自動運転を諦めるのも一種の和解
1 栄光からどん底まで、自動運転はどこへ向かうのでしょうか?
自動運転業界は 2013 年から急速な発展段階に入りました。2016 年には、自動運転業界は急速な発展段階に入りました。急速な発展を遂げた業界 発展段階では、関連企業による投融資イベントが徐々に増加し、自動運転関連企業があちこちで花開き始め、2018年にはピークに達し、新規登録企業は472社、包括出資企業は78社に達した。資金調達イベントが発生し、公開された投融資額は811億元に上る。
2019 年から自動運転業界は着実な発展段階に入り始めましたが、2020 年には制御不能な要因により自動運転業界の発展ペースが鈍化し始めました。 , しかし、自動運転産業への投資と融資の額は依然として436億3,000万元と高く、前年比136.9%増加しました。自動運転トラックは2021年も依然として熱い。最初の3四半期だけで69件の投資・融資イベントが開催され、投資総額は629億元に達した。 2022年10月現在、我が国には自動運転関連企業が5,682社あり、2022年上半期には自動運転関連企業が201社新たに誕生する予定です。自動運転業界のシェアを狙うプレーヤーが増えており、自動車会社やインターネット企業も同じ軌道に乗って競争モデルをスタートさせるなど、自動運転業界は多様化する傾向を見せている。
2022 年以前の自動運転業界を振り返ると、自動運転業界の発展は百派閥が争う状況になっているように見えますが、2023 年に入ると自動運転業界は大きな穴に引き裂かれたように見え、開発状況は何度も破られています。 2023 年の初めに、自動運転トラックの新興企業 Embark が破産を宣言しましたが、時価総額 52 億米ドルのユニコーン企業として、ピーク時から破産までわずか 16 か月しかかかりませんでした。 Waymoは、自動運転の分野でベンチマーク企業として認められており、2023年初めに人員削減計画を開始することも発表した。上場廃止の危機に直面している自動運転トラック会社TuSimpleも5月18日、取締役会が同社従業員の10%に相当する300人を削減する「さらなるリストラ計画」を承認したと発表した。従業員の30%、また5月には、国内の新興自動車メーカーであるアイウェイズが、賃金未払いや社会保障の停止に関するニュースを頻繁に発表した。その前に、WMモーターはすでに休業や店舗閉鎖に関するニュースを発表していた。;ポニー.ai は従業員の 50% を解雇するというニュースも発表しました。
2023年に自動運転業界に参入すると、人員削減、倒産、市場価値の急落などのホットワードが絶えず、自動運転業界は頂点を超えた感があります。道路は狂い続けており、いつ麓に到達できるかについての正確な時間や答えはまだないようです。自動車会社であっても、インターネット企業であっても、例年ほどの自動運転に対する粘り強さや熱意はないようです。
2 収益への道は険しく、収益を困難にするのは原罪かもしれません
自動運転産業は続くが、自動運転企業は人件費を削減し、寒い冬を乗り切りたいと考えており、自動運転産業への展開を決意しているインターネット企業の多くも、自動運転への投資や投資を削減している。その理由としては、自動運転が収益を得るまでの道のりは長く、市場環境が理想的ではない場合には、生き残りのために尻尾を切ることが唯一の選択肢となる可能性があることが考えられます。
自動運転業界は底なし沼のようなもので、投資した資金と実際に得られる利益はまったく比例しません。これまでの自動運転産業の発展において、実際に体験できる場所は一部の工場や学校などの比較的閉鎖的な環境に限られており、集配などの業務を行うために利用される機能はまだ多くあります。特急配送や景勝地観光などの利用シーン 現在の自動運転は低速自動運転としか考えられず、私たちが追求してきた高速自動運転シナリオとの間には、まだまだ技術的なギャップがあります。 。低速自動運転は比較的成熟しているとはいえ、市場需要や市場規模は大きくなく、大規模な利益を得るのは現実的ではない。
