10년 안에 무인운전이 보편화될 것인가?
Zhihu에서 다음 질문을 봤습니다. 10년 후에는 무인 운전이 보편화될까요? 그리고 지금도 운전면허를 배워야 하는지 물었다. 자율주행의 상용화 가능성과 자율주행이 구현된 후 우리의 삶은 어떻게 변할지에 대한 질문이기 때문에 매우 흥미로운 질문입니다. 이 질문에는 보편화라는 개념도 포함되는데, 이 역시 논의해볼 만한 문제이다. 스마트 드라이빙 프론티어는 이 문제에서 출발하여 모두와 함께 논의하겠습니다.
자율주행은 스마트 여행, 스마트 교통, 스마트 도시와 관련되어 있으며, 미래 발전의 주요 트렌드이자 사회적 라이프스타일을 변화시키는 기술 변화가 될 것입니다. 자율주행은 한마디로 자동차 제어 역할의 변화다. 이제 우리의 여행 과정은 자동차든, 오토바이든, 전기차든, 자전거든 모두 사람이 필요하다. 운전 도구를 제어하십시오. 이러한 운전 도구는 여행 과정의 속도를 높이고 장거리 여행을 더 빠르고 편리하게 만드는 데 더 많이 사용됩니다. 그러나 이런 종류의 여행 과정은 사람들의 손을 자유롭게 하지 못합니다. 여행 과정에서 사람들은 여전히 교통 상황을 관찰하는 데 많은 시간을 소비해야 합니다. 택시를 타더라도 운전자의 역할은 여전히 인간입니다. 그는 여행 중에 교통 상황을 관찰할 뿐이고, 임무는 운전자에게 넘겨질 뿐 실제로 사람들의 교통 과정 참여를 감소시키지는 않습니다.
자율 주행의 개념은 사람들이 여행할 때 교통 상황을 관찰해야 하는 필요성을 근본적으로 해결하여 사람들이 교통을 통제하는 역할에서 해방되고 오락과 휴식에 더 많은 시간을 할애할 수 있게 해줍니다. 자율주행이라는 개념은 최근 몇 년간 제안되지 않았지만, 아직까지는 기술이 발전해 있어 향후 10년 이상이 지나도 여전히 널리 활용될 가능성은 없습니다. 정책, 기술과 관련이 있으며, 사회적 수용과 관련된 많은 문제는 "단순한" 기술 구현이 아니라 사회 발전과 더 관련되어 있으며 이는 가장 어렵고 해결하기 가장 쉽지 않은 문제일 수 있습니다.
"10년 안에 무인 운전이 보편화될 수 있을까?"라는 원래 질문으로 돌아가서, 어떤 유형의 무인 운전을 의미하는지 개념을 살펴보겠습니다. 자율주행은 기술적인 측면에서 저속 자율주행과 고속 자율주행으로 나눌 수 있는데, 저속 자율주행은 밀폐된 공간에서 우리가 흔히 볼 수 있는 택배, 음식배달, 승객 태우기 등의 작업을 수행하는 무인자동차를 말한다. 공원, 레스토랑, 캠퍼스 등 자동차를 운전하는 이러한 유형의 무인 운전에는 폐쇄성과 저속이라는 몇 가지 특징이 있습니다. 테이크아웃, 특급배송 등 사람들의 라스트 마일 문제를 해결하는 작업 과정에서도 낮은 수준입니다.
기술이 발전함에 따라 저속 자율주행은 점점 보편화될 것이며, 일반적인 음식배달, 특급배달 외에도 관광명소의 관광객 연결, 교통수단 등 사회 전 분야에 적용될 예정입니다. 작업 환경이 단순하고 변화가 특별히 크지 않으며 작업 거리가 비교적 짧은 항구에서의 화물 하역 시나리오는 저속으로 대체됩니다. 자율주행을 통해 더 많은 사람들이 복잡한 업무를 수행할 수 있게 되어 인적자원 활용의 극대화를 실현하게 될 것입니다.
그러나 고속 자율주행 방향에서는 저속 자율주행만큼 빠르게 구현되지 않을 수도 있습니다. , 장거리 다중 시나리오 활동을 위해 사람들을 태울 수 있습니다. 고속 자율주행이라는 개념 하에서 자율주행차는 인간 운전자처럼 다양한 교통 상황을 판단할 수 있어야 하며, 갑작스러운 문제가 발생하는 교통 환경에서는 신속하게 대응할 수 있어야 합니다.
자율주행의 도로 상황 판단과 행동 의사결정은 주로 작성된 코드를 기반으로 합니다. 작성된 코드는 특정 교통 상황에 직면했을 때 자율주행차의 반응을 결정합니다. 코드 기술적인 측면에서 인간 운전자의 제약 없이 인간 운전자처럼 생각하는 것은 불가능합니다.
