자율주행 '황금 10년' 청사진이 펼쳐진다, 다양한 지역이 기회를 잡기 위해 레이아웃을 가속화하고 있다
현재 자율주행 업계에서는 일반적으로 우리나라가 2030년까지 자율주행의 대규모 상용화를 달성할 것으로 보고 있으며, 업계에서는 2020~2030년을 자율주행 황금 발전기로 보고 있습니다. 자율주행 '황금 10년'의 청사진이 서서히 펼쳐지는 가운데, 우리나라의 지능형 커넥티드 차량 관련 법규는 계속해서 개선되고 있으며, 높은 수준의 자율주행이 붐을 이루고 있습니다.
동시에 각 지자체에서도 자율주행 상용화를 촉진하기 위한 관련 정책 수립에 속도를 내고 있습니다. 얼마 전 충칭과 우한은 완전 무인 상업 여행 서비스 출시에 앞장서며 우리나라 자율주행 상용화에 이정표를 세웠습니다. 최근 베이징, 상하이, 광저우, 우시 등의 도시는 빈번한 조치를 취했으며 새로운 자율 주행 레이아웃이 출시되었으며 지능형 커넥티드 카는 급속한 기술 발전과 가속화된 산업 레이아웃의 중요한 시기를 맞이했습니다.
베이징: 3.0단계 건설 작업이 본격 시작됩니다
2년 전, 베이징은 국내 최초의 네트워크 연결 및 클라우드 제어 고급 자율 주행 시범 구역 건설을 공식적으로 시작하여 다음을 위한 혁신적인 애플리케이션을 축적했습니다. 표준화 구축에 있어 차량-도로-클라우드 협업 경험. 지금까지 베이징의 고급 자율주행 시범구는 1.0단계와 2.0단계 건설 과제를 성공적으로 완료했습니다. 베이징 경제기술개발구는 이제 329개의 지능형 네트워크 표준 교차로, 750km의 양방향 도시 도로, 10km의 고속도로에서 차량-도로-클라우드 통합 기능을 적용하여 출시를 위한 길을 닦은 것으로 알려졌습니다. 3.0 규모 배포 및 시나리오 확장 단계의 탄탄한 기반을 마련했습니다.
9월 16일 2022년 세계 지능형 커넥티드 차량 회의에서 베이징의 고급 자율주행 시범구 책임자는 다음 단계에서 베이징이 3.0단계 건설 과제를 본격적으로 시작하여 통합 스마트 시티의 전용 네트워크는 1,000개 이상의 첨단 자율주행 차량 터미널의 적응형 애플리케이션을 촉진하고, 도시의 500제곱킬로미터에 달하는 시범 영역을 점진적으로 확장 및 완성하며, 차량 간 협업, 원격 운전, 온라인을 지원할 것입니다. 감독 및 기타 차량 인터넷 서비스 스마트 시티 시나리오 애플리케이션의 광범위한 확장.
상하이: 시 최초의 안전 담당자 없는 자율주행차 출시
9월 27일, 상하이 최초의 안전 담당자 없는 자율주행차 출시와 함께 '무인의 땅(No Man's Land)' 실증 체험 이 지역의 출시는 상하이의 지능형 커넥티드 차량 개발과 혁신 촉진에 있어 또 하나의 이정표가 되었습니다. '무인의 땅(No Man's Land)' 실증 체험 구역 개장은 지능형 커넥티드 차량의 테스트 시나리오를 더욱 풍부하게 하고, 포괄적인 감독 및 관리 시스템을 구축해 지능형 커넥티드 차량의 자율 주행이 정상적이고 안정적으로 작동할 수 있도록 실제 환경 기반과 정보를 제공하는 것을 목표로 합니다. 파견 디스플레이 플랫폼.
'무인의 땅' 실증 체험장은 상하이 자동차 엑스포 공원 내 3.8km 반개방 도로를 기반으로 무인 실증 애플리케이션을 실시할 예정이며, 2단계에 걸쳐 단계적으로 개방될 예정이라고 합니다. 국내 최초 안전운전자 고급 무인고도 자율주행 실증 운전 샘플. 현재 1단계 도로 1.2km가 완성되어 사용 중이고, 2단계 도로 2.6km가 아직 계획 및 건설 중으로 올해 말 완공될 예정이다.
현재 자율주행 여행 서비스 플랫폼 LuoPao Pao가 제공하는 자율주행차의 Apollo Moon 북극여우 버전이 상하이 자동차 엑스포 공원에서 완전 무인 테스트를 시작했습니다. LuoPao Pao는 테스트를 통해 상하이 자딩(Jiading) 지역의 더 많은 도로 구간에서 완전 무인 자율주행 여행 서비스를 대중에게 제공할 예정입니다.
광저우: 올해와 내년에 260대의 자율주행차가 운행될 예정입니다.
9월 14일 교통부 사무처는 18차 스마트 교통 시범 적용 시범 프로젝트의 1차 배치를 발표했습니다. 자율주행 및 스마트배송 분야), 광저우 도시여행 서비스 자율주행 시범적용 시범사업이 선정돼 올해와 내년에 자율주행차 260대가 상용화된다.
