캘리포니아 주민들은 깊은 후회를 하고 있습니다. 자율주행의 신뢰성이 정말 걱정스럽고, 무인택시의 고문이 너무 고통스럽습니다.
8월 11일, 미국에서 가장 보수적인 지역인 캘리포니아주에서 무인택시가 합법적으로 운행될 수 있는지를 논의하는 청문회가 열렸습니다. 6시간의 토론 끝에 자율주행 지지자들은 3:1의 투표로 압승을 거두었습니다.
Cruise CEO Kyle Vogt 샌프란시스코에서는 L4 자율주행 기술을 지원하는 수천 대의 택시가 향후 6개월 내에 출시될 것이라고 발표했습니다. 지역 주민들에게 24시간 서비스 제공

그러나 캘리포니아 공항은 무인 택시 금지 조치를 해제한 지 일주일 뒤 EMU는 결정을 후회하고 즉각 엄격한 통제 조치를 내렸습니다. 놀랍게도, 캘리포니아 자동차국을 그토록 화나게 만들 정도로 단 일주일 만에 무인 택시가 무슨 일을 하였습니까?
일주일 만에 자율주행이 캘리포니아 주민들을 미치게 만들고 있습니다
캘리포니아 정부가 무인택시 운행을 허용하도록 설득하기 위해 크루즈는 무인택시 안전성을 입증하기 위한 대량의 데이터를 제공했고, 그런데 결과는...

캘리포니아에서 크루즈 자율주행 택시가 도로를 주행한 지 일주일 만에 몇 가지 대표적인 사례를 살펴보겠습니다. 지난 목요일 밤, 무인택시 교차로에서 택시 한 대가 소방차와 충돌했습니다. 다행히 사고는 심각하지 않았으며 승객들은 에어백 보호하에 크게 다치지 않았으며 시간에 맞춰 병원으로 후송됐다.
이와 관련해 크루즈는 차량이 소방차를 감지, 식별하고 조치를 취했다고 설명했다. 교차로에 있다고 해서 비상조치를 취해야 하니 사고를 피할 수는 없다

같은 날 크루즈 무인택시가 건설 중인 도로에 우연히 충돌해 시멘트 속에 갇히는 사고가 발생했습니다. AI는 결국 사람이 아니기 때문에 시멘트가 말랐는지 판단할 수는 없지만 여전히 택시회사가 관여하고 있다
물론 주된 책임은 도로행정업체와 도로건설업체가 져야 하기 때문이다. 그들은 도로 건설 현장에 격리 시설을 설치하지 않았습니다. 택시 회사들은 그들의 지도가 도로 건설 데이터를 포착하지 못했기 때문에 책임이 있습니다. 아시다시피 중국의 거의 모든 온라인 지도 플랫폼은 실시간 휴대폰 데이터를 제공할 수 있습니다. 공식적인 측량 및 지도 담당자 외에도 사용자는 도로 정보도 업로드할 수 있습니다
자율주행을 개발하기로 결정한 만큼 이를 무시해서는 안 됩니다. point
지난 금요일, 크루즈가 문제를 일으켰습니다. 가장 큰 문제는 교차로에서 갑자기 차량 10대가 멈춰 20분 이상 거리 전체가 막히는 현상이 발생했습니다. 크루즈가 제공한 설명은 현지에서 음악 축제가 열리고 있어 무인 택시의 신호가 교란되어 차량의 데이터가 손실되었다는 것입니다
다시 쓴 글: 정말 놀라운 일입니다. 자동차는 항상 연결 상태를 유지해야 합니까? 그렇다면 터널을 통과할 때는 어떻게 해야 할까요? 4G 기지국이든 5G 기지국이든 중국은 커버리지가 60% 이상이지만 중국은 신호가 어디에나 있다고 보장할 수 없습니다. 이에 비해 미국의 기지국 커버리지율은 중국에 비해 훨씬 낮습니다. 신호가 불안정할 뿐만 아니라 다른 신호 소스의 간섭도 걱정됩니다. 크루즈가 무슨 생각을 하는지 모르겠습니다. it

