자율주행을 포기하는 것도 일종의 화해다.
1 자율주행 기업은 곳곳에서 꽃피우기 시작하여 2018년에 최고조에 달했으며, 신규 등록 기업은 472개, 종합 투자 및 융자 건수는 78건, 공개된 투자 및 융자 금액은 최대 811억 위안에 이릅니다.
2019년을 시작으로 자율주행 산업은 꾸준한 발전 단계에 진입하기 시작했습니다. 2020년에는 통제할 수 없는 요인으로 인해 자율주행 산업의 발전 속도가 둔화되기 시작했습니다. 자율주행 산업의 자금 조달은 여전히 436억 3천만 위안으로 전년 대비 136.9% 증가했습니다. 2021년에도 자율주행 트랙은 여전히 뜨겁다. 1~3분기에만 69건의 투자 및 금융 행사가 있었고, 총 투자액은 629억 위안에 달한다. 2022년 10월 기준 우리나라 자율주행 기업은 5,682개다. 2022년 상반기에는 자율주행 관련 신규 기업이 201개나 된다. 자율주행 산업에 대한 점유율을 확보하려는 플레이어가 늘어나고 있으며, 자동차 기업과 인터넷 기업도 같은 궤도에 올라 자율주행 산업이 다각화된 추세를 보이고 있습니다.
2022년 이전의 자율주행 산업을 되돌아보면 자율주행 산업의 발전은 백 가지 학파가 쟁탈하는 상황에 들어간 것 같습니다. 그러나 2023년을 맞이하면서 자율주행 산업은 찢겨진 것 같습니다. 큰 구멍에 빠졌고 평화로운 발전 상황이 계속해서 깨졌습니다. 2023년 초 자율주행 트럭 스타트업 엠바크(Embark)가 파산을 선언했다. 시장 가치가 52억 달러에 달하는 유니콘 기업으로 정점에서 파산까지 걸린 시간은 불과 16개월에 불과했다. 자율주행 분야 벤치마크 기업으로 인정받는 웨이모(Waymo)도 2023년 초 정리해고 계획을 발표했다. 5월 18일, 상장폐지 위기에 직면한 자율주행 트럭 회사 투심플(TuSimple)도 이사회가 5월 18일 회사 전체의 30%에 해당하는 300개의 일자리를 없애는 '추가 구조조정 계획'을 승인했다고 발표했다. 또한 5월에는 새로운 국내 자동차 제조사인 AIWAYS가 임금 체불 및 사회보장 정지에 대한 소식을 자주 전했습니다. 직원의 50%를 해고한다는 소식입니다.
2023년 자율주행 산업에 돌입하면서 정리해고, 도산, 시가총액 폭락 등 뜨거운 말이 잇따라 이어지고 있는 자율주행 산업은 이제 정상을 넘은 듯하다. 그러나 구체적으로 언제 바닥에 도달할 수 있는지에 대한 정확한 시간이나 답변은 아직 없는 것 같습니다. 자동차 회사든, 인터넷 회사든 예전처럼 자율주행에 대한 끈기와 열의가 없는 것 같습니다.
2 자율주행 산업을 전개하기로 결정한 많은 인터넷 기업들도 자율주행에 대한 투자를 줄이고 다른 프로젝트에 더 많은 자원을 사용할 준비를 하고 있습니다. 그 이유는 자율주행으로 이익을 얻을 수 있는 길이 막막하고, 시장 환경은 그렇지 않습니다. 이상적인 세상에서는 생존을 위해 꼬리를 자르는 것이 유일한 선택일 수도 있습니다.자율주행 산업은 마치 밑 빠진 구덩이와 같아서 투자한 자금과 실제 얻을 수 있는 수익이 완전히 불균형적입니다. 지금까지 자율주행 산업이 발전함에 따라 실제로 체험할 수 있는 장소는 소수의 공장, 학교 등 상대적으로 폐쇄된 환경에 불과할 뿐이며 여전히 픽업, 배송 등의 업무를 수행하는 데 더 많은 기능이 사용되고 있다. 택배, 관광 등의 활용 시나리오 오늘날의 자율주행은 저속 자율주행으로만 볼 수 있습니다. 우리가 추구해온 고속 자율주행 시나리오 사이에는 아직 기술적 격차가 큽니다. 저속자율주행은 상대적으로 성숙해졌음에도 불구하고 시장 수요와 시장 규모가 크지 않고, 이를 통해 대규모 수익을 창출하는 것은 비현실적이다.
