기술 주변기기 일체 포함 자율주행차를 상업적으로 활용하려면 알고리즘 안전 규정에 주의가 필요합니다.

자율주행차를 상업적으로 활용하려면 알고리즘 안전 규정에 주의가 필요합니다.

Apr 29, 2023 pm 10:16 PM
자율주행 자동차

자동차 전동화, 네트워크 연결, 지능화의 발전 추세 속에서 자동차 자율주행 기술의 급속한 발전으로 인해 자동차 산업은 점점 더 근본적인 변화에 가까워지고 있습니다. 그러나 최근 몇 년 동안 자율주행차의 안전 문제가 점점 더 부각되고 있으며, 관련 사고로 인해 자율주행차에 대한 대중의 신뢰가 어느 정도 약화되었습니다. 자율주행 알고리즘으로 인해 발생하는 안전 문제에 효과적으로 대응하기 위해서는 자율주행차의 연구개발 테스트 단계에서 상용 적용 단계로의 전환을 가속화할 수 있는 통합된 자율주행 알고리즘 보안 프레임워크를 구축해야 합니다.

자율주행차를 상업적으로 활용하려면 알고리즘 안전 규정에 주의가 필요합니다.

자율주행 알고리즘 안전 문제의 주요 징후

현재 중국의 자율주행차 법안은 주로 도로 테스트, 데모 애플리케이션 및 차량 데이터 보안에 중점을 두고 있으며 아직 목표를 정하지 않았습니다. 인공 지능 지능형 알고리즘을 핵심으로 하는 자율 주행 시스템은 완전하고 통일된 안전 감독 프레임워크를 형성합니다. 향후 입법은 세 가지 측면에 대한 대응에 중점을 둘 필요가 있다.

먼저 일반적인 기술 보안이 가장 중요하고 관련성이 높은 변수입니다. 확립된 규제 프레임워크(안전 표준, 테스트 및 인증, 제품 승인 등 포함)의 적용을 받는 기존 자동차와 운전 면허증 및 책임 메커니즘의 적용을 받는 인간 운전자와 비교할 때 자율 주행 시스템의 안전 표준은 다음과 같습니다. 아직 확립되지 않았기 때문에 자율주행 자동차를 운전하는 것은 아직 전통적인 자동차와 같은 방식으로 안전성과 규정 준수를 입증하지 못합니다. 따라서 이 단계에서 핵심 문제는 자율주행 시스템에 대한 안전 임계값, 안전 표준, 테스트 및 인증 방법, 승인 메커니즘 및 기타 요구 사항을 설정하는 것입니다.

핵심 질문은 정책 입안자와 규제 기관이 자율 주행 차량의 상업적 배포를 허용하기 전에 자율 주행 시스템이 얼마나 안전해야 하는지입니다. 기술에 대한 사회의 편견으로 인해 허용 가능한 보안에 대한 임계값이 부적절하게 높아질 수 있습니다. 예를 들어, 자율주행차는 사고 제로를 달성하기에 충분한 절대적인 안전 수준에 도달해야 한다고 생각됩니다. 저자는 자율주행 알고리즘의 안전 임계값은 절대 목표(사고 제로, 사상자 제로 등)의 자율주행 수준이 아니라 일반적인 인간의 운전 수준을 기준으로 판단해야 한다고 생각한다. 과학적이고 합리적인 안전 기준. 예를 들어, 영국이 2022년 8월 발표한 자율주행 정책 문서 "Connected and Autonomous Mobility 2025: Unleashing the Benefits of Autonomous Vehicles in the UK"에서는 자율주행차의 안전 기준점을 명확하게 제시하고 있습니다. "유능하고 신중한" 요구 사항 "유능하고 조심스러운 인간 운전자"(유능하고 조심스러운 인간 운전자)는 일반 인간 운전자와 동일한 수준의 안전 수준을 갖습니다.

두 번째, 네트워크 보안 문제입니다. 사이버 보안은 자율주행차의 개발과 적용에 영향을 미치는 핵심 요소이며, 이와 관련된 위험과 위협은 자율주행차에 대한 위협을 해결하기 가장 복잡하고 어려워질 것입니다. 전반적으로 자율 주행 차량의 사이버 보안 문제는 주로 다음과 같은 특징을 나타냅니다.

첫째, 자율 차량은 기존 차량보다 사이버 보안 위험에 더 취약합니다. 자율주행차는 "바퀴 달린 로봇"입니다. 자율주행차는 전통적인 의미의 사이버 보안 위험에 직면할 뿐만 아니라 자율주행 알고리즘으로 인해 발생하는 새로운 사이버 보안 문제, 위험 및 위협에도 직면하게 됩니다.