발표에 따르면 시범사업은 2022년 8월부터 2023년 12월까지 광저우타워 순환선, 생물섬 순환선 등에 자율주행버스 50대를 투자해 누적 서비스 100만대 이상을 달성할 예정이다. 승객. 광저우 인공지능 및 디지털 경제 시범구에서는 자율주행 승용차 210대가 투입됐으며, 누적 서비스 승객 수는 30만 명 이상, 주행 거리는 400만 킬로미터 이상, 운행 시간은 최소 30만 명에 이른다. 200,000시간 이상. 시범사업의 예상 결과는 시범작업에 대한 요약보고서를 작성하고, 자율주행 도심여행 서비스 시나리오에 대한 기술지침이나 표준사양을 2개 이상 마련하는 것이다.
우시: 지능형 연결 차량에 대한 글로벌 테스트를 최초로 수행합니다
9월 22일, "우시 지능형 연결 차량 도로 테스트 및 시연 애플리케이션 관리 구현 규칙"의 새 버전(이하 참조) '구현 규칙')이 공식적으로 도입되면서 우시는 운전자가 장착된 지능형 커넥티드 차량의 도로 테스트, 실증 적용, 실증 운영 범위를 도시 전체로 확대하는 데 앞장서며 중국 최초의 도시가 되었습니다. 지능형 차량의 모든 영역을 테스트합니다.
우시는 중국 최초의 국가급 자동차 네트워킹 시범 지역이자 최초의 '이중 지능' 시범 도시 중 하나로서 지능형 커넥티드 자동차 산업 발전에서 중국의 최전선에 서 있었습니다. 2021년 우시에서는 '구현 규칙'을 시범적으로 실시했으며, 지난 1년 동안 총 177km의 공공 테스트 도로를 순조롭게 개통했습니다. 차량 인프라는 450km2 및 856개 지점을 포괄합니다. 이 새로운 버전의 "구현 규칙"은 지능형 네트워크 차량 테스트 및 시연을 수행하는 데 필요한 대상, 운전자 및 차량을 명확히 할 뿐만 아니라 운전자 장착 모드와 운전자 없음 모드의 두 가지 모드를 명확히 하고 시연 작업 콘텐츠를 추가합니다. 지능형 커넥티드 카에 기술 혁신과 운영 모델 혁신을 위한 더 큰 여지를 제공합니다.
또한, 차량 인터넷에 대한 우시 최초의 지역 규정인 "우시시 차량 인터넷 개발 촉진 규정(초안)"도 최근 통과되어 인프라 구축, 적용 범위의 깊이와 폭을 더욱 촉진할 것입니다. , 차량 인터넷의 기술 혁신 및 산업 개발 및 기타 측면을 포괄적으로 준비하고 법률 형식으로 차량 인터넷 및 지능형 연결 차량에 대한 신기술, 새 모델 및 새로운 비즈니스 형식의 개발을 보장합니다. 우시에 지능형 커넥티드 차량 관련 기술 기업의 정착과 발전을 위한 충분한 토양을 제공합니다.
우한: 자율주행차가 곧 여러 지역을 주행할 수 있게 될 것입니다
9월 15일 우한의 4차 지능형 커넥티드 차량 시험 도로에 대한 위험 수준 평가가 전문가 검토를 통과했으며 향후 시행될 예정입니다. 조만간 공식적으로 오픈할 예정이다. 공식 개통 이후 우한의 다양한 지능형 네트워크 테스트 도로 수는 400km를 초과해 전국 최고 수준에 이를 전망이다.
우한시는 340km의 지능형 연결 차량 및 지능형 교통 테스트 도로 3개 배치를 개설한 것으로 알려졌습니다. 그 중 우한 경제 개발구에는 106개를 포함하여 5G 상업 네트워크가 완전히 적용되는 321km의 개방형 테스트 도로가 있습니다. 5G 전면 테스트 도로는 킬로미터에 달합니다. 차량-도로 협력 도로 구간은 가장 풍부한 시나리오와 중국 최초의 전체 5G 액세스를 갖춘 최대 규모의 개방형 테스트 도로입니다. 네 번째 공개 테스트 도로는 길이가 약 70km이며 우한경제개발구와 한양구의 핵심 지역을 연결하게 됩니다. 이는 자율주행차가 처음으로 중국의 Car Valley를 벗어나 지역 간 교통을 달성한다는 것을 의미합니다.
결론: 2022년부터는 주요 도시의 빈번한 행보에 더해 관련 기업들도 투자를 늘리기 위해 경쟁하며 자율주행이라는 새로운 블루오션 속에서 도시와 영토를 정복하며 자율주행 속도를 가속화하고 있다. 완전 무인 상업운영도 개별 도시와 지역의 시범사업을 시작으로 전국 단위로 점차 확대되고 있다.
위 내용은 자율주행 '황금 10년' 청사진이 펼쳐진다, 다양한 지역이 기회를 잡기 위해 레이아웃을 가속화하고 있다의 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
7560
15
1384
52
84
11
60
19
28
98
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
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.
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
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.
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
'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)
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!
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.
