無人運転の現状と展望を簡潔に解説した記事
科学技術の発展と人々の生活水準の継続的な向上に伴い、無人運転技術は徐々に人々の生活に入り込んでおり、伝統的な自動車産業もある程度の影響を受けています。テスラとBYDを例に挙げると、多くの自動車会社や百度などのインターネット企業も、無人運転技術の研究開発を開始しているか、その準備を進めています。
しかし、技術の未熟さにより、事故が多発し、膨大なデータの収集に起因するプライバシーの漏洩が研究開発担当者を悩ませており、現在、その数は多くありません。ユーザー。無人運転システムの知覚、認識、意思決定システムには依然として一定のボトルネックがあり、全体的な安定性と信頼性を改善する必要があります。自動運転が大規模利用の段階に入り、安全率が一定のレベルに達して初めて、自動運転が真の実用化に達するかどうかを検証することができます。
国家政策の支持と地球温暖化の傾向に基づいて、自動運転技術はあらゆる階層で推進されており、将来的には人々の主要な移動手段となるでしょう。しかし、まだまだ道のりは長いです。
1 はじめに
1.1 無人運転の定義
無人運転は、移動可能な屋外の一種です。輸送におけるロボットの応用。無人運転技術には、コンピューター、通信、測位、識別、マシンビジョン、人工知能などの高度な技術の組み合わせが必要です。無人車両システムは、環境認識、計画と意思決定、多段階の運転支援機能等を統合した総合的なシステムであり、車両と道路の一体化を十分に考慮し計画を調整する車両システムです。高度道路交通システムの重要な部分です。
#1.2 国内外の開発状況と動向
1.2.1 国内外の開発状況
(1) 国内の開発状況
中国政府は無人運転技術の研究開発を重視しており、早くも上期から2015年、国務院は「中国製造2025」文書を発表し、2020年までにインテリジェント支援運転の全体的な技術と主要技術を習得し、インテリジェント支援運転の独立した研究開発システムと生産支援システムを構築すると述べた。当初はコネクテッドカーの確立が予定されているが、現時点ではその目標はほぼ完成したように見える。 2025年までに、自動運転の総合技術と主要技術を習得し、インテリジェントコネクテッドカー向けの比較的完全な独立研究開発システム、生産支援システム、産業クラスターを確立し、自動車産業の変革と高度化を基本的に完了する。
今年上半期、Baidu Luobo Kuaipao は中国初の公道無人有人サービスライセンスを取得し、無人運転が可能になりました。このサービスは北京市宜庄市の公道で、運転席に誰も乗っていないときに行われる。
図 1-1 Baidu Apollo が滄州で自動運転の有人テストを正式に開始
## 現在、百度やBYDなど多くの国内企業も自動運転車の研究開発に力を入れている。複雑な道路状況、歩行者で混雑した道路、雨や雪の天候での運転など、自動運転技術を悩ませる多くの実際的な問題も、研究開発チームの努力によって解決されているか、解決される予定です。
(2) 海外開発の現状
中国と比較して先進国無人運転車の研究は 1970 年代に始まり、現在米国とドイツが第一段階にあります。マサチューセッツ工科大学やカーネギーメロン大学など、米国の一部の有名大学も研究開発に投資しており、1980年代に自動運転車の研究を始めた。しかし、技術的なボトルネックとハードウェア レベルの制限により、各国が徐々に研究の焦点を比較的単純な問題を抱えていた高速道路での民間車両の運転支援プロジェクトに移すようになったのは 1980 年代後半から 1990 年代前半になってからでした。
2010 年、Google は 7 台の自動運転車を開発し、実際の都市路走行テストを実施しました。これらの自動運転車は正しく動作し、優れた認識能力と高度な人工知能を備えており、信号機、歩行者、車両を自動的に認識できます。ネバダ州、フロリダ州、カリフォルニア州は、特に自動運転車を対象とした法律を制定し可決した。 1.2.2 発展動向 発展動向の観点から、今後の科学技術の発展誰もやらない 運転は重要な開発方向になる 自動運転技術は巨大な産業チェーンに関わる 各国や大手ハイテク企業による自動運転技術の研究開発の過程で 持続可能な発展を促進するだけでなくグリーン開発は自動車産業の持続的発展を促進するだけでなく、他の分野の発展も促進します。 かつては自動運転車私たちの日常の車両や道路交通システムに完全に統合されると、社会全体に多大な経済的利益をもたらします。ちなみに、中国では毎年20万件以上の交通事故が発生しており、直接的な経済損失は12億元を超えている。自動運転車は事故を10%しか減らせないとしても、1億2000万元を節約できる。 工場の稼働率と生産性を向上させるために、当初は自動運転車両が従来の公園物流車両やコミュニティエクスプレス三輪車に取って代わり、現在の物流システムが最初に影響を受ける可能性があります。