기술 주변기기 일체 포함 자율주행차가 보행자에게 자신의 의도를 알릴 수 있을까?

자율주행차가 보행자에게 자신의 의도를 알릴 수 있을까?

Apr 09, 2023 am 11:51 AM
안전 자율주행 운송

​넓은 도로를 안전하게 건널 수 있는지 판단하려면 보행자와 운전자 간의 사회적 단서와 협력적인 의사소통이 필요합니다. 그렇다면 자율주행차라면 어떻게 될까요? 자율주행차 회사인 Motional은 차량을 더욱 표현력 있게 만드는 것이 이러한 중요한 신호를 유지하는 열쇠가 될 수 있다고 믿습니다.

자율주행차가 보행자에게 자신의 의도를 알릴 수 있을까?

모셔널의 수석 엔지니어인 폴 슈미트(Paul Schmitt)는 횡단보도에서 기다리는 동안 "눈으로 보는 춤"을 경험했습니다. 이는 빠르고 거의 무의식적인 평가입니다. 다가오는 자동차의 운전자는 어디를 보고 있습니까? 그들이 그를 알아차렸나요? Schmidt는 "자율 주행 차량에서는 이러한 상호 작용의 절반이 존재하지 않습니다. 그렇다면 보행자가 차량의 의도를 이해할 수 있는 단서는 무엇입니까?"라고 말했습니다.

이 질문에 답하기 위해 그의 팀은 애니메이션 스튜디오 CHRLX 빌드를 고용했습니다. 다양한 신호 메커니즘에 대한 보행자의 반응을 테스트하도록 설계된 매우 사실적인 가상 현실 경험입니다. 그들의 연구 결과는 IEEE Robotics and Automation Letters에 게재되었습니다. 슈미트와 ​​그의 팀은 일찍 제동하거나 보행자 앞에서 정지하는 등 과장된 운전 조작이 자신의 의도를 전달하는 가장 효과적인 방법이라고 말합니다.

회사는 현재 가장 유망한 표현 행동을 모션 계획 시스템에 통합하고 있으며 다른 팀이 실험할 수 있도록 가상 현실 교통 환경을 오픈 소스로 공개했습니다.

이 연구에서는 보행자에게 차량이 정지하고 있음을 암시적으로 알리는 다양한 표현 행동도 테스트했습니다. 여기에는 기준선에서 더 멀리 자동차 브레이크를 더 세게 만들고, 자동차를 멀리서 멈추고, 급제동 및 낮은 rpm 소리를 추가하고, 마지막으로 이러한 소리를 과장된 기수 다이빙과 결합하는 것이 포함됩니다.

팀에서는 보행자가 얼마나 빨리 차선을 건너기로 결정했는지 측정하고, 각 시도 후에 보행자를 대상으로 빠른 설문조사를 실시하여 얼마나 안전하다고 느끼는지, 스스로 차선을 건너기로 결정하는 데 얼마나 자신감이 있는지, 자동차의 의도에 대한 인식을 파악했습니다. 이해수준. 단거리 정지는 안전과 차량의 의도 이해 측면에서 가장 높은 점수를 받았습니다.

Schmitt는 짧은 정류장이 가장 좋은 반응을 얻었다고 말했는데, 이 접근 방식은 보행자 앞에서 속도를 줄이는 인간 운전자의 행동에서 영감을 받았기 때문에 놀라운 일은 아닙니다. 놀랍게도 그는 운전자가 있든 없든 이 기본 시나리오에 대한 반응에는 큰 차이가 없다고 덧붙였습니다. 이는 보행자가 운전석에 있는 운전자보다 차량의 움직임에 더 많은 주의를 기울이고 있음을 시사합니다.

위 내용은 자율주행차가 보행자에게 자신의 의도를 알릴 수 있을까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

본 웹사이트의 성명
본 글의 내용은 네티즌들의 자발적인 기여로 작성되었으며, 저작권은 원저작자에게 있습니다. 본 사이트는 이에 상응하는 법적 책임을 지지 않습니다. 표절이나 침해가 의심되는 콘텐츠를 발견한 경우 admin@php.cn으로 문의하세요.

핫 AI 도구

Undresser.AI Undress

Undresser.AI Undress

사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover

AI Clothes Remover

사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool

Undress AI Tool

무료로 이미지를 벗다

Clothoff.io

Clothoff.io

AI 옷 제거제

AI Hentai Generator

AI Hentai Generator

AI Hentai를 무료로 생성하십시오.

