自動運転の「黄金の10年」の青写真が明らかになり、さまざまな地域が機会をつかむためにレイアウトを加速させている
現在、自動運転業界は一般に、我が国は2030年までに自動運転の大規模商用化を達成すると考えており、業界では2020年から2030年が自動運転の黄金発展期とみなされている。自動運転の「黄金の 10 年」の青写真がゆっくりと明らかになるにつれて、インテリジェント コネクテッド ビークルに関連する我が国の法規制は改善を続けており、高レベルの自動運転がブームになっています。
#同時に、さまざまな地方自治体でも、自動運転の商用化を促進するための関連政策の策定が加速しています。少し前に、重慶と武漢が完全無人商業旅行サービスを率先して開始し、我が国における自動運転の商業化における画期的な出来事となりました。最近、北京、上海、広州、無錫などの都市が頻繁に行動を起こし、新たな自動運転レイアウトが開始され、インテリジェントコネクテッドカーは、急速な技術進化と加速する産業レイアウトの重要な時期を迎えています。
北京: フェーズ 3.0 の建設作業が本格的に開始されます
2 年前、北京は国内初のネットワーク接続されたクラウド制御型の建設工事を正式に開始しました。ハイテク 第 1 レベルの自動運転実証ゾーンの建設では、車両、道路、クラウドのコラボレーションの革新的なアプリケーションのための標準化された建設の経験が蓄積されています。現在までに、北京の高レベル自動運転実証ゾーンはフェーズ 1.0 とフェーズ 2.0 の建設作業を成功裡に完了している。報告によると、北京経済技術開発区は現在、329のインテリジェントネットワーク標準交差点、750キロメートルの双方向都市道路、10キロメートルの高速道路で車両・道路・クラウド統合機能のカバーを達成し、立ち上げへの道を切り開いたという。 3.0 スケールの展開とシナリオ拡張の段階で、強固な基盤を築きました。
9月16日、2022年世界インテリジェントコネクテッドビークル会議で、北京の高度自動運転実証ゾーンの担当者は、次のステップで北京が本格的に自動運転実証ゾーンを立ち上げることを明らかにした。 3.0フェーズ 建設課題は、市内に統一されたスマートシティ専用ネットワークを構築することであり、これにより1,000台以上の先進的な自動運転車両端末の適応的適用が促進され、市内の500平方キロメートルの実証ゾーン拡張工事が段階的に拡張され、完了します。 、車両と道路のコラボレーションおよび遠隔運転をサポートし、オンライン監視およびその他の車両のインターネット サービスをサポートし、スマート シティのシナリオ アプリケーションを広範囲に拡張します。
上海: セーフティドライバーのいない市内初の自動運転車が発売されました
9 月 27 日、上海初の自動運転車が発売されました。自動運転車が発売され、「ノーマンズランド」デモンストレーション体験エリアが正式にオープンし、上海のインテリジェントコネクテッドカーの革新的開発促進における新たなマイルストーンとなった。 「ノーマンズランド」実証体験エリアのオープンは、インテリジェントコネクテッドビークルのテストシナリオをさらに充実させ、包括的な監視と監視を構築することにより、インテリジェントコネクテッドビークルの自動運転の正常かつ安定した動作のための実際の環境基盤と情報を提供することを目的としています。発送表示プラットフォーム 安心・安全。
「No Man's Land」デモ体験エリアでは、上海自動車博覧園内の3.8キロメートルの半一般道路をベースに無人デモアプリケーションを実施し、安全要員の排除に重点を置いた中国初の無人高度自動運転実証運用サンプルを作成。現在、第 1 期の道路 1.2 キロメートルが完成して供用開始されており、第 2 期の 2.6 キロメートルの道路はまだ計画と建設中であり、今年末までに完成する予定です。
現在、自動運転旅行サービスプラットフォームLuobo Kuaipaoが提供する自動運転車のApollo Moon Extreme Foxバージョンが上海自動車博覧園で完全無人試験を開始しており、これにより、Luobo Kuaipao は上海の嘉定区のさらに多くの道路区間で完全無人自動運転旅行サービスを一般の人々に提供することになります。
広州:今年と来年、260台の自動運転車が実用化される
#9月14日、省総局は次のように発表した。運輸省は18日、複数のスマート交通パイロット応用実験プロジェクト(自動運転とスマート輸送の方向)と広州都市旅行サービス自動運転パイロット応用実験プロジェクトが選定され、今回260台の自動運転車が実用化されると発表した。今年も来年も。
