자율주행이 실현되려면 얼마나 걸릴까요?
최근 '지능형 운전 보조 기능을 켰을 때' 신군 차량이 심각한 교통사고를 당했다는 기사가 났습니다. 말썽 일으키고 싶지 않음)) 소식이 인터넷을 강타하면서 자율주행 기술의 발전과 이와 관련된 사회 문제에 다시 한 번 모두가 관심을 갖게 되었습니다.
이번 사고와 관련해 인터넷에 떠도는 정보를 바탕으로 정리한 현장 과정은 대략 이렇다. 차량 소유자 A는 고가도로에서 ACC(Adaptive Cruise)와 LCC(Lane Centering Assist)를 켜고 운전을 했다. 가장 왼쪽 차선에서 80km/h의 속도로 갑자기 같은 차선에 정지해 있던 차량이 앞에 나타났고, 차량 뒤에 사람 B가 브레이크를 밟거나 피하지 않아 정지된 차량과 정면으로 충돌했습니다. B씨는 정지해 있던 차량 뒤에서 B씨를 사망에 이르게 했다…
인터넷에 따르면 사고 차주 A씨는 "운전 보조 시스템을 켰는데 시스템이 이를 인식하지 못했다. 그 시간에 주의가 산만해지도록."
그럼 사고 책임은 누가 져야 할까요? 사고를 낸 자동차의 소유자는? 아니면 자동차의 디자이너와 제조업체인가요?
저는 이런 '고급' 지능형 주행 기능을 갖춘 차량을 구매한 적이 없고, 차량 사용 설명서나 사용 약관이 어떻게 작성되어 있는지 정확히 모르지만, 현재 여러 자동차 회사의 일반적인 관행에 따르면, 차량이 지능형 운전을 수행하는 중입니다. 차량 소유자는 항상 도로 상황을 모니터링할 책임이 있어야 하며 항상 차량을 인수할 준비가 되어 있어야 합니다.
아무리 광고에서 떠들썩해도 현재의 스마트 드라이빙은 전혀 자율주행이라고 할 수 없다는 사실은 모두가 잘 알고 있기 때문입니다. 아직은 보조 운전일 뿐 운전자에게 운전 정보만을 제공할 수 있을 뿐입니다. 드라이버 교체 목적을 달성할 수 없습니다.
"심천 특별경제구역 지능형 커넥티드 차량 관리 규정" 제51조에 따라, 운전자가 포함된 지능형 커넥티드 차량이 도로 교통 안전 위반을 발견할 경우 공안 기관 교통 관리 부서에서 해당 운전자를 처리합니다. 법률에 따라. 제54조에서는 지능형 커넥티드 차량과 관련된 교통사고가 차량 자체의 결함으로 인해 피해를 입힌 경우 해당 차량의 운전자, 소유자 또는 관리자는 규정된 절차를 완료한 후 법에 따라 제조사 또는 판매자에게 보상을 요청할 수 있다고 규정하고 있습니다. 보상.
위 규정에서 볼 수 있듯이 사고 발생 시에도 차량 자체에 결함이 있음이 입증되면 운전자가 자동차 회사에 보상을 청구할 수 있습니다. 그런데 일반 소비자가 차량에 결함이 있다는 것을 어떻게 증명할 수 있을까요?
저희는 이번 사고의 원인을 자세히 분석하고 싶지 않습니다. 차량 자체의 설계 결함이든 운전자의 책임이든, 우리는 단지 이번 사고부터 분석하고 싶습니다. 현재의 지능형 운전 상황.
SAE J3016 자율 주행 분류 표준에 따르면 L3 이하 수준에서는 조향, 가속 및 감속과 같은 작업이 차량의 자동 자율 주행 시스템으로 처리될 수 있지만 인간 운전자는 여전히 차량의 모든 조건을 모니터링할 책임이 있습니다. 길. 즉, L3 이하 수준에서는 자율주행 시스템이 보조 역할만 하고, 차량의 안전한 운행에 대한 모든 책임은 운전자에게 있습니다.
이러한 책임 분담에 따라 현재의 자율 주행 기술이 아직 성숙되지 않은 상황에서 다양한 L2.5, L2.9, L2.9+ 및 기타 중국 특성을 지닌 매우 "창의적인" 차량이 등장했습니다. .
