最初に Tesla があり、次に Xpeng がありましたが、先進運転支援システムは依然として信頼に値するのでしょうか?
2022 年 8 月 11 日、2 人が車から降りて一番内側の車線に止まり、1 人は車の後ろにしゃがみ、もう 1 人は三脚を立てる準備をしていたという動画がインターネット上で話題になりました。後ろから来る車に警告するため、Xiaopeng P7が突然突進し、そのうちの1台を弾き飛ばした。
Xpeng P7 の所有者は、当時、先進運転支援機能をオンにし、車速 80km/h で走行していたとされていますが、車両は人を検知しませんでした。危うくなった瞬間に真っすぐに打ち込む。車の所有者は、これまで高度な運転支援を行ったときは早期に警告があったが、今回は警告がなく、その時は注意力が散漫になっていたと述べた。
Xpeng Motors は事故後、次のように回答しました。「検証の結果、8 月 10 日午後、寧波 A車両の所有者が車両を運転し、前方の車両故障を確認していた人に衝突し、死傷者が出ました。この事故で残念ながらお亡くなりになられた被害者の皆様には大変残念に思います。現在、交通警察が立件しており、当社では、関係部門と協力して事故調査を行うとともに、引き続き事後調査の結果をフォローし、お客様の事後対応を支援してまいります。 2022 年 8 月 9 日、Green Hills Software の CEO である Dan O'Dowd は、Tesla FSD レビュー ビデオに関するソーシャル プラットフォームに投稿を投稿しました。その投稿では、Tesla の FSD 自動操縦システムがテスト中に子ダミー モデルに繰り返し衝突したと述べられていました。
ダン・オダウド氏は、「テスラFSDの安全性試験の結果には非常に動揺しており、これは行動を促すべきだ。イーロン・マスク氏はテスラFSDソフトウェアは素晴らしいが、 「そうではありません。これはすべてのアメリカ人にとって致命的な脅威です。」
さらに、テストに参加した人々 テスト報告書によると: テスラ先月、数十回テストが行われ、マネキンに衝突する前に、車は少し速度を落としたものの、それでも時速40キロ以上の速度に達し、マネキンを押しつぶした。報告書によると、テスラは運転中、時速40マイルの速度で発進し、指定された車線を100ヤード走行した後、マネキンに衝突したという。一部のネチズンは「ダミーだと知っているからという可能性があるのではないか」と冗談を飛ばした。
Xpeng も Tesla も、高度な運転支援システムが常に運転の安全性を確保できることを保証することはできません。小鵬 P7 の事故では、車の所有者が車両の使用中に注意力が散漫になっていた、つまり、事故発生時、車の所有者が運転プロセスに完全に専念していなかったことが判明しました。この事故の主な原因でもある。
自動車における高度な運転支援システムや部分的な自動運転システムの普及に伴い、技術革新によってもたらされる旅行の変化を体験する早期採用者の考え方を採用する自動車所有者がますます増えています。テスラのようなモデルでは、ソフトウェアのアップデートが行われるたびに、多くの自動車所有者やブロガーの注目を集め、自動車界や自動運転愛好家からも大きな関心を集めるでしょう。技術が普及すればするほど問題点も明らかになり、先進運転支援システム・自動運転システムによる事故は社会から大きな注目を集め、何度も議論を呼び起こします。自動運転システムは本当に信頼に値するのでしょうか?