또 다른 택시 회사인 Waymo는 이번에는 사고를 많이 노출하지 않았지만 이전에도 많은 문제가 있었습니다. 2018년에는 무인자동차가 사람을 치어 숨지는 사건이 처음으로 발생했고, 소방차와 수십 차례 충돌했다. 재작성 내용: 웨이모 택시회사는 이번에 사고를 많이 노출시키지는 않았지만, 2018년 첫 무인자동차가 사람을 치어 사망한 사건, 소방차와 다중 충돌 사고
등 이전에도 많은 문제가 발생했습니다. 한 주 동안 자율주행 기술은 많은 문제를 드러냈는데, 그 중 상당수는 안전과 관련이 있습니다. 최근 세계 여러 나라에서 상용 자율주행 기술을 홍보하기 시작했는데, 이렇게 많은 문제 앞에서 어떻게 자율주행을 자신있게 사용할 수 있을까요?도로에서는 자동차들이 시속 수십~수백 킬로미터의 속도로 과속하고 있습니다. 조금만 부주의해도 교통사고가 날 수 있습니다. 사상자를 발생시킵니다. 그렇기 때문에 우리는 자연스럽게 안전 문제에 더 많은 관심을 갖게 됩니다 자율 주행을 구현하려면 먼저 센서를 통해 데이터를 수집한 다음 칩과 프로세서를 결합하고 명령을 내려야 합니다. 보안 관점에서 볼 때 센서가 많을수록 좋고, 수집된 데이터가 정확할수록 좋습니다. 하지만 다수의 고정밀 센서는 비용 문제는 물론이고 칩에 더 큰 압박을 가할 것입니다 인텔, 엔비디아, 퀄컴이 자동차 산업에 진출한 뒤 고성능 칩을 개발하고 있습니다. 그 중 엔비디아가 출시한 토르(Thor) 칩의 연산력은 초당 2000조회(2000TOPS)에 이르렀다. 이는 매우 흔한 일이며 15만 위안 미만의 일부 차량에는 이러한 레이더가 장착됩니다. LiDAR의 가격은 상대적으로 높으며, 현재는 일부 중~고급 모델에만 탑재되고 있습니다. Huawei, Hesai 등 국내 기업은 저가형 모델에도 LiDAR를 사용할 수 있는 기회가 있기를 바라며 LiDAR 비용을 줄이는 방법을 연구하고 있습니다. 비전 솔루션만으로 자율주행을 실현할 수 있습니다. 예를 들어, Tesla의 곧 출시될 새로운 Model 3는 모든 레이더를 취소했습니다. 그러나 인간의 신체는 그 어떤 기계나 인공지능보다 훨씬 복잡하며, 두뇌의 상상력도 컴퓨터와 비교할 수 없을 만큼 뛰어납니다. 또한 우리가 환경 정보를 수집하는 방식은 눈에만 국한되지 않고 청각, 촉각 및 기타 정보를 수집하는 기관이 많이 있습니다
자율주행은 미래를 향해 가고 있지만, 아직 극복해야 할 어려움이 많습니다
순수한 레이더를 사용하는 자동차 회사는 없습니다. 솔루션은 순수 비전 또는 카메라 + 레이더의 융합 비전입니다. 순수 비전 솔루션은 알고리즘에 대한 요구 사항이 매우 높습니다. 순수 비전 + 알고리즘은 물론이고 레이더를 갖춘 자율 주행 솔루션도 안전을 보장할 수 없습니다. 테슬라 오토파일럿 사고는 다반사
일부 국내 기업들은 알고리즘이 아무리 우수해도 센서에만 의존해 L5급 오토파일럿을 달성하는 것은 현재 불가능하다는 사실을 깨달았습니다. 이에 이들 기업은 고정밀 지도, 차량-도로 협업 등의 솔루션을 출시했다. 그 중 고정밀 지도는 도로 정보를 실시간으로 수집할 필요 없이 센티미터 수준까지 정확한 도로 데이터를 지속적으로 매핑해야 하므로 칩에 대한 부담을 줄여줍니다.
차량-도로 협업은 카메라를 추가하는 것입니다. 도로 상황이 복잡하고 교통 혼잡이 심한 지역에서는 자동차 카메라와 레이더를 수집해 감지할 수 없는 정보를 자동차로 전송해 운전 안전성을 높인다