実は、自動車会社や自動運転産業に携わる企業は、常に高速自動運転シナリオへの自動運転の適用を望んでおり、これが自動運転技術研究の意義でもあります。 。 2020年6月27日、滴滴出行は高速自動運転を私たちの生活に取り入れたいと考え、上海嘉定市で自動運転有人応用プロジェクトを立ち上げた。しかし、技術の未熟さと投資コストの高さにより、滴滴出行の自動運転タクシーは3年経った今でも大規模な実用化には至っていない。自動運転のブームは10年近く続いているが、その技術は大規模な進歩を遂げていない。
技術的な観点から見ると、自動運転認識ハードウェアとディープラーニングの欠点により、高速自動運転の開発は現在、高精度地図のサポートと切り離すことができません。検知には交通環境データが含まれる 情報、国が広い地域を開放していないため、高精度地図に基づく自動運転は一部の地域でしか実施できていない これは自動運転を檻の中に閉じ込めているようなもので、技術的に不可能である大規模な開発とブレークスルーを達成するために。現在、多くの自動車会社が「知覚を重視し、地図上で光を重視する」という技術的方向性を追求しており、多くの専門家がインテリジェントネットワーク接続の開発モデルさえ提案しているが、技術的な難易度が高く、技術的な難易度が高いため、まだ初期段階にある。投資コストが高い。
コストの観点から見ると、高精度地図検出を大規模に実装できたとしても、高精度地図をタイムリーに更新する必要があり、多くの費用がかかります。多くの自動車会社が「地図上での認識と光の重視」を追求している理由の 1 つは、これが現段階での理由です。また、現段階では自動運転ハードウェアの価格が高すぎるため、消費者に自動運転機能を真に楽しんでもらいたいとすると、1台あたりのコストが想像を超える金額となり、消費者が大量に購入するのは現実的ではありません。自動運転には多額の投資が行われてきましたが、利益は非常にわずかです。
3 諦めるか粘り続けるか、おそらく市場が答えをくれるでしょう
我々は自動運転にこだわり続けるべきでしょうか?おそらく市場はすでに答えを出しているのでしょう。 「怠惰」は常に技術進歩の原動力である 自動車で移動する場合、ドライバーの役割は大きく制限される ドライバーの手が解放され、自動運転車が人や荷物を運ぶことができるようになれば、間違いなく人間の役割の必要性が解放される旅行環境で。しかし、自動運転が開発されて以来、多くの高速自動運転体験が登場し続けていますが、自動運転に対する人々の考え方はどちらかというとアーリーアダプターの好みであり、実際に人々の生活に浸透させたいと思うと、多くの人が自動運転を選択することになるかもしれません。まだ疑問や懸念が残っています。
現在、自動運転はまだ L2 レベルですが、多くの新興自動車メーカーは、技術の進歩を強調するために、販売促進で自動運転を L2 または L2 と表現します。 L3 レベルの自動運転は、間違いなく自動運転の開発に誤った信号を提供します。自動運転事故の多くは、ドライバーが自動運転システムを過度に信頼することによって引き起こされます。現時点では自動運転は消費者にとって非常に新しいことであるため、自動運転に関連するあらゆる事故は大きな注目を集め、注目を集めることになります。そのため、自動運転に対するみんなの不信感も拡大し続けています。
技術の未熟さ、低コスト、市場の不信感により、自動運転の開発は無限ループに陥っています。これまでに自動運転の規模を拡大。これらの課題を解決するには、より多くの時間とコストが必要となり、自動車会社とインターネット企業の双方にとって課題となっており、自動運転の実現に向けた最前線は常に逼迫しており、多くの企業がその負担に耐えることが困難となっています。自動運転関連のプロジェクトに投資することは、彼らにとって自動運転を諦めることも一種の和解なのかもしれない。それでも、多くの人が自動運転業界の発展の道を歩み続けるでしょうが、いつ日の目を見るかはまだわかりません。
以上が自動運転を諦めるのも一種の和解の詳細内容です。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