두 번째, 자율 차량에 대한 사이버 보안 위험의 원인은 더욱 다양해졌습니다. 다양한 주체가 제조, 운영, 유지 관리, 스마트 인프라, 보험, 감독 및 기타 링크에서 자율 차량에 액세스하거나 제어할 수 있습니다. .

셋째, 자율주행차는 더욱 다양한 네트워크 침입 방식에 직면합니다. 예를 들어, 해커는 소프트웨어 취약점을 표적으로 삼거나, 악성 장치를 연결하여 자율주행차에 물리적 공격을 가하거나, 스마트 도로 인프라와 같은 자율주행차 생태계의 구성 요소를 공격할 수 있습니다.

또한 공격 효과 측면에서 해커는 실패 공격, 운영 공격, 데이터 조작 공격, 데이터 도난 등 다양한 유형의 공격을 채택할 수 있습니다. 이러한 공격의 영향은 클 수도 있고 작을 수도 있으며 그렇게 해서는 안 됩니다. 과소평가되다 넷째, 자율주행차의 사이버보안 위험은 폭과 깊이의 특성을 모두 나타내어 전반적이고 다단계적인 해로운 결과를 가져옵니다. 범위 측면에서 자율주행차의 소프트웨어 및 하드웨어 취약성은 광범위할 수 있으며, 이는 자율주행차가 침입하여 통제된 후 사이버 공격이 깊이 측면에서 증폭될 수 있음을 의미합니다. 사상자, 재산 피해, 데이터 도난 등을 포함한 수준입니다.

세 번째, 윤리적 안전 문제입니다. 자율주행 알고리즘에 있어 가장 중요한 윤리적 안전 문제는 피할 수 없는 사고에 직면했을 때 알고리즘이 어떻게 판단하고 행동해야 하는가이다. 특히 딜레마(도덕적 딜레마)에 직면했을 때 우리는 어떻게 선택해야 할까요? 보행자와 같은 다른 도로 참가자의 희생을 의미하더라도 사상자를 최소화하거나 차량 탑승자를 보호하기 위해 어떤 희생을 치르더라도 선택해야 합니까? 자율주행차에 도덕적 딜레마가 발생할 가능성은 기술과 윤리 간의 상호작용을 피할 수 없는 문제로 만듭니다. 즉 복잡한 인간 도덕성을 자율주행 알고리즘의 설계에 어떻게 프로그래밍할 것인가입니다. 이 문제에 대해서는 아직 사회 각계가 합의에 이르지 못했습니다.

자율주행차를 상업적으로 활용하려면 알고리즘 안전 규정에 주의가 필요합니다.

자율 자동차를 위한 알고리즘 보안 프레임워크 구축

"지능형 자동차 혁신 및 개발 전략"의 실현을 보장하기 위해 "2025년까지 중국 표준 지능형 자동차 기술 혁신, 산업 생태학, 인프라, 규정 및 표준, 제품 감독 및 네트워크 보안 시스템이 기본적으로 형성되었으며 조건부 자율형 스마트 자동차의 대규모 생산을 달성하고 특정 환경에서 고도로 자율적인 스마트 자동차의 시장 적용을 실현하려는 목표는 다음과 같습니다. 전통적인 자동차와 인간 운전자에 대한 입법 및 규제 프레임워크를 혁신하고 자율주행차를 현재 도로 교통 시스템에 통합하기 위한 새로운 법률 시스템 및 규제 프레임워크를 구축합니다. 핵심적인 측면 중 하나는 자율주행 알고리즘을 핵심으로 하는 안전 규제 프레임워크를 구축하는 것으로, 기술 안전 표준 및 승인 인증, 네트워크 보안 인증, 윤리적 위험 관리 등 3가지 차원을 포괄해야 합니다.

먼저, 자율주행 시스템에 대한 새로운 안전 표준과 인증 메커니즘을 확립하세요. 전통적으로 자동차 하드웨어와 운전자 중심의 안전기준에서 자율주행 알고리즘을 핵심으로 하는 안전기준으로 전환하는, 자율주행차에 대한 새롭고 통일된 안전기준 마련이 시급하다. 조종석, 운전대, 페달, 백미러가 필요 없는 자율주행차. 또한, 자율주행 시스템의 안전성을 보다 정확하고 안정적으로 평가하고 검증하기 위해서는 향후 법률 및 정책에서 자율주행 시스템에 대한 과학적이고 합리적인 안전 임계값과 벤치마크를 설정해야 하며, 자율주행차에 최소한 "유능하고 신중한" "인간 운전자와 동일한 수준의 안전"이라는 요구 사항을 충족하고 도로 주행의 기술 수준을 기반으로 일련의 과학적이고 합리적인 감지 방법을 구축합니다.

