自動運転車が普及するとみなされるには、どの程度の割合に達する必要があるのでしょうか?これは測定が難しい基準です。この概念については人それぞれの考えがあります。スマート運転の最前線では、自動運転の普遍化のためには、誰もが自動運転の存在に適応する必要があり、ほとんどの旅行は自動運転になると考えています。自動運転によって提供されます。最初の質問に戻りますが、10 年以内に自動運転は普及するのでしょうか?難しい、非常に難しい、関係する分野が多すぎるため、自動運転の普及にはまだまだ時間がかかり、運転免許の学習は依然として非常に必要です。
以上が10年以内に自動運転は普及するでしょうか?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。

これほど強力なAIの模倣能力では、それを防ぐことは本当に不可能です。 AIの発展は今ここまで進んでいるのか?前足で顔の特徴を浮き上がらせ、後ろ足で全く同じ表情を再現し、見つめたり、眉を上げたり、口をとがらせたり、どんなに大袈裟な表情でも完璧に真似しています。難易度を上げて、眉毛を高く上げ、目を大きく開き、口の形も歪んでいるなど、バーチャルキャラクターアバターで表情を完璧に再現できます。左側のパラメータを調整すると、右側の仮想アバターもそれに合わせて動きが変化し、口や目の部分がアップになります。同じです(右端)。この研究は、GaussianAvatars を提案するミュンヘン工科大学などの機関によるものです。

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