発表によると、このパイロットプロジェクトでは、2022年8月から2023年12月まで、広州塔環状線、生物島環状線などに50台の自動運転バスが投資される予定です。サービス 訪問者数は 100 万人未満。広州人工知能・デジタル経済実験区では210台の自動運転乗用車が実用化され、累計サービス乗客数は30万人以上、走行距離は400万キロメートル以上、走行時間は30万キロ以上に達する。 200,000 時間以上。パイロットの期待される成果は、パイロット作業に関する概要レポートを作成し、自動運転都市旅行サービス シナリオに関する 2 つ以上の技術ガイドラインまたは標準仕様を作成することです。
無錫: インテリジェント コネクテッド ビークルの世界的テストを主導します
9 月 22 日、新バージョンの「無錫インテリジェント」が発表されました。 「コネクテッド・ビークル路上試験」および「実証申請管理実施規則」(以下、「実施規則」という)が正式に発表され、無錫市が率先してインテリジェント・コネクテッド・ビークルを搭載した路上試験、実証申請、実証運用の範囲を拡大した都市全体にドライバーを派遣し、国内初のスマート車両広域テスト都市となる。
無錫は、国内初の国家レベルの車両ネットワーク実験区であり、「デュアル インテリジェンス」実験都市の最初のグループの 1 つとして、インテリジェント コネクテッド ビークル産業の発展において国内の最前線に立ってきました。 2021 年、無錫市は「実施規則」を試行し、この 1 年間、インテリジェント コネクテッド ビークルの路上試験とデモンストレーション アプリケーションが秩序ある方法で実施され、合計 177km の公共試験道路が開通し、インターネット車両インフラは 450km2、856 地点をカバーしています。この新版の「実施規定」では、インテリジェントネットワーク化車両試験・実証を実施するために必要な主体、運転者、車両を明確にするだけでなく、運転者搭載と運転者非搭載の2つのモードを明確にし、実証運用内容を追加した。インテリジェント コネクテッド カーに技術革新と運用モデルの革新のためのより大きな余地を与えます。
さらに、最近、無錫市初の車両インターネットに関する地方規制である「無錫市車両インターネット開発促進条例(草案)」も可決され、インフラストラクチャにさらに影響を与えることになります。自動車インターネットの構築と開発 応用の深さと広さ、技術革新、産業発展の観点から包括的な取り決めが行われ、自動車向けの新技術、新モデル、新ビジネス形式の開発を確保するために法律が活用される。車両のインターネットとインテリジェント コネクテッド ビークルを開発し、無錫でのインテリジェント コネクテッド ビークル関連技術企業の設立を促進し、開発に十分な土壌を提供します。
武漢: 自動運転車が地域横断的な交通を実現しようとしている
9 月 15 日、インテリジェント コネクテッド ビークルの第 4 バッチが完成しました。武漢の路上でテスト リスクレベル評価は専門家の審査を通過し、近い将来正式に公開される予定です。正式開通後、武漢市の各種インテリジェントネットワーク試験道路の数は400キロメートルを超え、全国トップに入る。
武漢市は、3回に分けて340キロメートルのインテリジェントコネクテッドビークルとインテリジェント交通試験道路を開通したと報告されており、そのうち武漢経済技術開発区の321キロメートルは完全にカバーされています。この試験道路は、5G を完全にカバーする 106 キロメートルの車両と道路の連携セクションを含み、最も豊富なシナリオと初の完全な 5G アクセスを備えた中国最大のオープン試験道路です。第4弾の公開試験道路は長さ約70キロメートルで、武漢経済開発区の中核地域と漢陽区を結ぶ予定で、これは自動運転車が中国のカーバレーから飛び出し、初の地域横断的な交通を実現することを意味する。時間。
結論: 2022 年以降、主要都市での頻繁な行動に加えて、関連企業も投資を増やすために競い合い、自動運転という新たなブルー オーシャンで都市や地域を征服しています。そして自動運転のペースが加速します。完全無人商業運転も、個別の都市や地域でのパイロットプロジェクトから徐々に全国に拡大しつつある。
以上が自動運転の「黄金の10年」の青写真が明らかになり、さまざまな地域が機会をつかむためにレイアウトを加速させているの詳細内容です。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