모든 OEM이 이것저것 가지고 놀고 있지만, 자율주행 시스템이 L3에 도달할 수 있다고 감히 말할 수 있는 사람은 아무도 없습니다. 일단 L3로 선언되면 차량이 L3 자율주행 상태에서 발생하는 사고에 대한 책임은 자동차 회사가 져야 하기 때문이다.
이 상태에서 모든 사람은 한편으로는 기술력 측면에서 경쟁해야 하고, 다른 한편으로는 더 많은 자동차를 판매하기 위해 더 발전된 자율 주행 기능을 지속적으로 도입해야 합니다. L3 단계의 경계. 왜냐하면 L3가 아닌 한 모든 사고는 귀하와 관련이 없기 때문입니다. 최소한 사용 설명서에는 운전자가 언제든지 차량을 인수할 책임이 있음이 명확하게 명시되어 있습니다.
사실, 말이나 내용 녹음이 필요하지 않은 회의에 참가하면 졸릴지, 휴대폰을 볼지, 아니면 멍해질지 생각해보자. .. 이제 L2.X 자동차의 보조 운전 기능은 핸들, 브레이크, 액셀을 제어할 필요가 없지만 여전히 핸들에 손을 얹고 시선을 유지해야 하는 이상한 존재입니다. 그렇지 않으면 DMS 및 기타 시스템이 운전자에게 경고하고 도로 표면을 주의 깊게 모니터링하도록 알려줍니다.
이 상황은 마치 전문 운전자를 찾은 것과 같으며, 그가 운전하는 동안 항상 감독해야 합니다. 위험한 상황이 발생했을 때 전문 운전자가 조치를 취하지 않으면 제때에 개입해야 하며, 그렇지 않으면 사고에 대한 책임은 본인에게 있습니다.
이 상황이 좀 반인간적이라고 생각하지 않나요? 자율주행 기능이 있는 자동차를 구입하는 사람들은 운전학원 강사가 되기를 좋아할까요? 자율주행 기능이 여전히 우리의 주의를 집중해야 하고, 항상 주의를 집중하는 것이 어렵다면, 이러한 기능이 여전히 그렇게 의미가 있을까요?
저는 자율주행 기술을 반대하는 사람이 아닙니다. 오히려 자율주행 기술의 발전을 강력히 지지합니다. 앞으로 자율주행 기술이 성숙해지면 모두가 시간과 에너지를 많이 절약할 수 있고, 교통사고도 크게 줄어들 것이라고 믿습니다. 그러나 현재의 자율주행은 대규모로 대중화될 만큼 성숙되지는 않았습니다. 수준 높은 자율주행과는 거리가 멀고, AEB, LKA, 주차 등 기본적인 보조 기능조차 100% 신뢰할 수 없다. ㅋㅋㅋ 버튼” 이미지(아래 그림), 자율 주행 전차를 보여줍니다. 기사에서는 "...미래에는 핸들이 달린 자동차가 오늘날의 핸드 펌프가 달린 자동차만큼 쓸모없게 될 것"이라고 믿습니다. 지난 거의 100년 동안 인간은 항상 자율 주행에 집착해 왔으며 항상 비현실적인 환상을 품어 왔습니다. 앞으로 20년 안에 자율주행이 가능해질 것이라고 생각합니다. 불행하게도 운전대를 완전히 제거한 자동차가 언제 도로를 주행할 수 있을지 정확하게 말할 수 있는 사람은 지금까지 아무도 없습니다. 그리고 사람들은 이 꿈에 가까워질수록 완전 자율 주행을 달성하는 것이 얼마나 어렵고 복잡하다는 것을 점점 더 인식하고 있습니다.
자율주행의 실현은 차량 자체에 달려 있는 것이 아니라 교통체계 전체의 노력에 달려 있습니다. 단순히 OEM과 자율주행 공급업체에만 의존하는 것이 아니라 사회 모든 분야의 공동 발전에 의존하는 것입니다. 다음은 몇 가지 영감을 주는 제안입니다.
1. 지능형 운전 시스템의 사고 데이터 기록 시스템 표준을 개선합니다.