고속 자율주행 개발에는 자전거 지능과 차량-도로 협업의 두 가지 유형이 있습니다. 높은 비용으로 인해 자전거 지능 개발 모델에는 자동차가 주행을 완료할 수 있도록 더 많은 기술이 필요합니다. 설계 시간이 길지만, 설계 과정에서 대중이 수용할 수 있는 설계 비용이 있는지도 고려했습니다. 그러나 차량-도로 협업 개발 모델에서는 자율주행차에 설치되는 하드웨어 장비를 효과적으로 줄일 수 있습니다. 도로 업그레이드 및 인터넷 속도 개선 측면에서 더 많은 문제가 제기되었습니다.
게다가 현행 교통법규 역시 '사람'을 기준으로 하고 있어, '사람'이 교통에 참여할 때 발생할 수 있는 문제에 대해 더 많이 고려하고 있는 단계에서는 자율주행에 관한 법규가 없습니다. 자동차는 저속 차량에 비해 자율주행과 고속 자율주행은 주로 '사람을 태우는 것'에 초점을 맞추기 때문에 승객의 안전을 보장하기 위해 더 많은 법률과 규정이 필요합니다. 제정된 법률과 규정이 자율주행차의 보편화 요건을 충족할 수 있도록 하기 위해서는 가능한 모든 문제를 고려하고 논의하고 계획하는 데 더 많은 시간이 필요합니다. 이러한 일련의 제약으로 인해 자율주행의 보편화는 더욱 어려워질 것입니다.
질문에는 자율주행이 어디에서나 볼 수 있다는 점과, 심지어 모든 여행 도구도 자율주행차라는 보편화에 대한 언급도 있었습니다. 자동차와 인간이 운전하는 자동차는 공존한다? 이 단계가 있다면 자율주행차와 인간 운전자가 운전하는 자동차는 따로 운전해야 할까요, 아니면 직접 같은 도로를 공유해야 할까요? 그런 단계가 있다면 자율주행차의 비율이 어느 정도에 이르면 자율주행이 보편화된다고 볼 수 있을까?
자율주행이 구현되면 자율주행자동차와 인간이 운전하는 자동차가 공존하는 무대가 올까요? 요즘에는 많은 OEM이 첨단 보조 운전 시스템을 외부 세계로 홍보할 때 자체 기술의 발전을 촉진하기 위한 진입점으로 사용합니다. 그러나 이러한 유형의 고급 보조 운전은 무인 운전을 줄이기 위한 방법일 뿐입니다. 운전 피로는 운전 안전성을 높이기 위한 보조 도구로, SAE의 L5 요구 사항을 완전히 충족해야 진정한 자율 주행이라고 할 수 있습니다. 구동 차량이 공존합니다.
자율주행차가 실제로 출시되면 인간 운전자가 운전하는 자동차를 무인자동차로 직접 교체하는 것은 불가능합니다. 여행 도구로서 자동차 교체는 주로 그 기능이 여행 요구 사항과 소비자 구매를 충족시킬 수 있는지 여부에 달려 있습니다. 자율주행차가 출시되면 분명 자율주행차와 사람이 운전하는 차가 공존하는 단계가 올 것이다. 스마트폰 대중화 초기와 마찬가지로 피처폰을 사용하는 사람도 여전히 많을 것이다. , 스마트폰이 오랫동안 인기를 끌었음에도 불구하고, 여전히 많은 사람들이 피처폰을 사용하고 있습니다.
자율주행차와 인간 운전자가 공존할 때, 자율주행차 전용차로를 개설할 필요가 있을까요? 스마트폰 초기에는 일반적으로 스마트폰을 사용하는 사람이 적었던 것처럼, 자율주행 기술 초기에는 교통에 참여하는 자율주행차가 많지 않았으므로 전용차로를 설정하는 데는 시간이 많이 걸리고 노동력도 많이 소모됩니다. 운전자가 갈 수 있는 모든 장소에 자율주행차가 도달하려면, 전용 차선을 개설하려면 고속도로, 도시 도로, 시내 도로를 포함한 모든 도로 구간에 자율주행차가 개설되어야 하기 때문입니다. 시골길이라도. 따라서 자율주행차가 구현된 후 자율주행차와 인간이 운전하는 자동차는 더 많은 도로를 공유하게 되며, 자율주행차 구현을 위한 표준 중 하나는 다음과 같습니다. 교통환경.
보편화되어야 할 자율주행차의 비율은 어느 정도인가요? 이는 측정하기 어려운 기준으로, 누구나 이 개념에 대해 각자의 생각을 가지고 있으며, 자율주행의 보편화를 위해서는 모든 사람이 자율주행의 존재에 적응해야 하며, 대부분의 여행은 이에 의해 제공될 것이라고 믿습니다. 자율주행. 원래 질문으로 돌아가서, 10년 후에는 무인 운전이 보편화될까요? 어렵다, 매우 어렵다. 관련된 분야가 너무 많기 때문에 무인운전의 보편화는 아직 갈 길이 멀기 때문에 운전면허를 배우는 것은 여전히 매우 필요하다.
위 내용은 10년 안에 무인운전이 보편화될 것인가?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











