大規模商業利用が目前、自動運転には「大きな未来」がある
自動運転は現在、自動車業界の主要な開発方向の 1 つとなっており、社会全体が注目している技術的提案でもあります。主流の自動車メーカーが自動運転技術を研究している一方で、この産業の発展は一部の学者の注目も集めています。
6月17日夜、著名な経済学者レン・ゼピン氏の「希望に火をつけろ - 中国経済の新たな機会を求めて」をテーマにした講演が北京衛星テレビで放送された。新しい経済、新しいインフラ、新しい機会、および誰もが一般に関心を持っているその他の経済トピック。経済学者のレン・ゼピン氏は番組の中で、自動運転には「素晴らしい未来がある」と信じていた。
自動運転開発の機会
「ダブルカーボン」目標によって、電気自動車業界は急速に発展しています。 2021年末時点で、国内の新エネルギー車の台数は784万台に達した。自動車産業の電動化は自動運転技術の成長の土壌となっています。さらに、政策の実施は自動運転産業の発展の方向性も示します。
より強力な認識機能で都市部の渋滞を効果的に緩和
自動運転には、多くの面で従来の運転に比べて明らかな利点があります。 1つ目のポイントは、自動運転は人間の運転に比べて知覚力が強く、反応時間が短いことに加え、IoTに接続して車両のインターネットによる安全サービスを強化できることです。疲労運転などの人間のドライバーの行為がなく、長距離運転時の安全率が高くなります。
2つ目のポイントは、人件費を節約できることです。自動運転技術の助けを借りて、人々は困難な運転作業から解放され、解放された多くの時間をより多くの社会的価値の創造に活用することができます。
都市部の交通渋滞を緩和するのが3つのポイントです。交通渋滞は多くの都市の発展において問題となっています。都市部の車両の増加に加えて、交通渋滞はドライバーの不適切な運転行動にも関係しています。技術レベルでは、自動運転は渋滞や失速などの要因による交通渋滞を効果的に軽減し、現在の道路状況に基づいて最適なルートを自動的に計画し、渋滞の悪化を回避します。
車両検知能力は限られており、天候に大きく影響されます
現時点では、自動運転技術はまだ成熟していませんイスラエルのセンサースタートアップArbe RoboticsのCEOであるコービー・マレンコ氏は、レーダーの解像度と車両の検知能力が向上し、センサーの性能は雨や霧の天候に大きく影響されます。実際、現在の自動運転技術はセンサーの感知能力に大きく依存しています。統計によると、スマートカーには通常、数十から数百のセンサーが搭載されています。これらのセンサーは連携してスマート カーの認識ネットワークを形成し、スマート カーの自動運転の技術サポートを提供します。
テクノロジーが発展し続ける一方で、自動運転に関連する基準も常に改善されており、自動運転に対する明確な責任が焦点となっています。
2022年3月に施行される「自動車運転自動化のグレード分け」では、自動運転レベルを5つのレベルに分け、各レベルでドライバーが負うべき運転責任を明確にしています。運転業務はドライバーと運転自動化システムの連携が必要であり、ドライバーは緊急事態に対する責任を負い、車両の安全を確保するために必要に応じて運転に介入する必要があります。
L3レベル自動運転の実用化が加速
2020年以降、自動運転タクシーが北京や上海など複数のインテリジェントネットワーク実証区で試験運用され、多くの消費者の視線を集めている。人。
現在、SAIC、Baidu、Didi、T3 Travel、Pony.ai、WeRide など多くの企業の自動運転タクシーが試験的な商用運行を開始しています。これらの自動運転タクシーの無人運転技術はまだL3レベルにあるが、一部の企業はすでにより高いレベルの自動運転技術を模索していることは注目に値する。 2022年1月20日、Pony.aiは、L4車レベルの量産向けに設計された第6世代自動運転ソフトウェアおよびハードウェアシステムの外観デザイン、センサー、コンピューティングプラットフォームソリューションを初めて公開した。今年中国で路上試験が始まり、2023年上半期には自動運転旅行サービスの日常運用が開始される予定だ。
将来的には、センサーやモノのインターネット技術の継続的な進歩と開発、L4自動運転技術の推進、ネットワーク情報セキュリティ構築の継続的な改善により、アプリケーションの適用範囲はさらに拡大することが予想されます。自動運転はさらに拡大していきます。
以上が大規模商業利用が目前、自動運転には「大きな未来」があるの詳細内容です。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