자율주행,
다시 케이지에 넣어야 합니다
온라인에서 공개된 내용으로 보면 자율주행 운전은 매우 성숙한 것 같습니다. 관련 부서의 한마디만 있으면 즉시 상업적으로 활용할 수 있습니다. 그러나 현재의 상업용 자율주행은 일부 소비자만을 시험 대상으로 취급하고 있다. 자율주행을 상업용으로 개방해야 하는지 여부에 대해 샤오퉁은 너무 조급해하지 말고 신중하게 추진해야 한다고 생각한다. 현재 많은 자동차 제조업체가 Huawei ADS 및 Xpeng XNGP와 같은 첨단 보조 운전 시스템을 출시했으며 그 성능은 매우 우수합니다. - 보조 운전 기능을 종료합니다. 자율주행은 미래 전망이 매우 밝지만 현재로서는 실험 단계로 제한하는 것이 가장 좋습니다. 결국 모든 사람의 생명은 소중하며 자율주행 기업과 자동차 기업의 실험 대상이 되어서는 안 됩니다
자율주행차의 국내 도로 테스트는 꾸준히 진행되고 있으며 베이징, 우한, 광저우를 비롯한 많은 도시에서는 이미 테스트가 시작되었습니다. 자율주행 온라인 차량호출 서비스를 운영하고 있습니다. 현재는 작은 영역에서만 작동할 수 있지만 가격은 매우 저렴합니다. 기회가 된다면 직접 체험해 보세요
이 자동차 회사들이 소비자의 안전을 보장하기 위해 충분한 데이터를 수집하고 사고에 대한 책임을 기꺼이 지을 때, 자율주행 기술은 진정으로 수천 가구에 적용될 수 있습니다
이 콘텐츠의 출처는 WeChat 공개 계정: Dianchetong(ID: dianchetong233) , 작성자는 Lost Soul Yin입니다
광고 설명: 이 기사에는 더 많은 정보를 제공하고 심사 시간을 절약하기 위해 외부 점프 링크(하이퍼링크, QR 코드, 비밀번호 등을 포함하되 이에 국한되지 않음)가 포함되어 있습니다. . 이 사이트의 모든 기사에는 다음 내용이 포함되어 있습니다
위 내용은 캘리포니아 주민들은 깊은 후회를 하고 있습니다. 자율주행의 신뢰성이 정말 걱정스럽고, 무인택시의 고문이 너무 고통스럽습니다.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,

첫 번째 파일럿 및 주요 기사에서는 주로 자율 주행 기술에서 일반적으로 사용되는 여러 좌표계를 소개하고 이들 간의 상관 관계 및 변환을 완료하고 최종적으로 통합 환경 모델을 구축하는 방법을 소개합니다. 여기서 초점은 차량에서 카메라 강체로의 변환(외부 매개변수), 카메라에서 이미지로의 변환(내부 매개변수), 이미지에서 픽셀 단위로의 변환을 이해하는 것입니다. 3D에서 2D로의 변환에는 해당 왜곡, 변환 등이 포함됩니다. 요점: 차량 좌표계와 카메라 본체 좌표계를 다시 작성해야 합니다. 평면 좌표계와 픽셀 좌표계 난이도: 이미지 평면에서 왜곡 제거와 왜곡 추가를 모두 고려해야 합니다. 2. 소개 좌표계에는 픽셀 평면 좌표계(u, v), 이미지 좌표계(x, y), 카메라 좌표계(), 월드 좌표계() 등 총 4가지 비전 시스템이 있습니다. 각 좌표계 사이에는 관계가 있으며,

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

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

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.