위에 작성됨 및 저자의 개인적인 이해 3DGS(3차원 가우스플래팅)는 최근 몇 년간 명시적 방사선장 및 컴퓨터 그래픽 분야에서 등장한 혁신적인 기술입니다. 이 혁신적인 방법은 수백만 개의 3D 가우스를 사용하는 것이 특징이며, 이는 주로 암시적 좌표 기반 모델을 사용하여 공간 좌표를 픽셀 값에 매핑하는 NeRF(Neural Radiation Field) 방법과 매우 다릅니다. 명시적인 장면 표현과 미분 가능한 렌더링 알고리즘을 갖춘 3DGS는 실시간 렌더링 기능을 보장할 뿐만 아니라 전례 없는 수준의 제어 및 장면 편집 기능을 제공합니다. 이는 3DGS를 차세대 3D 재구성 및 표현을 위한 잠재적인 게임 체인저로 자리매김합니다. 이를 위해 우리는 처음으로 3DGS 분야의 최신 개발 및 관심사에 대한 체계적인 개요를 제공합니다.

어제 인터뷰 도중 롱테일 관련 질문을 해본 적이 있느냐는 질문을 받아서 간략하게 요약해볼까 생각했습니다. 자율주행의 롱테일 문제는 자율주행차의 엣지 케이스, 즉 발생 확률이 낮은 가능한 시나리오를 말한다. 인지된 롱테일 문제는 현재 단일 차량 지능형 자율주행차의 운영 설계 영역을 제한하는 주요 이유 중 하나입니다. 자율주행의 기본 아키텍처와 대부분의 기술적인 문제는 해결되었으며, 나머지 5%의 롱테일 문제는 점차 자율주행 발전을 제한하는 핵심이 되었습니다. 이러한 문제에는 다양한 단편적인 시나리오, 극단적인 상황, 예측할 수 없는 인간 행동이 포함됩니다. 자율 주행에서 엣지 시나리오의 "롱테일"은 자율주행차(AV)의 엣지 케이스를 의미하며 발생 확률이 낮은 가능한 시나리오입니다. 이런 희귀한 사건

자율주행 궤적 예측은 차량의 주행 과정에서 발생하는 다양한 데이터를 분석하여 차량의 향후 주행 궤적을 예측하는 것을 의미합니다. 자율주행의 핵심 모듈인 궤도 예측의 품질은 후속 계획 제어에 매우 중요합니다. 궤적 예측 작업은 풍부한 기술 스택을 보유하고 있으며 자율 주행 동적/정적 인식, 고정밀 지도, 차선, 신경망 아키텍처(CNN&GNN&Transformer) 기술 등에 대한 익숙함이 필요합니다. 시작하기가 매우 어렵습니다! 많은 팬들은 가능한 한 빨리 궤도 예측을 시작하여 함정을 피하기를 희망합니다. 오늘은 궤도 예측을 위한 몇 가지 일반적인 문제와 입문 학습 방법을 살펴보겠습니다. 관련 지식 입문 1. 미리보기 논문이 순서대로 되어 있나요? A: 먼저 설문조사를 보세요, p

