목차
테스트 프로세스
기술 주변기기 일체 포함 테슬라의 완전자율주행은 어린이 더미를 3번이나 충돌했고, 충돌 후에도 멈추지 않고 다시 가속했다.

테슬라의 완전자율주행은 어린이 더미를 3번이나 충돌했고, 충돌 후에도 멈추지 않고 다시 가속했다.

Apr 09, 2023 pm 09:01 PM
기술 자율주행

Dan O'Dowd는 임베디드 개발 회사인 Green Hills Software의 CEO로 작년에 Tesla의 자율주행 소프트웨어에 대한 특별 테스트를 포함하여 보안 시스템에서 안전하지 않은 소프트웨어의 사용을 금지하는 "The Dawn Project"라는 이벤트를 시작했습니다.

실생활에서 길을 건너는 어린이를 만났을 때 자율주행차의 반응을 시뮬레이션하기 위해 The Dawn Project에서는 최근 새로운 테스트를 실시한 결과 FSD Beta 10.12가 탑재된 것으로 나타났습니다. 2 자율주행 소프트웨어가 어린이를 치게 됩니다. 휴머노이드 모델:

테슬라의 완전자율주행은 어린이 더미를 3번이나 충돌했고, 충돌 후에도 멈추지 않고 다시 가속했다.

테스트 도중 Model 3가 모델을 격렬하게 부딪쳐 모델 구성 요소가 분리되었습니다.

테슬라의 완전자율주행은 어린이 더미를 3번이나 충돌했고, 충돌 후에도 멈추지 않고 다시 가속했다.

프로젝트 팀 3번 테스트하고 매번 휴머노이드 모델에 맞췄습니다. 이는 더 이상 사고가 아닌 것으로 보이며, 이는 Model 3의 FSD 시스템에 안전 위험이 있음을 나타냅니다.

구체적인 테스트 과정을 살펴보겠습니다.

테스트 프로세스

테슬라의 FSD 시스템에 보다 유리한 테스트 환경을 만들기 위해 차량 및 휴머노이드 모델 외에도 테스트에 영향을 줄 수 있는 도로 위의 기타 변수를 제거했습니다.

시험장 양쪽에는 표준 교통콘을 배치하고, 시험장 끝 중앙에는 어린이가 길을 건너는 것처럼 어린이용 마네킹을 배치했습니다. 테스트 중에 전문 테스트 드라이버는 먼저 차량 속도를 시속 40마일로 높였습니다. 차량이 테스트 트랙에 진입하면 FSD 모드로 변경되며, 운전자는 더 이상 스티어링 휠을 조작하지 않고 액셀이나 브레이크도 밟지 않습니다.

테슬라의 완전자율주행은 어린이 더미를 3번이나 충돌했고, 충돌 후에도 멈추지 않고 다시 가속했다.

Model 3 FSD 베타 10.12.2는 FSD 모드로 들어갈 때 초기 속도가 40mph입니다. 3번의 테스트에서 Model 3가 전방의 휴머노이드 모델을 들이받았습니다. 충돌이 일어났을 때의 속도는 아래 표와 같습니다.

테슬라의 완전자율주행은 어린이 더미를 3번이나 충돌했고, 충돌 후에도 멈추지 않고 다시 가속했다.

테슬라의 완전자율주행은 어린이 더미를 3번이나 충돌했고, 충돌 후에도 멈추지 않고 다시 가속했다.

운전자 보고서에 따르면 Tesla Model 3 FSD Beta 10.12.2입니다. FSD 모드에서는 길을 잃은 듯 조금 느려졌다가 마네킹을 넘어뜨린 뒤 다시 가속해 충격 당시 약 25mph의 속도에 도달했다.

이 결과는 FSD가 안전하다는 머스크의 오랜 주장과 모순됩니다. 머스크는 올해 1월 트위터에 "테슬라 FSD로 인해 발생한 사고는 없다"고 밝혔지만 사실은 아니었다. 로스앤젤레스 타임스(Los Angeles Times)는 수십 명의 운전자가 FSD와 관련된 충돌 사고에 대해 미국 도로교통안전국(National Highway Traffic Safety Administration)에 안전 불만을 제기했다고 보도했습니다.