自動運転車が作業を引き継ぎ、ドライバーに十分な休憩時間を与え、人材を他の産業の建設に振り向けることができる。自動運転技術を搭載したあらゆる自動車、特殊車両、モバイル機器をネットワークシステムに接続できます。このネットワークシステムでは、巨大なネットワーク効果により、単位時間当たりの運用コストが大幅に削減されます。 図 2-2 人為的交通事故要因 統計によると、交通事故の 90% は人的ミスによって引き起こされており、そのうちのかなりの割合を注意力散漫、疲労、飲酒運転、スピード違反が占めています。毎年、世界中で130万人が交通事故で亡くなり、中国だけでも6万人以上が亡くなっています。自動運転車は人的ミスによって引き起こされる事故をすべて排除し、実際に事故率を大幅に削減します。 海外では、元ロシア通信社の報道によると、ロシア運輸省のキリル・ボグダノフ副大臣は、ロシア国内で自動運転車が走行するようになるまでに、2030年までに自動車の台数は2020年までに減少すると述べた。国内の交通事故死亡者数を8%減らすことができる。ボグダノフ氏は、「自動運転車がロシアの道路に普及すれば、2030年までに交通事故による死亡者数は8%減少する可能性がある。自動運転トラックの使用により、コストが15%削減され、貨物輸送速度が25%向上する可能性がある」と述べた。この数字は運輸省によって計算され、作成されたデジタル変革戦略に書き込まれており、当社は経済界、運送会社、研究開発関係者と協力して、ロシア政府によって以前に承認された「無人物流回廊」プロジェクトの実施に着手しました。 " 自動運転車を実現する最良の方法は、純粋な電気や燃料電池を含む電動化です。現在、テスラ、NIO、BYD、その他多くの新エネルギー車会社など、特殊車両が国内外で登場しています。燃料を燃やす車両がすべての汚染の原因であるわけではありませんが、依然として主要な原因の 1 つです。ガソリン車は、高速走行時のブレーキ時や再加速時により多くの排気ガスを排出します。電気自動車は真に排出ガスを出さないわけではありませんが、実際の排出量は依然として大幅に削減されています。 自動運転車は加速、ブレーキ、シフト操作も最適化されており、燃料効率の向上と温室効果ガス排出量の削減に貢献します。コンサルティング会社マッキンゼーは、自動運転車は航空業界の二酸化炭素排出量の半分を占める年間3億トンの温室効果ガス排出削減に貢献できる可能性があると述べた。 我が国を例に挙げると、その国で車を運転するには、その国の自動車運転免許証を持っている必要があります。ただし、現在、色覚異常、高齢者、障害者などの特殊なグループが存在しており、我が国の権威ある省庁の統計によると、我が国の色覚異常者の数は数千万人を超えています。私の国の高齢者(60歳以上)は2億4,949万人で、総人口に占める割合は17.9%です。一部の学者は、高齢者人口は 2050 年までに 4 億 8,000 万人に達すると予測しています。社会の高齢化は経済、医療、年金の保障に影響を与えるだけでなく、交通システムにも大きな課題をもたらします。 図 2-3 Google Firefly 自動運転車に乗る盲目の Steve Mahan さん #このタイプの人々は、身体的要因により自動車運転免許を取得できません。無人運転技術はこのタイプの人々の移動に役立ち、技術が成熟すれば、自分自身や他人に危険を及ぼすことはなくなります。 自動運転車は周囲の他の車両を検出して通信し、ランダムに停止、車線変更、交通を行うことができます。渋滞 この動作は過去のものとなり、交通がより秩序正しくなり、低速での小さな傷や衝突が回避されます。対応する車両の速度は現在よりも速くなり、人々の移動効率はより高くなります。 図 2-4 人的要因によって引き起こされる交通渋滞 2.6 駐車問題の解決 3 ドライバーレス技術の欠点 3.2 衛星ナビゲーション技術への過度の依存 図 3-1 テスラ電気自動車は地下ガレージのネットワークに接続できません 米国投資銀行モルガン・スタンレーによると、自動運転車はカメラ、レーダー、その他のセンサーから1時間あたり最大40テラバイトのデータを生成し、このデータを使用して道路を走行する。これは、3,000 年間にわたって iPhone によって収集されたデータの合計です。ほとんどの新しい車にはダッシュボードの下にモデムが取り付けられており、携帯電話にサービスを提供するのと同じタワーからデータを受信しますが、カバレッジが不均一になる可能性があり、これが自動運転車が直面する最大の課題の 1 つです。 自動運転車の信号が妨害されたり、中断されたりすると、自動運転は不可能になります。 自動運転車を実現する最良の方法は電動化ですが、現在、路面電車の充電杭が一部の地域に分散されています。国内都市ではガソリンスタンドに比べて密度が低く、また、電気自動車の充電時間はガソリン車に比べて大幅に長いため、充電スタンドに長蛇の列ができることが多く、ユーザーエクスペリエンスが大幅に低下しています。 