0. 전면 작성&& 자율주행 시스템은 다양한 센서(예: 카메라, 라이더, 레이더 등)를 사용하여 주변 환경을 인식하고 알고리즘과 모델을 사용하는 고급 인식, 의사결정 및 제어 기술에 의존한다는 개인적인 이해 실시간 분석과 의사결정을 위해 이를 통해 차량은 도로 표지판을 인식하고, 다른 차량을 감지 및 추적하며, 보행자 행동을 예측하는 등 복잡한 교통 환경에 안전하게 작동하고 적응할 수 있게 되므로 현재 널리 주목받고 있으며 미래 교통의 중요한 발전 분야로 간주됩니다. . 하나. 하지만 자율주행을 어렵게 만드는 것은 자동차가 주변에서 일어나는 일을 어떻게 이해할 수 있는지 알아내는 것입니다. 이를 위해서는 자율주행 시스템의 3차원 객체 감지 알고리즘이 주변 환경의 객체의 위치를 포함하여 정확하게 인지하고 묘사할 수 있어야 하며,

이렇게 강력한 AI 모방 능력을 가지고 있다면, 막는 것은 사실상 불가능합니다. 이제 AI의 발전이 이 정도 수준에 이르렀나? 앞발은 이목구비를 날리게 하고, 뒷발은 쳐다보는 것, 눈썹을 치켜올리는 것, 삐죽이는 것 등 아무리 과장된 표정이라도 완벽하게 흉내낸다. 난이도를 높이고, 눈썹을 더 높이 올리고, 눈을 크게 뜨고, 입 모양까지 비뚤어지게 표현하는 등 가상 캐릭터 아바타가 표정을 완벽하게 재현할 수 있다. 왼쪽의 매개변수를 조정하면 오른쪽의 가상 아바타도 그에 따라 움직임을 변경하여 입과 눈을 클로즈업하여 모방이 완전히 동일하다고는 할 수 없으며 표정만 정확합니다. 마찬가지다(맨 오른쪽). 이 연구는 GaussianAvatars를 제안하는 뮌헨 기술 대학과 같은 기관에서 나왔습니다.

원제목: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving 논문 링크: https://arxiv.org/pdf/2402.02519.pdf 코드 링크: https://github.com/HKUST-Aerial-Robotics/SIMPL 저자 단위: Hong Kong University of Science 및 기술 DJI 논문 아이디어: 이 논문은 자율주행차를 위한 간단하고 효율적인 모션 예측 기준선(SIMPL)을 제안합니다. 기존 에이전트 센트와 비교

전면 및 시작점 작성 엔드 투 엔드 패러다임은 통합 프레임워크를 사용하여 자율 주행 시스템에서 멀티 태스킹을 달성합니다. 이 패러다임의 단순성과 명확성에도 불구하고 하위 작업에 대한 엔드투엔드 자율 주행 방법의 성능은 여전히 단일 작업 방법보다 훨씬 뒤떨어져 있습니다. 동시에 이전 엔드투엔드 방법에서 널리 사용된 조밀한 조감도(BEV) 기능으로 인해 더 많은 양식이나 작업으로 확장하기가 어렵습니다. 여기서는 희소 검색 중심의 엔드 투 엔드 자율 주행 패러다임(SparseAD)이 제안됩니다. 여기서 희소 검색은 밀집된 BEV 표현 없이 공간, 시간 및 작업을 포함한 전체 운전 시나리오를 완전히 나타냅니다. 특히 통합 스파스 아키텍처는 탐지, 추적, 온라인 매핑을 포함한 작업 인식을 위해 설계되었습니다. 게다가 무겁다.

지난 달에는 몇 가지 잘 알려진 이유로 업계의 다양한 교사 및 급우들과 매우 집중적인 교류를 가졌습니다. 교환에서 피할 수 없는 주제는 자연스럽게 엔드투엔드와 인기 있는 Tesla FSDV12입니다. 저는 이 기회를 빌어 여러분의 참고와 토론을 위해 지금 이 순간 제 생각과 의견을 정리하고 싶습니다. End-to-End 자율주행 시스템을 어떻게 정의하고, End-to-End 해결을 위해 어떤 문제가 예상되나요? 가장 전통적인 정의에 따르면, 엔드 투 엔드 시스템은 센서로부터 원시 정보를 입력하고 작업과 관련된 변수를 직접 출력하는 시스템을 의미합니다. 예를 들어 이미지 인식에서 CNN은 기존의 특징 추출 + 분류기 방식에 비해 end-to-end 방식으로 호출할 수 있습니다. 자율주행 작업에서는 다양한 센서(카메라/LiDAR)로부터 데이터를 입력받아
