自動運転の安全性を疑うこともできますが、ビッグデータが教えてくれます。自動運転の運転はあなたよりも上手です。
自動車業界は、L2 レベルのインテリジェント支援運転から L3 レベルの自動運転への移行期を迎えています。インテリジェント運転の時代が到来します。スマート運転による事故が発生するたびに、自動運転に関する広範な議論や懸念が引き起こされますが、数字は嘘をつきません。自動運転により交通事故の発生率は大幅に減少しました。テクノロジー、テスト、法律、規制の面で重要な成熟点に入りつつあります。中国、米国、欧州、日本、韓国に代表される自動車主要国は、業界の優位性を掴むために競争し、相互に促進し合い、国民性と相互寛容を備えた既存の自動運転社会ガバナンスモデルを形成している。人間が車両の制御を機械に正式に引き継ぐ日もそう遠くない。
「自動運転車は自動車事故の 80% を効果的に回避できる。」
中国自動車産業センター、同済大学、百度は 12 月 16 日、共同で「自動運転車の交通安全白書」を発表した。上記の結論は、権威ある技術実証と実際の自動運転事故の比較分析を通じて得られます。
この記事のリリースでは、データを使用して基本的な事実を一般の人々に伝えます。現段階での自動運転は 100% 事故がないわけではありませんが、自動運転は人間の運転よりもはるかに安全であり、それを実現するのに十分なデータがあります。それをサポートします。
一方で、ライダーが量産乗用車に実装されるにつれて、カメラはより鮮明になり、運転アルゴリズムは日々開発が繰り返されています。個人の変化に比べて、感情や状態など様々な不確定要素の影響を受けやすいものです。人間と比較して、自動運転の利点はますます顕著になるでしょう。
中国公安部交通管理局の「道路交通事故統計年報」によると、2017年から2019年にかけて全国で年間平均23万1900件の交通事故が発生し、年間死者数は63,000人、さらに240,000人。交通事故は全国の子どもの死因の第2位となっており、病気以外の唯一の要因として中国の死因トップ10に入っている。
交通事故のリスクは主に人間のドライバーによってもたらされます。
人間の主観的ミスによる交通事故は79.9%を占めています。
中国自動車センター車両安全識別技術研究所 (CIDAS) の乗用車事故データによると、2011 年から 2021 年までの自動運転車は、人間の運転によって引き起こされる事故の 80% を効果的に回避できます。
したがって白書では、人間の能力には限界があるのに比べ、自動運転の知覚機能は事故の90%以上を事前に検知できると考えています。
自動運転車は、スピード違反、追突事故、交通規則違反、人的欠陥による事故を効果的に回避できます。事故の発生を効果的に 3 分の 1 以上減らすことができます。
言い換えれば、自動運転は交通ルールに厳密に従って運転し、早期認識を達成し、データ意思決定プロセスの操作を実行します。
夜間の高速シーンにおいては、自動運転により前方車両を事前に検知し、安全基準を厳守した車間距離を維持することが考えられます。事故の確率は人間の運転よりもはるかに低くなります。
したがって、自動運転車は他の交通参加者に対する認識を最大限に高め、他の自動車からの安全な距離を合理的に維持できます。この時点で、人間が他の参加者に気づかず、安全な距離を保つことができないという事故の原因を効果的に改善できます。
前回の記事では、交通事故が起きても、自動運転が介入することで傷害や死亡のリスクが大幅に軽減されることが分かりました。現段階では、自動運転の性能が人間より優れていることは事実です。
自動運転は成熟の臨界点に入りつつあります
事実は、自動運転がより広範囲に適用されつつあることを示しており、それは十分な事例によって認識されています。
自動運転の実用化は、乗用車、商用車、作業車の分野に分けられるべきである。
相手先ブランド供給メーカーは、乗用車市場における L3 自動運転のプロセスを開始しました。また、L2レベルのインテリジェント運転支援機能も普及に近づいています。中国工業情報化部の新国斌次官は、今年上半期に「L2インテリジェント運転支援機能を搭載した自動車の市場シェアは20%を超えた」と述べた。
2021 年 12 月 10 日は、自動運転の歴史において記憶に残る日です。ドイツの規制当局は、L3条件下での自動運転を正式にリリースした。商用車や作業車の分野、特に小売業、ロボタクシー、鉱山トラック、空港、物流などの特定のシナリオでは、L4 自動運転車または無人車両が埠頭、空港、勾配のある一般道路などの特定の場所に配備されています。 。