図 3-2 路面電車の充電パイル さらに、多くのインフラ問題の影響を受ける国。たとえば、インドでは道路が最大の課題です。走行道路の悪さは自動運転車にとって課題となります。自動運転車には、予測可能な道路と明確に定義された車線が必要です。道路標識や設計が不十分なため、半自動運転車または完全自動運転車がこれらの道路を走行することは困難です。事故のリスクが高まり、コンピューターアルゴリズムが誤った決定を下すという重大なリスクが生じます。 有名な世界的なビジネス コンサルティング組織である IHS Global Insight の予測によると、今後 10 年間は15 年後には自動運転車の台数は増加し、徐々に 9.2% まで増加し、100 台の車につき少なくとも 9 台の自動運転車が搭載されるでしょう。従来の車両と自動運転車が共存する段階では、自動運転車の実用性、信頼性、安全性が最大の課題となります。 自動運転車と従来の自動車を調和的に共存させ、両者間の事故の可能性を減らし、自動運転車を推進しながら従来の自動車への影響を可能な限り軽減する方法道路は技術者が現在克服しなければならない大きな問題でもあります。自動運転技術が成熟し、自動運転車の市場シェアが拡大すれば、それに応じてこの問題も軽減されるでしょう。 他の産業の発展と同様、自動運転技術の開発にも何年にもわたる開発とテストが必要です。現段階ではコストが高く、権威ある機関の試算によれば、現在実験中の自動運転車のコストは約30万ドルと高く、中国では300万元以上に達する可能性もある。時間が経つと、自動運転車の人気と自動運転車会社間の健全な競争により、自動運転車の価格が大幅に引き下げられる可能性があります。 現在、国内外で自動運転技術が急速に発展し、自動車もますます高度な技術を搭載し、多くの問題を解決しています。人々が日々の移動や日常生活で直面する課題を解決し、自動運転車が社会に普及することで、通勤・通学の必要性が解消されるだけでなく、周辺地域に住む人々もより便利に教育を受けられるようになります。医療やエンターテイメントなどのサービスを支えることで、この社会はますます良くなり、人々の生活はより良くなります。 しかし、現在の無人運転技術はまだ成熟しておらず、科学研究者が克服しなければならない技術的問題がまだ多くありますが、近い将来、それらの問題は解決されると信じています。無人自動車を人間が本当に利用できるようにすること。 2 無人運転技術の利点
2.1 経済的利点
2.2 事故率の削減
2.3 環境と大気の質を改善する
2.4 特別なグループの旅行を促進する
2.5 より多くの時間を節約します
自動運転車の普及により、駐車場を探す必要がなくなりました。目的地に到着すると、自動的に最適な駐車場所を見つけます。自動運転車を購入することにした場合でも、自動運転車が駐車スペースを見つけることができるため、駐車スペースを見つけることを心配する必要はありません。これは都市に大きな影響を与えます。バンク・オブ・アメリカの最近の報告書によると、現在、都市部の 31% が駐車場専用になっています。車の所有者が減少すると、駐車スペースの必要性が減り、駐車スペースが住宅地に転用される可能性があります。
3.1 ハッカー攻撃
現実にはハッカーが存在します。人間が運転する乗り物へのハッキング。 2014年にはハッカーが車のデジタルサービスシステムの脆弱性を悪用して220万台の車のドアを遠隔操作で開け、2015年にはハッカーが走行中の車を遠隔攻撃して減速やブレーキなどのチェックを行い、その結果世界中で140万台の車が失われた。自動車はリコールされました。2016 年、ハッカーが自動車アプリの脆弱性を悪用してドライバー情報を取得し、自動車の電力を消耗した後、メーカーはハッカーの再侵入を防ぐために直ちにアプリを無効にしました。
従来の自動車産業と比較して、自動運転は多くの技術的手段を使用し、すでに設計されたプログラムと人工知能チップによって制御されます。すべての自動化システムは、攻撃を受けたり、エラーやバグによってクラッシュしたりするリスクにさらされています。絶対的なシステムなどありません。ハッカーが車両システムに侵入できれば、車両を制御してあらゆる動作をさせることができ、乗客の生命や財産が脅かされる可能性があります。
自動車メーカーは、次世代の破壊的な自動車技術を模索しています。たとえば、イーロン・マスク氏の宇宙企業スペースXは、軌道上に衛星を分散させている。これらは、運転に必要な膨大なデータを処理するための重要なツールになります。
3.3 高速道路インフラのサポートが不十分
3.4 移行段階の問題
3.5 現在のコストは高すぎます
4 結論と展望
以上が無人運転の現状と展望を簡潔に解説した記事の詳細内容です。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









