一部の大手自動車メーカーが自動運転への投資を見直しているのはなぜでしょうか?
数か月前まで、自動運転は最も注目されている投資テーマの 1 つでした。しかし、フォードを含む多くの大手自動車メーカーは最近、自動運転への投資を見直しており、アルファベットなど他の企業も自動運転への支出削減を求める財務圧力に直面している。
Uber は、自動運転事業を売却した最初の企業です。
Uber は、自動運転事業を売却した最初の企業の 1 つです。 2020年に自動運転事業を立ち上げた自動運転スタートアップ企業オーロラ・イノベーションに売却された。その見返りとして、ウーバーは同社の過半数の株式を取得した。
Aurora Innovation は SPAC 逆合併を通じて上場し、現在の株価は 1 株あたり 2 ドル未満です。報道によると、ウーバーはオーロラ、グラブ、ゾマトなどの企業への投資で巨額の損失を被ったという。
オーロラ・イノベーションは純粋な自動運転事業開発会社であり、その株価急落は業界に対する投資家の悲観を彷彿とさせます。それだけでなく、自動運転への投資を再検討している企業もある。
フォード、自動運転事業から撤退
先月、フォードとフォルクスワーゲンが共同設立した自動運転スタートアップのアルゴAIが破綻し、フォードは投資を中止した。これは大手自動車メーカーも自動運転から「撤退」したことを意味する。
フォードは、Argo AIは新たな投資家を惹きつけていないと述べた。フォードはまた、L4自動運転システムの開発には注力しないと発表した。同社の最高経営責任者(CEO)は、一部の投資家がL4自動運転技術に総額1000億ドルを投資しているものの、収益性の高いビジネスモデルを決定できている企業はまだないと述べた。
フォードの先進製品開発・技術担当ディレクターであるダグ・フィールド氏は決算会見で、「L4自動運転の大規模商用化には、これまで予想していたよりもはるかに時間がかかるだろう。L2およびL3運転支援技術は、
そしてフォードの最高財務責任者であるジョン・ローラー氏は、自社で自動運転技術を開発する必要性は認識していないと述べた。
アルファベットの自動運転は損失の圧力に直面している
アルファベットは自動運転事業子会社ウェイモを所有しており、損失の増大により株主から疑問を呈する圧力にさらされている。約60億ドル相当のアルファベット株を保有するTCIファンド・マネジメントは、アルファベット経営陣にウェイモの損失削減を求める書簡を送った。
TCIは書簡の中で、「残念なことに、人々は自動運転に対する熱意を失い、競合他社も市場から撤退している。」と述べ、フォルクスワーゲンとフォードがこの事業から撤退したことにも言及した。 。
偶然にも、Alphabet、Tiger Global、SoftBank が支援する自動運転スタートアップ企業 Nuro は、長期投資をしながら資金を節約するために従業員の 5 分の 1 を解雇すると最近発表しました。
GM、自動車は自動運転市場から撤退しないと発言
業界関係者も、自動運転市場の状況は暗いわけではなく、一部の企業は自動運転市場から撤退しないと指摘している。現在も自動運転への投資を続けている。例えばゼネラルモーターズは、同事業への投資から撤退しないと述べた。同社は自動運転事業を展開するクルーズ社を所有しており、昨年マイクロソフトから投資を受けている。
GMのメアリー・バーラ最高経営責任者(CEO)は「われわれは、3つの市場で発売し収益をもたらす用意ができている唯一の自動運転車会社だ」と述べた
バーラ氏、GMの自動運転について事業展開について楽観的な姿勢を表明。同氏は「事業の強さと当社が確立した事業を考慮すると、非常に大きなチャンスがあると考え、自動運転車事業に再投資できると感じている」と述べた。 2022年には電気自動車事業が黒字化すると予想している。
テスラはソフトウェアがビジネスの主な推進力であると考えていますテスラは自動運転がビジネスの成長の主な推進力であると考えています。同社は今年、完全自動運転システム(FSD)の価格を2回調整し、現在は1万5000ドルに値上げしている。
業界関係者によると、マクロ経済環境の悪化を踏まえ、多くの自動運転企業は資金調達のプレッシャーに直面しているという。この事業はまだ初期段階にあるため、多くの企業は今後数年間は赤字を計上し続ける可能性があります。現在、連邦準備理事会が積極的に金利を引き上げているため、自動運転車のような赤字企業に資金を提供したいと考える投資家はほとんどいない。
自動運転への「予期せぬ未来」と巨額投資がある一方で、経済環境の低迷もありますが、今後の自動運転の方向性はどのようになると思いますか? ?
以上が一部の大手自動車メーカーが自動運転への投資を見直しているのはなぜでしょうか?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。

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。

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