인기 기사

R.E.P.O. 에너지 결정과 그들이하는 일 (노란색 크리스탈)
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 최고의 그래픽 설정
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. 아무도들을 수없는 경우 오디오를 수정하는 방법
3 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25 : Myrise에서 모든 것을 잠금 해제하는 방법
4 몇 주 전 By 尊渡假赌尊渡假赌尊渡假赌

뜨거운 도구

메모장++7.3.1

메모장++7.3.1

사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전

SublimeText3 중국어 버전

중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기

스튜디오 13.0.1 보내기

강력한 PHP 통합 개발 환경

드림위버 CS6

드림위버 CS6

시각적 웹 개발 도구

SublimeText3 Mac 버전

SublimeText3 Mac 버전

신 수준의 코드 편집 소프트웨어(SublimeText3)

자율주행 시나리오에서 롱테일 문제를 해결하는 방법은 무엇입니까? 자율주행 시나리오에서 롱테일 문제를 해결하는 방법은 무엇입니까? Jun 02, 2024 pm 02:44 PM

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

FisheyeDetNet: 어안 카메라를 기반으로 한 최초의 표적 탐지 알고리즘 FisheyeDetNet: 어안 카메라를 기반으로 한 최초의 표적 탐지 알고리즘 Apr 26, 2024 am 11:37 AM

표적 탐지는 자율주행 시스템에서 상대적으로 성숙한 문제이며, 그 중 보행자 탐지는 가장 먼저 배포되는 알고리즘 중 하나입니다. 대부분의 논문에서 매우 포괄적인 연구가 수행되었습니다. 그러나 서라운드 뷰를 위한 어안 카메라를 사용한 거리 인식은 상대적으로 덜 연구되었습니다. 큰 방사형 왜곡으로 인해 표준 경계 상자 표현은 어안 카메라에서 구현하기 어렵습니다. 위의 설명을 완화하기 위해 확장된 경계 상자, 타원 및 일반 다각형 디자인을 극/각 표현으로 탐색하고 인스턴스 분할 mIOU 메트릭을 정의하여 이러한 표현을 분석합니다. 제안된 다각형 형태의 모델 fisheyeDetNet은 다른 모델보다 성능이 뛰어나며 동시에 자율 주행을 위한 Valeo fisheye 카메라 데이터 세트에서 49.5% mAP를 달성합니다.

자율주행의 최초 순수 시각적 정적 재구성 자율주행의 최초 순수 시각적 정적 재구성 Jun 02, 2024 pm 03:24 PM

순수한 시각적 주석 솔루션은 주로 비전과 동적 주석을 위한 GPS, IMU 및 휠 속도 센서의 일부 데이터를 사용합니다. 물론 대량 생산 시나리오의 경우 순수 비전일 필요는 없습니다. 일부 대량 생산 차량에는 고체 레이더(AT128)와 같은 센서가 장착됩니다. 대량 생산 관점에서 데이터 폐쇄 루프를 만들고 이러한 센서를 모두 사용하면 동적 개체에 라벨을 붙이는 문제를 효과적으로 해결할 수 있습니다. 그러나 우리 계획에는 고체 레이더가 없습니다. 따라서 가장 일반적인 대량 생산 라벨링 솔루션을 소개하겠습니다. 순수한 시각적 주석 솔루션의 핵심은 고정밀 포즈 재구성에 있습니다. 재구성 정확도를 보장하기 위해 SFM(Structure from Motion)의 포즈 재구성 방식을 사용합니다. 하지만 통과

OCC와 자율주행의 과거와 현재를 살펴보세요! 첫 번째 검토에서는 기능 강화/양산 배포/효율적인 주석이라는 세 가지 주요 주제를 종합적으로 요약했습니다. OCC와 자율주행의 과거와 현재를 살펴보세요! 첫 번째 검토에서는 기능 강화/양산 배포/효율적인 주석이라는 세 가지 주요 주제를 종합적으로 요약했습니다. May 08, 2024 am 11:40 AM

위 작성 및 저자 개인적 이해 최근 자율주행은 운전자의 부담을 줄이고 운전 안전성을 높일 수 있다는 점에서 주목을 받고 있다. 비전 기반 3차원 점유 예측은 자율 주행 안전에 대한 비용 효율적이고 포괄적인 조사에 적합한 새로운 인식 작업입니다. 많은 연구에서 객체 중심 인식 작업에 비해 3D 점유 예측 도구의 우수성을 입증했지만, 빠르게 발전하는 이 분야에 대한 리뷰는 여전히 남아 있습니다. 본 논문에서는 먼저 비전 기반 3D 점유 예측의 배경을 소개하고 이 작업에서 직면하는 과제에 대해 논의합니다. 다음으로, 기능 향상, 배포 친화성, 라벨링 효율성이라는 세 가지 측면에서 현재 3D 점유 예측 방법의 현황과 개발 동향을 종합적으로 논의합니다. 마침내

LLM이 모두 완료되었습니다! OmniDrive: 3D 인식 및 추론 계획 통합(NVIDIA 최신) LLM이 모두 완료되었습니다! OmniDrive: 3D 인식 및 추론 계획 통합(NVIDIA 최신) May 09, 2024 pm 04:55 PM

