自動運転の実現にはどれくらいの時間がかかるのでしょうか?
最近、新戦力の車両が「知能運転支援機能をオンにした状態」で重大な交通事故を起こしたという記事がありました(この交通事故について長々と説明してしまいましたが、ご容赦ください)トラブルは絶対に起こしたくない)(路上でのトラブルは)インターネットが普及し、自動運転の技術開発やそれに伴う社会問題が改めて注目されるようになりました。
この事故について、インターネット上の情報から現場の経過をまとめると、おおよそ次のとおりです。 車の所有者Aは、高架上で車を開いた。 ACC(アダプティブクルーズ)とLCC(レーンセンターアシスト)を使用し、一番左の車線を時速80kmで走行中、突然前方に同一車線内に停止していた車両が現れ、その車両の後ろに人Bがいた、オーナーAさん車両はブレーキも回避もせず、停止車両とBさんに直接衝突し、停止車両後方にいたBさんは死亡した…
インターネットによると、事故のオーナーAさんは「運転支援システムをオンにしたが、システムが認識しなかった。その時はたまたま注意力が散漫だった」と話した。
では、事故の責任は誰が負うべきなのでしょうか?事故を起こした車の所有者は?それとも車の設計者と製造者でしょうか?
私はそのような「高度な」インテリジェント運転機能を搭載した車両を購入したことがありませんが、車両のユーザーマニュアルやユーザー契約がどのように書かれているかはわかりませんが、現在の規制によると車両がインテリジェント運転機能を実行する場合、所有者は常に道路状況を監視する責任を負い、常に車両を引き継ぐ準備ができていなければならないのが一般的です。
なぜなら、誰もが広告でどれだけ大声で宣伝しても、現在のスマート運転は決して自動運転とは言えず、単なる運転支援に過ぎないことを誰もがよく知っているからです。運転者に運転支援機能を提供するものであり、運転者に代わる目的を達成することはできない。
「深セン経済特別区インテリジェント コネクテッド ビークル管理規則」第 51 条によると、運転者のインテリジェント コネクテッド ビークルが道路交通安全違反に遭遇した場合、公安機関は管理者に次の措置を講じます。同署は法律に従ってドライバーに対処する。第 54 条は、インテリジェント コネクテッド ビークルによる交通事故により車両自体の欠陥により損害が発生した場合、車両の運転者、所有者、管理者は、所定の補償を完了した後、法律に従って製造者または販売者に補償を請求できると規定しています。 。
上記の規定からわかるように、事故が発生した場合の第一責任者はやはり運転者であり、車両自体に欠陥があることが証明できれば運転者が責任を負います。自動車会社に補償を請求することができます。しかし、一般の消費者はその車両に欠陥があることをどうやって証明できるのでしょうか?
この事故の原因を詳細に分析することは望んでいません。これは設計上のものです。車両自体の欠陥はドライバーの責任であることに変わりはありませんが、今回の事故を起点とした賢い運転の現状を分析したいと思います。
SAE J3016 自動運転分類基準によると、L3 以下のレベルでは、ステアリング、加速、減速などの操作は車両の自動自動運転システムによって処理されますが、人間はドライバーの責任は変わりませんが、路面のあらゆる状況を監視してください。言い換えれば、L3 以下のレベルでは、自動運転システムは単なる補助であり、車両の安全な操作に対する全責任はドライバーにあります。
この役割分担によれば、現在の自動運転技術が成熟から程遠い場合、さまざまなL2.5、L2.9、L2.9など、かなり「創造的」な技術が開発されます。中国の特徴を生かしたネーミング方法。
すべての OEM はさまざまなことを試していますが、自社の自動運転システムが L3 に到達できるとあえて言う人はいません。 L3と宣言すると、L3自動運転状態での事故の責任は自動車会社が負わなければならなくなるからだ。
この状況では、自動車をもっと売るために、誰もが技術力を競い合い、より高度な自動運転機能を継続的に導入しなければならない一方で、逆にL3のボーダーを半歩も越える勇気はない。というのは、L3でない限り、すべての事故は自分には関係のないことですから、少なくとも、いつでも運転できるようにするのがドライバーの責任であると取扱説明書には明記されています。
しかし、実際には、これを別の角度から考えてみましょう。発言や内容の録音を必要としない会議に参加するとき、あなたは居眠りをしたり、見ていたりしませんか?携帯電話、放心状態で... L2 の現在の運転支援機能、システムは警告を発し、道路を注意深く監視するよう通知します。
この状況は、フルタイムのドライバーを見つけて、そのドライバーが運転している間常に監督しなければならないようなものです。危険な状況が発生した場合、プロのドライバーが行動を起こさなかった場合、あなたは時間内に介入する必要があり、さもなければ事故の責任はあなたにあります。
この状況は少し反人間的だと思いますか?自動運転機能付きの車を買う人は自動車学校の教官になりたいのでしょうか?自動運転機能が私たちの全注意力を必要とし、常に全注意力を維持するのが難しいとしても、これらの機能はまだそれほど意味があるのでしょうか?