사실 자동차 회사와 자율주행 산업에 종사하는 기업들은 항상 고속 자율주행 시나리오에 자율주행을 적용하기를 희망해 왔습니다. 이는 자율주행 기술 연구의 의의이기도 합니다. 2020년 6월 27일, Didi는 고속 자율주행을 우리 삶에 도입하기 위해 상하이 자딩에서 자율주행 유인 애플리케이션 프로젝트를 시작했습니다. 하지만 기술이 미성숙하고 투자비용이 높기 때문에 디디추싱의 자율주행 택시는 3년이 지난 지금도 아직 대규모 적용을 이루지 못하고 있다. 자율주행 붐이 10년 가까이 계속되고 있지만, 그 기술은 큰 진전을 이루지 못했습니다.
기술적인 관점에서 볼 때 자율주행 인식 하드웨어와 딥러닝의 단점으로 인해 고속 자율주행의 발전은 이제 고정밀 지도 지원과 불가분의 관계에 있습니다. 그리고 고정밀 지도 감지에는 데이터 정보가 포함되기 때문입니다. 대규모 개방이 이뤄지지 않는다는 것은 고정밀 지도를 기반으로 한 자율주행이 일부 지역에서만 구현 가능하다는 의미다. 이는 마치 자율주행을 우리에 가두는 것과 같아서 기술적으로 불가능하다. 대규모 개발과 돌파구를 달성합니다. 현재 많은 자동차 회사들이 '인식 중시, 지도에 빛'이라는 기술적 방향을 추구하고 있고, 많은 전문가들이 지능형 네트워크 연결 개발 모델을 제안하기도 했지만, 기술 난이도가 높고, 아직 초기 단계에 불과하다. 높은 투자 비용. 비용 측면에서 보면 고정밀 지도 감지를 대규모로 구현할 수 있더라도 적시에 고정밀 지도를 업데이트해야 하며, 이는 대부분의 자동차에 많은 인건비를 요구하는 이유입니다. 기업들은 현재 그 이유 중 하나인 '인식, 라이트맵'을 추진하고 있다. 그리고 현 단계에서는 자율주행 하드웨어의 가격이 너무 높기 때문에 소비자가 진정으로 자율주행 기능을 즐기기를 원한다면 차량 한 대의 가격은 상상을 초월할 정도로 소비자가 이를 대규모로 구매하는 것은 사실상 비현실적이다. 자율주행에 많은 투자를 했지만, 수익은 매우 적습니다. 자율주행을 계속 고집해야 할까요? 어쩌면 시장은 이미 답을 제시했을 수도 있다. "게으름"은 항상 기술 발전의 원동력이었습니다. 자동차로 여행할 때 운전자의 역할은 매우 얽매일 것입니다. 운전자의 손을 자유롭게 하고 자율주행차가 승객과 화물을 운반할 수 있게 되면 의심할 여지 없이 인간 역할의 필요성이 해방될 것입니다. 여행 환경에서. 하지만 자율주행이 발달한 이후 계속해서 많은 고속 자율주행 경험이 등장하고 있지만, 자율주행에 대한 사람들의 태도는 얼리 어답터의 취향에 가깝습니다. 여전히 질문과 우려가 있습니다. 현재의 자율주행은 아직 L2 수준입니다. 많은 신차 제조사에서는 자사의 기술 발전을 강조하기 위해 판매 프로모션에서 이를 L2+ 또는 심지어 L3 자율주행이라고 표현합니다. 자율주행 발전의 신호탄. 자율주행 사고는 운전자가 자율주행 시스템을 지나치게 신뢰함으로써 발생하는 경우가 많다. 자율주행은 현 단계의 소비자들에게 매우 생소한 개념이기 때문에 자율주행과 관련된 모든 사고는 많은 주목과 인기를 얻게 될 것이며, 이로 인해 자율주행에 대한 모든 사람의 불신은 계속 확대될 것입니다. 기술의 미성숙, 저비용, 시장의 불신으로 인해 자율주행의 발전은 무한루프에 빠졌고, 이는 자율주행이 대규모로 적용되지 못한 이유이기도 합니다. 지금까지 운전 중. 이러한 문제를 해결하기 위해서는 더 많은 시간과 비용의 투자가 필요하며, 이는 자동차 회사와 인터넷 회사 모두에게 과제이며, 자율주행 구현을 위한 최전선이 지속적으로 확장되고 있어 많은 기업들이 감당하기 어려운 상황입니다. 자율주행 관련 프로젝트에 투자하는 것도 그들에게는 일종의 화해일 수 있다. 그럼에도 불구하고 많은 사람들이 계속해서 자율주행 산업의 발전 경로를 따르겠지만, 언제 빛을 보게 될지는 아직 장담할 수 없습니다! 3 포기하거나 고집하면 어쩌면 시장이 답을 줄지도 모릅니다
위 내용은 자율주행을 포기하는 것도 일종의 화해다.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.

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