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。

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。

この論文では、自動運転においてさまざまな視野角 (遠近法や鳥瞰図など) から物体を正確に検出するという問題、特に、特徴を遠近法 (PV) 空間から鳥瞰図 (BEV) 空間に効果的に変換する方法について検討します。 Visual Transformation (VT) モジュールを介して実装されます。既存の手法は、2D から 3D への変換と 3D から 2D への変換という 2 つの戦略に大別されます。 2D から 3D への手法は、深さの確率を予測することで高密度の 2D フィーチャを改善しますが、特に遠方の領域では、深さ予測に固有の不確実性により不正確さが生じる可能性があります。 3D から 2D への方法では通常、3D クエリを使用して 2D フィーチャをサンプリングし、Transformer を通じて 3D と 2D フィーチャ間の対応のアテンション ウェイトを学習します。これにより、計算時間と展開時間が増加します。

著者の個人的な考えの一部 自動運転の分野では、BEV ベースのサブタスク/エンドツーエンド ソリューションの開発に伴い、高品質のマルチビュー トレーニング データとそれに対応するシミュレーション シーンの構築がますます重要になってきています。現在のタスクの問題点に対応して、「高品質」は 3 つの側面に分離できます。 さまざまな次元のロングテール シナリオ: 障害物データ内の近距離車両、車両切断中の正確な進行角、車線などラインデータ 曲率の異なるカーブやランプ・合流・合流などの撮影が難しいシーン。これらは多くの場合、大量のデータ収集と複雑なデータ マイニング戦略に依存しており、コストがかかります。 3D 真の値 - 一貫性の高い画像: 現在の BEV データ取得は、センサーの設置/校正、高精度マップ、再構成アルゴリズム自体のエラーの影響を受けることがよくあります。これが私を導いた

19 年前の論文を突然発見 GSLAM: A General SLAM Framework and Benchmark オープンソース コード: https://github.com/zdzhaoyong/GSLAM 全文に直接アクセスして、この作品の品質を感じてください ~ 1 抽象的な SLAM テクノロジー近年多くの成功を収め、多くのハイテク企業の注目を集めています。ただし、既存または新たなアルゴリズムへのインターフェイスを使用して、速度、堅牢性、移植性に関するベンチマークを効果的に実行する方法は依然として問題です。この論文では、GSLAM と呼ばれる新しい SLAM プラットフォームを提案します。これは、評価機能を提供するだけでなく、研究者が独自の SLAM システムを迅速に開発するための有用な方法を提供します。

この四角い男性は、目の前にいる「招かれざる客」の正体について考えながら眉をひそめていることに注意してください。彼女が危険な状況にあることが判明し、これに気づくと、彼女は問題を解決するための戦略を見つけるためにすぐに頭の中で探索を始めました。最終的に、彼女は現場から逃走し、できるだけ早く助けを求め、直ちに行動を起こすことにしました。同時に、反対側の人も彼女と同じことを考えていた……『マインクラフト』では、登場人物全員が人工知能によって制御されている、そんなシーンがありました。それぞれに個性的な設定があり、例えば先ほどの女の子は17歳ながら賢くて勇敢な配達員です。彼らは記憶力と思考力を持ち、Minecraft の舞台となるこの小さな町で人間と同じように暮らしています。彼らを動かすのはまったく新しいものであり、

9 月 23 日、論文「DeepModelFusion:ASurvey」が国立国防技術大学、JD.com、北京理工大学によって発表されました。ディープ モデルの融合/マージは、複数のディープ ラーニング モデルのパラメーターまたは予測を 1 つのモデルに結合する新しいテクノロジーです。さまざまなモデルの機能を組み合わせて、個々のモデルのバイアスとエラーを補償し、パフォーマンスを向上させます。大規模な深層学習モデル (LLM や基本モデルなど) での深層モデルの融合は、高い計算コスト、高次元のパラメーター空間、異なる異種モデル間の干渉など、いくつかの課題に直面しています。この記事では、既存のディープ モデル フュージョン手法を 4 つのカテゴリに分類します。 (1) 「パターン接続」。損失低減パスを介して重み空間内の解を接続し、より適切な初期モデル フュージョンを取得します。