#私は自動運転技術に反対しているわけではありません。それどころか、私は自動運転技術の開発を強く支持します。将来、自動運転技術が成熟すれば、誰もが時間とエネルギーを大幅に節約できるようになり、交通事故も大幅に減少すると信じています。しかし、現在の自動運転は大規模に普及できるほど成熟していません。高度な自動運転にはほど遠いだけでなく、AEB、LKA、駐車などの基本的な補助機能ですら100%信頼できるわけではありません。
(画像出典: SAE International)
1918 年、サイエンティフィック アメリカン誌は、「自動車運転者の夢: 一連のキーで制御される車」というタイトルの記事を掲載しました。「車」の画像 (下の写真) では、自動運転が示されています。トラム。この記事は、「...将来、ハンドル付きの車は、現在のハンドポンプ付きの車と同じくらい時代遅れになるでしょう!」
# と考えています。
## (画像出典: Scientific American) 過去 100 年近くにわたり、人類は自動運転に興味を持ってきましたが、絶え間ない追求と非現実的な空想により、私は自動運転は20年以内に実現可能であると常々感じています。残念ながら、ステアリングホイールを完全に排除した車がいつ公道を走行できるようになるのか、今日まで正確に言うことは誰にもできません。そして人々はこの夢に近づくにつれて、完全自動運転を実現することの難しさと複雑さをますます認識するようになりました。
自動運転の実現は、車両そのものではなく、交通システム全体の取り組みによって決まります。 OEM や自動運転のサプライヤーだけに依存するのではなく、社会のあらゆる分野の共通の進歩に依存しています。
以下はインスピレーションに満ちた提案です:
1. インテリジェント運転システムの事故データ記録システムの基準を改善する。
この国にはすでに EDR (イベント データ レコーダー、自動車イベント データ記録システム) に関連する規格がありますが、記録できるのは車両に関する基本的な情報のみです。現段階では、インテリジェント運転が失敗するかどうかは依然として自動車会社によって決定されており、効果的な第三者による監督は存在しない。なぜなら、膨大な量の複雑なデータがあるため、何が起こったのかを正確に知ることができるのは自動車会社とそのサプライヤー以外には誰もいないからです。この現象の根本的な理由は、各データの背後にある意味は何か、どのデータをいつ保存する必要があるかなど、関連する内容を備えた詳細な国家標準が存在しないためであり、これらの要件がまだ不足しています。関連機関や協会は自動車 OBD の実践を参考にして、対応する基準をできるだけ早く確立し、継続的に改善することが推奨されます。
#2. 国は、統一的な運転シーンシミュレーションデータベースを構築し、同時に交通事故に関する詳細な情報を注入すべきである。
自動運転アルゴリズムの改善には膨大なデータの蓄積が必要ですが、これだけのデータ蓄積を一企業が短期間で完了することは困難です。各企業が単独で取り組んでいる状況を変え、共創のwin-winの状況を形成し、オープンソースソフトウェアの実践から学ぶことによってのみ、私たちは国全体の力を結集して、真のインテリジェント運転を実現することができます。世界の最前線。
#3. 車両のアクセスに関して、規制当局はできるだけ早くより詳細な試験および認証基準を発行する必要があります。
インテリジェント運転はまだ開発段階にあり、システム ソリューションは多岐にわたりますが、いくつかの基本原理と方法はこの段階でもまだ定義できます。さらに、全国的な運転シーンシミュレーションデータベースが確立されると、クラウド上で新たに認められたすべての車両をテストするためのベンチマークとして使用できます。長時間にわたる路上テストを回避し、コストを削減します。 #4. 効率的かつ信頼性の高い OTA 管理方法を見つけます。 自動運転アルゴリズムは急速に反復されるため、自動車会社は OTA を通じてソフトウェアを継続的に更新する必要があります。現在のOTAの監督は届出制を採用しており、当初認められていた車両の機能や性能がOTA後に大幅に変更される可能性がある。効率的で信頼性の高い OTA 管理方法を見つける方法は、現在の自動車業界の監督が直面している大きな課題です。 最後に、自動運転に資金を投資してきた企業に心からの祝福を表したいと思います。皆さんが長い夜を乗り切って光を見るのに十分なリソースと忍耐力を持っていることを願っています。夜明け!
以上が自動運転の実現にはどれくらいの時間がかかるのでしょうか?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。

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

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

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