先進運転支援システムは、ドライバーが運転しながらドライバーの運転行動に参加することができ、運転支援から運転参加への移行も経験しています。ステージ。
運転支援のプロセスにおいて、先進運転支援システムの主な機能は道路状況を監視することです。潜在的な危険が検出された場合、システムはステアリングホイールの振動と音により、プロンプトとライトの点滅がドライバーに注意を促し、ドライバーは起こり得る危険を時間内に回避できます。
運転参加ステージでは、先進運転支援システムが旅行に参加し、ハンドルやブレーキを制御できるようになります。ペダル、アクセル ペダルを微調整すると、ドライバーの運転行動がより安全になり、運転基準に準拠し、運転プロセスがより安全になります。 先進運転支援システムが運転行動に関与する割合が増加しているため、道路環境が単一で渋滞が少ない高速道路などの一部のシナリオでは、先進運転支援システムがすでに導入されています。運転プロセスは単独で完了でき、車線維持支援やアダプティブクルーズなどの機能を追加することで、高速道路での運転は完全に車両自身で完了することができ、ドライバーは道路状況に注意するだけで済みます。徐々に現実になりつつあります。
多くの新しい自動車メーカーの広告では、先進的な運転支援システムの性能も強調されており、多くの伝統的な自動車メーカーも新車のペースに追いついています。自動車にはますます高度な運転支援システムが追加されています。また、自動車は旅行ツールから、旅行、エンターテイメント、インタラクションを統合するインテリジェントなハードウェア デバイスへと変化しました。
先進運転支援システムや自動運転技術の開発が盛んに行われていますが、その開発過程において、先進運転支援システムがもたらす危険性に注目する人はほとんどいません。ここでの危険とは主に、
機能の危険と使用上の危険を指します。
機能の危険性名前が示すように、先進運転支援システムが確実に機能するかどうかです。 Xpeng P7 の事故と同様に、先進運転支援システムをオンにすると、車両は危険が発生した場合に早期警告を発しますが、今回の事故では、Xpeng P7 は時間内に反応しませんでした。この事故により、多くの自動運転愛好家が先進運転支援システムの安全性を疑問視するようになり、多くの自動運転愛好家が先進運転支援システムの安全性を疑問視し、先進運転支援システムの普及に影響を与えることは間違いありません。
使用の危険主に高度な運転支援システムのユーザーを対象としています。多くの消費者が高度な運転支援システムを使用しています。運転支援システムの登場後、彼らは非常に積極的に試し、技術がもたらす変化を実感しました。先進運転支援システムを使い始めた当初は、先進運転支援システムによる変化を実感するだけでなく、道路状況にも注意を払いますが、先進運転支援システムの利用頻度が高まるにつれて、ユーザーは高度運転支援システムによる変化を実感するようになります。この運転システムは非常に安全であり、危険につながりやすい道路状況を観察しているという錯覚を基本的に排除します。 小鵬 P7 の事故では、車の所有者が高度な運転支援システムを何度も使用しており、これまでにも危険があったことがわかりましたが、高度な運転支援システムはそれに気づいていました。そして車の所有者に思い出させました。この運転プロセス中、車の所有者は、何か対処すべきことがあったためか、あるいは先進運転支援システムに対する信頼のためか、気が散っていましたが、私たちが知ることができるのは、車の所有者の先進運転支援システムに対する信頼は、完全なものになっているということです。車の所有者の運転習慣では、危険が発生した場合、高度な運転支援システムが確実に通知し、時折気を散らしても問題が発生することはありません。
消費者が先進運転支援システムに大きな信頼を寄せており、旅行中に高度な運転支援システムを頻繁に使用する場合、先進運転支援システムの安全性について大きな疑問が生じます。 , しかし、現在の高度な運転支援システムは、100% の精度を完全に保証することはできません。多くの企業が高度な運転支援を推進する場合、乗客に道路状況に注意を払うように促します。多くの車両でも、高度な運転支援機能をオンにする必要があります。ドライバーは、危険が生じた場合に非常に迅速にハンドルを引き継ぐことができるように、ステアリングホイールに手を置いたままにします。
テクノロジーの発展は、人間の性質の変化を完全に考慮することができません。先進運転支援システムの利用が深まるにつれ、消費者は簡単に先進運転支援システムに頼って対処できるようになります。したがって、自動運転の開発には、高度な運転支援システムの移行段階を直接スキップし、完全自動運転が実現するまで待ってから完全自動運転車を市場に投入する必要があるのではないかと疑問を持つ人もいます
。しかし、自動運転の開発は、大量のデータの継続的な学習から切り離すことはできません。高度な運転支援システムの登場は避けられないでしょう。消費者として私たちができるのは、使用するときに道路状況に注意することだけです。先進運転支援システムの運転習慣を完全に信頼することによってのみ、先進運転支援システムの開発中にテクノロジーによってもたらされる利便性をよりよく享受することができます。また、消費者として、私たちは自動運転とは何か、高度な支援運転とは何かを理解する必要があり、高度な支援運転を自動運転と間違えてはなりません。それは決して小さなことではありません!
以上が最初に Tesla があり、次に Xpeng がありましたが、先進運転支援システムは依然として信頼に値するのでしょうか?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。

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

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。