지난 달 캘리포니아 차량국(DMV)도 Tesla가 오토파일럿 및 FSD 기능을 허위로 홍보했다고 비난했습니다.

FSD는 완전 자율적이라고 주장하지만 실제로는 차선 변경, 고속도로 진입 및 진출, 정지 신호 및 신호등 인식, 주차 등의 주요 기능을 갖춘 선택적 추가 기능으로만 작동합니다. 이 소프트웨어는 아직 베타 테스트 중이지만 이를 구매한 고객이 10만 명 이상이며, Tesla는 이들과 함께 소프트웨어를 실시간으로 테스트하고 숙련된 운전자로부터 AI 시스템이 학습하도록 노력하고 있습니다.

위 내용은 테슬라의 완전자율주행은 어린이 더미를 3번이나 충돌했고, 충돌 후에도 멈추지 않고 다시 가속했다.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

Video Face Swap

Video Face Swap

완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

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 분야에서 Gaussian Splatting이 인기를 끌면서 NeRF가 폐기되기 시작한 이유는 무엇입니까? 자율주행 분야에서 Gaussian Splatting이 인기를 끌면서 NeRF가 폐기되기 시작한 이유는 무엇입니까? Jan 17, 2024 pm 02:57 PM

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.

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

카메라 또는 LiDAR를 선택하시겠습니까? 강력한 3D 객체 감지 달성에 대한 최근 검토 카메라 또는 LiDAR를 선택하시겠습니까? 강력한 3D 객체 감지 달성에 대한 최근 검토 Jan 26, 2024 am 11:18 AM

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,

Stable Diffusion 3 논문이 드디어 공개되고, 아키텍처의 세부 사항이 공개되어 Sora를 재현하는 데 도움이 될까요? Stable Diffusion 3 논문이 드디어 공개되고, 아키텍처의 세부 사항이 공개되어 Sora를 재현하는 데 도움이 될까요? Mar 06, 2024 pm 05:34 PM

StableDiffusion3의 논문이 드디어 나왔습니다! 이 모델은 2주 전에 출시되었으며 Sora와 동일한 DiT(DiffusionTransformer) 아키텍처를 사용합니다. 출시되자마자 큰 화제를 불러일으켰습니다. 이전 버전과 비교하여 StableDiffusion3에서 생성된 이미지의 품질이 크게 향상되었습니다. 이제 다중 테마 프롬프트를 지원하고 텍스트 쓰기 효과도 향상되었으며 더 이상 잘못된 문자가 표시되지 않습니다. StabilityAI는 StableDiffusion3이 800M에서 8B 범위의 매개변수 크기를 가진 일련의 모델임을 지적했습니다. 이 매개변수 범위는 모델이 많은 휴대용 장치에서 직접 실행될 수 있어 AI 사용이 크게 줄어든다는 것을 의미합니다.

자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! 자율주행과 궤도예측에 관한 글은 이 글이면 충분합니다! Feb 28, 2024 pm 07:20 PM

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

엔드투엔드(End-to-End)와 차세대 자율주행 시스템, 그리고 엔드투엔드 자율주행에 대한 몇 가지 오해에 대해 이야기해볼까요? 엔드투엔드(End-to-End)와 차세대 자율주행 시스템, 그리고 엔드투엔드 자율주행에 대한 몇 가지 오해에 대해 이야기해볼까요? Apr 15, 2024 pm 04:13 PM

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

SIMPL: 자율 주행을 위한 간단하고 효율적인 다중 에이전트 동작 예측 벤치마크 SIMPL: 자율 주행을 위한 간단하고 효율적인 다중 에이전트 동작 예측 벤치마크 Feb 20, 2024 am 11:48 AM

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

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.

See all articles