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

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。

上記と著者の個人的な理解: この論文は、自動運転アプリケーションにおける現在のマルチモーダル大規模言語モデル (MLLM) の主要な課題、つまり MLLM を 2D 理解から 3D 空間に拡張する問題の解決に特化しています。自動運転車 (AV) は 3D 環境について正確な決定を下す必要があるため、この拡張は特に重要です。 3D 空間の理解は、情報に基づいて意思決定を行い、将来の状態を予測し、環境と安全に対話する車両の能力に直接影響を与えるため、AV にとって重要です。現在のマルチモーダル大規模言語モデル (LLaVA-1.5 など) は、ビジュアル エンコーダーの解像度制限や LLM シーケンス長の制限により、低解像度の画像入力しか処理できないことがよくあります。ただし、自動運転アプリケーションには次の要件が必要です。

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

以上、筆者個人の理解 近年、自動運転はドライバーの負担軽減や運転の安全性の向上につながる可能性があるため、注目が高まっています。ビジョンベースの 3 次元占有予測は、自動運転の安全性に関する費用対効果の高い包括的な調査に適した新たな認識タスクです。オブジェクト中心の知覚タスクと比較して 3D 占有予測ツールの優位性は多くの研究で実証されていますが、この急速に発展している分野に特化したレビューはまだあります。このホワイトペーパーでは、まずビジョンベースの 3D 占有予測の背景を紹介し、このタスクで直面する課題について説明します。次に、現在の 3D 占有予測手法の現状と開発傾向を、機能強化、展開の容易さ、ラベル付けの効率という 3 つの側面から包括的に説明します。やっと

中国科学院オートメーション研究所の深層強化学習チームは、Li Auto氏らとともに、マルチモーダル大規模言語モデルMLLM(PlanAgent)に基づく自動運転のための新しい閉ループ計画フレームワークを提案した。この手法は、シーンの鳥瞰図とグラフベースのテキスト プロンプトを入力として受け取り、マルチモーダル大規模言語モデルのマルチモーダル理解機能と常識推論機能を利用して、シーンの理解から生成までの階層的推論を実行します。水平移動と垂直移動の指示を作成し、プランナーが必要とする指示をさらに生成します。このメソッドは、大規模で困難な nuPlan ベンチマークでテストされており、実験では、PlanAgent が通常のシナリオとロングテール シナリオの両方で最先端 (SOTA) のパフォーマンスを達成することが示されています。従来の大規模言語モデル (LLM) メソッドと比較して、PlanAgent

以上および筆者の個人的理解 現在、自動運転技術がより成熟し、自動運転知覚タスクの需要が高まるにつれ、産業界と学界は、三次元目標検出と自動運転認識タスクを同時に完了できる理想的な知覚アルゴリズムモデルを非常に期待しています。 BEV 空間のセマンティック セグメンテーション タスクに基づいています。自動運転可能な車両には、通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーが搭載されており、さまざまなモダリティでデータを収集します。これにより、異なるモーダル データ間の補完的な利点が最大限に活用され、たとえば、3D 点群データは 3D ターゲット検出タスクに情報を提供でき、カラー画像データはセマンティック セグメンテーション タスクに多くの情報を提供できます。 。 正確な情報。針

1 意思決定制御と動作計画の概要 現在の意思決定制御方法は、逐次計画、行動認識型計画、およびエンドツーエンド計画の 3 つのカテゴリに分類できます。逐次計画: 最も伝統的な方法であり、認識、意思決定、制御の 3 つの部分が比較的明確です。行動を意識した計画: 最初の方法と比較して、ハイライトは人間と機械の共同運転、車両と道路の導入です。外部動的環境のコラボレーションと車両リスク推定。エンドツーエンドの計画: DL および DRL テクノロジーは、画像やハンドルのコーナーなどの感覚情報を取得するために大量のデータ トレーニングを使用します。