サムスンは7月17日にSamsung Galaxy Ringの国内版を正式にリリースし、価格は2,999元となった。 Galaxy Ring の実際の電話は、まさに「WowAwesome、これは私だけの特別な瞬間です」の 2024 年バージョンです。 AppleのVision Proを除けば、近年で最も新鮮さを感じさせる(フラグっぽいですが)電子製品です。 (写真では左右のリングがGalaxy Ring↑) Samsung Galaxy Ringの仕様(データは中国銀行公式サイトより):ZephyrRTOSシステム、8MBストレージ、10ATM防水+IP68、バッテリー容量18mAh~23.5 mAh (さまざまなサイズ

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

最近、iPhone SE4に関する新しいニュースがWeiboで明らかになりました。iPhone SE4の背面カバーのプロセスはiPhone 16の標準バージョンとまったく同じであると言われています。つまり、iPhone SE4はガラスの背面パネルとストレートスクリーン&ストレートエッジデザイン。 iPhone SE4は今年9月に前倒しして発売されると報じられており、iPhone 16と同時に発表される可能性が高い。 1. 公開されたレンダリングによると、iPhone SE4の前面デザインはiPhone 13と似ており、ノッチスクリーンに前面カメラとFaceIDセンサーが搭載されています。背面はiPhoneXrと同様のレイアウトを採用していますが、カメラは1つだけで、全体的なカメラモジュールはありません。

昨日の記事では「センサーサイズ」について言及していませんでしたが、ここまで誤解が多いとは思いませんでした…1インチってどれくらいですか?歴史的な問題*により、カメラでも携帯電話でも、センサーの対角長の「1インチ」は25.4mmではありません。 ※真空管に関して言えば、ここでは膨張はありません。線路の幅を決めるのは馬のお尻のようなものです。誤解を避けるために、より厳密に書くと、「タイプ 1.0」または「タイプ 1.0」となります。また、センサーサイズが1/2型未満の場合はタイプ1=18mm、センサーサイズが1/2型以上の場合はタイプ1=18mmとなります。

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

目標検出は自動運転システムにおいて比較的成熟した問題であり、その中でも歩行者検出は最も初期に導入されたアルゴリズムの 1 つです。ほとんどの論文では非常に包括的な研究が行われています。ただし、サラウンドビューに魚眼カメラを使用した距離認識については、あまり研究されていません。放射状の歪みが大きいため、標準のバウンディング ボックス表現を魚眼カメラに実装するのは困難です。上記の説明を軽減するために、拡張バウンディング ボックス、楕円、および一般的な多角形の設計を極/角度表現に探索し、これらの表現を分析するためのインスタンス セグメンテーション mIOU メトリックを定義します。提案された多角形モデルの FisheyeDetNet は、他のモデルよりも優れたパフォーマンスを示し、同時に自動運転用の Valeo 魚眼カメラ データセットで 49.5% の mAP を達成しました。

純粋に視覚的な注釈ソリューションでは、主に視覚に加えて、GPS、IMU、および車輪速度センサーからのデータを動的注釈に使用します。もちろん、量産シナリオでは、純粋な視覚である必要はありません。一部の量産車両には固体レーダー (AT128) などのセンサーが搭載されています。大量生産の観点からデータの閉ループを作成し、これらすべてのセンサーを使用すると、動的オブジェクトのラベル付けの問題を効果的に解決できます。しかし、私たちの計画には固体レーダーはありません。したがって、この最も一般的な量産ラベル ソリューションを紹介します。純粋に視覚的な注釈ソリューションの中核は、高精度のポーズ再構築にあります。再構築の精度を確保するために、Structure from Motion (SFM) のポーズ再構築スキームを使用します。でもパスする