위에 작성됨 및 저자의 개인적 이해: 이 문서는 자율 주행 애플리케이션에서 현재 다중 모드 대형 언어 모델(MLLM)의 주요 과제를 해결하는 데 전념하고 있습니다. 이는 MLLM을 2D 이해에서 3D 공간으로 확장하는 문제입니다. 자율주행차(AV)가 3D 환경에 대해 정확한 결정을 내려야 하기 때문에 이러한 확장은 특히 중요합니다. 3D 공간 이해는 정보에 입각한 결정을 내리고 미래 상태를 예측하며 환경과 안전하게 상호 작용하는 차량의 능력에 직접적인 영향을 미치기 때문에 AV에 매우 중요합니다. 현재 다중 모드 대형 언어 모델(예: LLaVA-1.5)은 시각적 인코더의 해상도 제한, LLM 시퀀스 길이 제한으로 인해 저해상도 이미지 입력(예:)만 처리할 수 있는 경우가 많습니다. 하지만 자율주행 애플리케이션에는

'폐쇄 루프'를 향하여 | PlanAgent: MLLM 기반 자율 주행의 폐쇄 루프 계획을 위한 새로운 SOTA! '폐쇄 루프'를 향하여 | PlanAgent: MLLM 기반 자율 주행의 폐쇄 루프 계획을 위한 새로운 SOTA! Jun 08, 2024 pm 09:30 PM

중국과학원 자동화 연구소의 심층 강화 학습 팀은 Li Auto 등과 함께 다중 모드 대형 언어 모델인 MLLM(PlanAgent)을 기반으로 자율 주행을 위한 새로운 폐쇄 루프 계획 프레임워크를 제안했습니다. 이 방법은 장면에 대한 조감도와 그래프 기반 텍스트 프롬프트를 입력으로 취하고, 다중 모드 대형 언어 모델의 다중 모드 이해 및 상식 추론 기능을 활용하여 장면 이해부터 생성까지 계층적 추론을 수행합니다. 수평 및 수직 이동 지침을 작성하고 플래너가 요구하는 지침을 추가로 생성합니다. 이 방법은 대규모의 까다로운 nuPlan 벤치마크에서 테스트되었으며 실험에서는 PlanAgent가 일반 시나리오와 롱테일 시나리오 모두에서 최첨단(SOTA) 성능을 달성하는 것으로 나타났습니다. PlanAgent는 기존의 LLM(Large Language Model) 방식과 비교하여

BEVFusion을 넘어! DifFUSER: 확산모델이 자율주행 멀티태스크 진입(BEV 세분화 + 감지 듀얼 SOTA) BEVFusion을 넘어! DifFUSER: 확산모델이 자율주행 멀티태스크 진입(BEV 세분화 + 감지 듀얼 SOTA) Apr 22, 2024 pm 05:49 PM

위 작성 및 저자 개인적 이해 현재 자율주행 기술이 성숙해지고 자율주행 인식 작업에 대한 수요가 증가함에 따라, 3차원 타겟 탐지와 동시에 완성할 수 있는 이상적인 인식 알고리즘 모델에 대한 업계와 학계의 기대가 크다. BEV 공간의 의미론적 분할 작업을 기반으로 합니다. 자율 주행이 가능한 차량의 경우 일반적으로 서라운드 뷰 카메라 센서, 라이더 센서, 밀리미터파 레이더 센서가 장착되어 다양한 방식으로 데이터를 수집합니다. 이러한 방식으로 서로 다른 모달 데이터 간의 보완적인 이점을 완전히 활용할 수 있으므로 서로 다른 양식 간의 데이터의 보완적인 이점을 얻을 수 있습니다. 예를 들어 3D 포인트 클라우드 데이터는 3D 타겟 감지 작업에 대한 정보를 제공할 수 있고 컬러 이미지 데이터는 제공할 수 있습니다. 의미론적 분할 작업에 대한 더 많은 정보를 제공할 수 있습니다. 바늘

경로 계획 개요: 샘플링, 검색, 최적화를 기반으로 모든 작업이 완료되었습니다! 경로 계획 개요: 샘플링, 검색, 최적화를 기반으로 모든 작업이 완료되었습니다! Jun 01, 2024 pm 08:12 PM

1 의사결정 제어 및 동작 계획 개요 현재 의사결정 제어 방법은 순차 계획, 행동 인식 계획, 엔드투엔드 계획의 세 가지 범주로 나눌 수 있습니다. 순차적 계획: 가장 전통적인 방법인 인식, 의사결정 및 제어의 세 부분은 상대적으로 명확합니다. 행동 인식 계획: 첫 번째 방법과 비교할 때 가장 중요한 점은 인간-기계 공동 운전, 차량-도로의 도입입니다. 외부 동적 환경의 협업 및 차량 위험 예측 엔드투엔드 계획: DL 및 DRL 기술은 이미지, 핸들 모서리 등과 같은 감각 정보를 얻기 위해 대량의 데이터 교육을 사용합니다.

See all articles