2021年は自動運転正式合法化への正念場に入った
2021年3月24日、中国公安部は「道路交通安全法」に関する国民意見を発表しました。道路交通安全法の明確化 自動運転機能を搭載した車両の試験、道路へのアクセス、違反や事故の責任分担に関する要件。この規制は自動運転システムと路上試験に法的地位を与え、自動運転の大規模商業利用のための法的環境を確立する。
自動運転のガバナンスモデルをさらに改善するために、自動運転の違反と事故責任は間もなく道路交通安全法に盛り込まれる予定です。
このうち第155条では、自動運転車は閉鎖された道路や会場で路上試験を実施し、臨時運転免許を取得し、規定に従って指定された時間、地域、ルートで路上試験を実施しなければならないと規定している。試験に合格した者は、関連法規に従って製造、輸入、販売することができます。これにより、自動運転車の製造と販売への道が開かれます。
もちろん、法律や規制のレベルでは、現在、世界各国で自動運転事故の責任分担に関する包括的な規制はありません。 「中華人民共和国道路交通安全法」や「中華人民共和国道路交通安全法施行規則」も自動運転の安全面については規定していない。現段階では、路上試験やデモンストレーション中の交通違反や事故は現行法に従って処理されるべきである。
ただし、ドイツがL3レベルの自動運転を条件付きでリリースしたことを考慮すると、自動運転国家においてはOEMSが法的責任を負うことになる。
消費者は、自動運転によって描かれる「死傷者ゼロ」のビジョンを理解することにオープンである必要がある
自動運転は、初期の宣伝で人間の「死傷者ゼロ」というビジョンを説明していましたが、これは一定の評価をもたらしました。国民に誤解を与えた程度。
近年、自動運転に関連した事故は、一方でADAS機能や完全自動運転に対する国民の理解や理解とは異なっています。一方で、自動運転に対する人々の期待は大きすぎます。
人々は自動運転を受け入れています。つまり、間違いを犯す機械も受け入れなければなりません。この概念に基づいて、人間は OEM またはインテリジェント運転システムの責任を設定し、対応する補償基準を設けています。
中国の該当地域での自動運転路上テストには、500万元(74万6,000米ドル)の強制交通事故賠償責任保険が設定されている。有人デモンストレーションの申請が必要なテストの場合は、乗客用の座席保険および人身傷害保険、およびその他の必要な商業保険に加入する必要があります。商業保険は、自動運転車が一般の公道を走行する際の安全基準を設定しています。これは、人間と機械の間の事故に対する責任が経済的に定義されていることを意味します。
機械は間違いを犯すものであることを認識し、将来のL5自動運転であっても死傷者を100%ゼロにすることは保証できない可能性があることを認めることが、人間が自動運転車と仲良くやっていくための前提条件である。この前提の下では、人間は最終的に、機械による移動が安全性を大幅に向上できることに気づくでしょう。
したがって、「死傷者ゼロ」は常に自動運転が追求する最高の目標ですが、100%達成されるわけではありません。
昨年末、ドイツはL3自動運転ガバナンスモデルを公開するための競争を開始し、メルセデスベンツは自動運転車を量産する世界初の法的に保護されたOEMとなった。この一歩が踏み出された今、輸送は新たな時代を迎えています。
現在、自動運転は技術、試験、製造、法律、規制の面で重要な成熟点に入りつつあります。中国、米国、欧州、日本、韓国に代表される自動車主要国が、自動車業界の頂点を目指してしのぎを削っている。また、相互運用可能な独自の自動運転社会ガバナンス モデルを形成するために、相互に推進し合っています。
現在、自動運転技術は各国間の技術競争の主流となっています。スマートカーを中心とした国際的なガバナンスモデルも、競争の中で具体化されつつある。顧客にとって、さまざまな国の自動運転車が同じ基準に従うことが最善の結果となります。
以上が自動運転の安全性を疑うこともできますが、ビッグデータが教えてくれます。自動運転の運転はあなたよりも上手です。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

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

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