국가에는 이미 EDR(Event Data Recorder, 자동차 이벤트 데이터 기록 시스템) 관련 표준이 있지만 차량에 대한 기본 정보만 기록할 수 있습니다. 현 단계에서는 지능형 운전의 실패 여부가 여전히 자동차 회사에 의해 결정되며, 효과적인 제3자 감독은 없습니다. 방대한 양의 복잡한 데이터로 인해 자동차 회사와 공급업체 외에는 누구도 정확히 무슨 일이 일어났는지 알 수 없기 때문입니다. 이런 현상이 일어나는 근본적인 원인은 관련 내용을 담은 더 이상 상세한 국가 표준이 없기 때문이다. 각 데이터의 의미는 무엇인지, 어떤 데이터를 언제 저장해야 하는지 등 이러한 요구사항은 아직 부족하다. 관련 기관 및 협회에서는 자동차OBD의 관행을 참고하여 조속히 해당 표준을 마련하고 지속적으로 개선할 것을 권고한다.
2. 국가는 통일된 운전현장 시뮬레이션 데이터베이스를 구축하는 동시에 교통사고 상세정보를 투입해야 한다.
3. 규제 당국은 차량 접근에 대해 가능한 한 빨리 보다 자세한 테스트 및 인증 표준을 도입해야 합니다.
지능형 운전은 아직 개발 단계에 있고 시스템 솔루션도 다양하지만, 이 단계에서도 일부 기본 원리와 방법을 정의할 수 있습니다. 또한, 전국적인 운전 현장 시뮬레이션 데이터베이스가 구축되면 클라우드 내 신규 진입 차량을 모두 테스트하는 벤치마크로 활용될 수 있다. 긴 도로 테스트를 피하고 비용을 절감하십시오.
4. 효율적이고 안정적인 OTA 관리 방법을 찾아보세요. 자율주행 알고리즘의 빠른 반복으로 인해 자동차 회사는 OTA를 통해 소프트웨어를 지속적으로 업데이트해야 합니다. 현재 OTA의 감독은 파일링 시스템을 채택하고 있으며, 이로 인해 원래 승인된 차량의 기능 및 성능이 OTA 이후에 큰 변화를 겪을 가능성이 있습니다. 효율적이고 안정적인 OTA 관리 방법을 찾는 방법은 현재 자동차 산업 감독이 직면한 주요 과제입니다.
마지막으로, 자율주행에 투자해주신 모든 기업들이 긴 밤을 이겨내고 새벽의 빛을 볼 수 있도록 충분한 자원과 인내심을 가지시기를 진심으로 바랍니다!
위 내용은 자율주행이 실현되려면 얼마나 걸릴까요?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

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,

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.

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

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.

본 논문에서는 자율 주행에서 다양한 시야각(예: 원근 및 조감도)에서 객체를 정확하게 감지하는 문제, 특히 원근(PV) 공간에서 조감(BEV) 공간으로 기능을 효과적으로 변환하는 방법을 탐구합니다. VT(Visual Transformation) 모듈을 통해 구현됩니다. 기존 방법은 크게 2D에서 3D로, 3D에서 2D로 변환하는 두 가지 전략으로 나뉩니다. 2D에서 3D로의 방법은 깊이 확률을 예측하여 조밀한 2D 특징을 개선하지만, 특히 먼 영역에서는 깊이 예측의 본질적인 불확실성으로 인해 부정확성이 발생할 수 있습니다. 3D에서 2D로의 방법은 일반적으로 3D 쿼리를 사용하여 2D 기능을 샘플링하고 Transformer를 통해 3D와 2D 기능 간의 대응에 대한 주의 가중치를 학습하므로 계산 및 배포 시간이 늘어납니다.
