교통부는 자율주행 기술을 지원하기 위한 도로 지능 '가이드라인'을 발표했습니다.
10월 10일자 뉴스 지능형 자동차 기술이 지속적으로 발전함에 따라 차량의 지능형 운전을 위한 규칙 및 규정의 제정이 점점 더 중요해지고 있습니다. 최근 교통부는 교통부 산하 도로과학연구소에서 편집한 중요 규격인 '자율주행 지원을 위한 고속도로 엔지니어링 시설 기술지침'(이하 '지침')을 발표했다. 정부기관 외에도 화웨이, 바이두지싱테크놀로지, 오토내비테크놀로지 등 민간기업도 가이드라인 제정에 적극적으로 참여했다.
이전 규정과 달리 "지침"은 차량뿐만 아니라 도로 인프라에도 중점을 둡니다. 이 지침은 도로 인프라가 어떻게 더 높은 수준의 자율주행 기술을 지원할 수 있는지를 명확히 합니다. 이 중 자율주행 클라우드 관제 플랫폼, 교통 감지 장비, 교통 관제 및 안내 장비, 통신 시설, 측위 장비, 노변 컴퓨팅 장비, 전원 공급 시설, 네트워크 보안 등 자율주행 시험고속도로 엔지니어링 시설의 다양한 요소 현재 자율주행 시험 고속도로 프로젝트의 건설 및 개발을 안내하기 위해 장비 등의 기술 지표가 명확하게 정의되어 있습니다.
디지털 기술과 자동차 산업의 긴밀한 통합으로 지능형 커넥티드 카는 점차 글로벌 자동차 산업의 전략적 요충지가 되고 있습니다. 그러나 단일 차량 지능형 자율 주행은 온보드 컴퓨팅 성능의 자연적 결함, 인지된 시야 거리, 센서 비용 등 많은 한계에 직면해 있으므로 차량-도로 협업 기술이 미래 개발 추세가 되었습니다. 자율주행 기술의 구현을 촉진하려면 차량 자체의 지능뿐만 아니라 도로 인프라의 지능적인 지원도 필요합니다. 이는 업계의 합의가 되었습니다.
편집자의 이해에 따르면 현재 중국의 차량-도로 협력 참가자는 주로 하드웨어 및 통신 기술 제공업체(HBAT), 정보 및 통신 기술(ICT) 제조업체, 자동차 공급업체 및 통합업체의 네 가지 범주로 나뉩니다. 위에서 언급한 화웨이, 바이두 등의 기업은 이미 차량-도로 협업 분야에서 적극적인 계획을 세웠습니다. 예를 들어, 화웨이는 대형 자동차 제조업체, ICT 제조업체, 칩 제조업체 등과 협력하여 차량-도로 협업 네트워크를 공동으로 구축하고 있습니다. 바이두의 아폴로 반면 에어(Air)는 온보드 센싱 없이 길가에서 경량의 연속 센싱에만 의존해 L4급 폐쇄 루프 자율주행을 달성할 수 있다. Alibaba Cloud와 Amap은 "High-Speed Cloud"라는 차량-도로 협업 솔루션을 출시하기 위해 협력했습니다.
이 분야의 발전은 지능형 자율주행 기술의 상용화에 큰 의미가 있으며 미래 교통안전과 효율성에 획기적인 변화를 가져올 것입니다.
위 내용은 교통부는 자율주행 기술을 지원하기 위한 도로 지능 '가이드라인'을 발표했습니다.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











Windows 11 출시와 함께 Microsoft는 VBS(Virtualization-basedSecurity)라는 보안 기능을 포함하여 몇 가지 새로운 기능과 업데이트를 도입했습니다. VBS는 가상화 기술을 활용하여 운영 체제와 중요한 데이터를 보호함으로써 시스템 보안을 향상시킵니다. 그러나 일부 사용자의 경우 VBS는 필수 기능이 아니며 시스템 성능에 영향을 미칠 수도 있습니다. 따라서 이 기사에서는 Windows 11에서 VBS를 끄는 방법을 소개합니다.

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

중국어 VSCode 설정: 전체 가이드 소프트웨어 개발에서 Visual Studio Code(줄여서 VSCode)는 일반적으로 사용되는 통합 개발 환경입니다. 중국어를 사용하는 개발자의 경우 VSCode를 중국어 인터페이스로 설정하면 작업 효율성이 향상될 수 있습니다. 이 기사에서는 VSCode를 중국어 인터페이스로 설정하는 방법을 자세히 설명하고 특정 코드 예제를 제공하는 완전한 가이드를 제공합니다. 1단계: 언어 팩을 다운로드하고 설치합니다. VSCode를 연 후 왼쪽을 클릭합니다.

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.

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.

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