둘째, 자율주행차를 위한 새로운 사이버보안 프레임워크를 구축해야 합니다. 정책 입안자들은 자율주행차의 사이버 보안을 전체적으로 보장하기 위해 전통적인 사이버 보안 원칙을 통합하는 것을 고려해야 합니다. 첫 번째는 자율주행차에 대한 사이버보안 인증 메커니즘을 구축하는 것입니다. 사이버보안 인증을 통과한 자율주행차만 판매 및 사용이 허용됩니다. 그리고 이 메커니즘은 소프트웨어 및 하드웨어 공급망으로 확장되어야 합니다. 둘째, 기술적 조치와 비기술적 조치를 포함해 자율주행차의 사이버보안 보호 능력과 요구사항을 명확히 할 필요가 있다. 세 번째는 B2B, B2G, G2B 등 업계와 정부 간 데이터 공유, 특히 안전사고, 네트워크 보안, 자율주행 시스템 해제 등 안전사고 관련 데이터를 실현할 필요가 있다. 사고 데이터 보고 및 공유 메커니즘을 구축하는 것은 전체 자율주행 산업의 발전 수준을 향상시키는 데 큰 의미가 있습니다.

셋째, 자율주행 알고리즘 등 윤리적 리스크 관리 메커니즘을 확립합니다. 한편으로는 자율주행 알고리즘이 일반 대중의 이익과 윤리적으로 일치하고 대중의 수용과 도덕적 요구 사항 사이에서 일정한 균형을 달성할 수 있도록 자율주행 알고리즘 설계 시 윤리적 선택에 대한 표준을 설정하기 위해 명확한 정부 감독이 필요합니다. . 균형. 한편, 자율주행차 기업은 자율주행차 기술의 과학기술 윤리 거버넌스를 강화하고, 과학기술 윤리경영의 주요 책임을 적극적으로 이행하며, 과학기술 윤리의 기본 원칙을 준수하고, 자율주행차 기술에 대한 과학기술윤리 위험성 평가 및 검토, 과학기술윤리 위험성 모니터링 및 조기경보 메커니즘 구축, 과학기술인력 윤리교육 강화 등 예를 들어 영국 규제 당국은 자율주행차 거버넌스를 더 잘 지원하기 위해 'AV 윤리 및 안전 위원회' 설립을 제안했습니다.

요약하자면, 자율주행차의 광범위한 배포와 사용은 많은 긍정적인 이점을 실현하는 데 필요한 조건입니다. 광범위한 배포 및 사용을 위한 필수 조건은 적절한 안전 프레임워크를 구축하고 자율주행차의 테스트에서 상용화로의 도약을 가속화하는 것입니다. 그러나 어떤 합리적인 법적 정책도 대중의 수용을 막을 수는 없습니다. 즉, 자율주행차가 가장 선호되는 교통수단이 되려면 사용자와 사회 전체의 기대를 고려해야 하며, 여기에는 신뢰, 책임 등의 디자인 가치뿐만 아니라 사용자 만족도도 포함됩니다. , 투명성.

자율주행차에 대한 안전 규정도 이러한 기대를 고려해야 하며, 과도한 기대를 조정하기까지 해야 합니다. 이러한 고려 사항을 바탕으로 본 논문에서는 자율주행차가 상용화되기 전에 직면해야 하는 알고리즘 안전 문제를 해결하기 위한 새로운 자율주행 알고리즘 안전 규제 프레임워크를 혁신적으로 제안합니다. 장기적으로 자율주행차의 상업적 이용은 미래 교통법규의 끝이 아닌 시작점일 뿐이며, 자동차 디자인, 교통법규, 책임보험, 보상, 운전습관 등의 일련의 변화가 일어날 것입니다. 차례대로 오세요.

위 내용은 자율주행차를 상업적으로 활용하려면 알고리즘 안전 규정에 주의가 필요합니다.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.

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,

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

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

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

nuScenes의 최신 SOTA | SparseAD: Sparse 쿼리는 효율적인 엔드투엔드 자율주행을 지원합니다! nuScenes의 최신 SOTA | SparseAD: Sparse 쿼리는 효율적인 엔드투엔드 자율주행을 지원합니다! Apr 17, 2024 pm 06:22 PM

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.

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