


Mari kita bincangkan tentang pemanduan autonomi berkelajuan rendah dan pemanduan autonomi berkelajuan tinggi dalam satu artikel
Dalam artikel yang dikongsi sebelum ini: Bagaimana untuk menjadikan kereta pandu sendiri "mengiktiraf jalan", saya terutamanya bercakap tentang kepentingan peta berketepatan tinggi dalam kereta pandu sendiri Seorang rakan meninggalkan mesej, "Jika pengarang tahu tentang pengisihan STO Express Saya takut adegan kerja kereta mudah alih automatik tidak akan mendapat pandangan dalam artikel ini, bukan?” Dalam dialog ini, konsep berkaitan pemanduan automatik berkelajuan rendah dan pemanduan automatik berkelajuan tinggi telah terlibat.
Kereta pandu sendiri, juga dikenali sebagai kereta tanpa pemandu, ialah kenderaan automatik dan kenderaan yang memerlukan bantuan pemandu atau tidak memerlukan kawalan sama sekali Sebagai kenderaan automatik, kereta pandu sendiri boleh merasakan persekitaran sekeliling dan menyelesaikan tugas navigasi dan perjalanan tanpa operasi manusia. Matlamat utama pembangunan pemanduan autonomi adalah untuk dapat melengkapkan perjalanan dengan pemanduan melalui kenderaan autonomi Namun, pembangunan teknologi kenderaan autonomi, terutamanya pembangunan pemanduan autonomi berkelajuan tinggi, tidak semudah dan lancar seperti yang kita bayangkan. Pada peringkat ini, kenderaan pengangkutan pandu sendiri dan kenderaan penghantaran ekspres yang kita lihat di tempat tetap seperti kampus, taman dan lapangan terbang semuanya termasuk dalam kategori pemanduan autonomi berkelajuan rendah. Jadi apakah sebenarnya pemanduan autonomi berkelajuan tinggi dan pemanduan autonomi kelajuan rendah? Apakah perbezaan antara pemanduan autonomi berkelajuan tinggi dan pemanduan autonomi kelajuan rendah?
Pemandu autonomi berkelajuan rendah
Pertama sekali, mari kita bercakap tentang pemanduan autonomi kelajuan rendah Seperti namanya, pemanduan autonomi kelajuan rendah merujuk kepada autonomi kenderaan yang memandu pada kelajuan yang lebih rendah Tujuan utama kenderaan autonomi berkelajuan rendah adalah Fungsinya adalah untuk membawa objek, dan ia adalah mudah dan tetap berbanding senario aplikasi, dan kelajuan biasanya kurang daripada 50 km/j. Perkembangan teknologi pemanduan autonomi berkelajuan rendah telah agak matang dan telah digunakan untuk semua aspek kehidupan seharian kita, seperti di kampus, taman dan adegan lain, kita melihat kenderaan penghantaran ekspres, bas ulang-alik di tempat yang indah dan lapangan terbang, dsb. . Menurut anggaran konservatif, termasuk kenderaan tanpa pemandu yang membawa penumpang berkelajuan rendah, kenderaan tanpa pemandu yang membawa kargo berkelajuan rendah, dan kenderaan kerja tanpa pemandu, jualan kenderaan autonomi berkelajuan rendah China akan mencapai 25,000 unit pada 2021, dan akan mencapai 104,000 unit pada 2022 Dengan kelajuan rendah Dengan perkembangan teknologi kenderaan autonomi, kenderaan autonomi kelajuan rendah akan menjadi sebahagian daripada kehidupan seharian kita.
Pembangunan pemanduan autonomi berkelajuan rendah juga telah menimbulkan penggubalan piawaian industri Pada 29 Oktober 2021, yang diketuai oleh Persatuan Industri Pengangkutan Pintar Shenzhen, lebih daripada 57 unit dan 112 pakar bersama-sama menyusun. Piawaian kumpulan "Kenderaan Autonomi Berkelajuan Rendah" "Spesifikasi Pengurusan Keselamatan Operasi Komersial" dikeluarkan secara rasmi Piawaian pasukan ini memainkan peranan penting dalam pelancaran dan penggunaan kenderaan autonomi berkelajuan rendah Ia juga menyediakan panduan yang berkesan untuk pengurusan fungsi kerajaan jabatan dan tempat di mana kenderaan autonomi berkelajuan rendah digunakan.
Pembangunan pemanduan autonomi berkelajuan rendah juga telah memihak kepada banyak modal Pada tahun 2021, industri pemanduan autonomi domestik dan asing mendedahkan lebih daripada 200 acara pembiayaan penting, yang mana hampir 70% daripadanya adalah rendah. -pembekal produk pemanduan autonomi kelajuan dan penyelesaian menerima pembiayaan Bermula daripada 30 bilion yuan. Di antara hampir 70 pembiayaan, 47 dibiayai oleh syarikat asing, termasuk 9 syarikat asing dan 39 syarikat China.
Pengagihan serantau syarikat pembiayaan
Prospek pembangunan pemanduan autonomi berkelajuan rendah sangat luas , berikut adalah sebab Terutamanya kerana pemanduan autonomi berkelajuan rendah menyelesaikan banyak masalah untuk pengguna Sebagai contoh, pemanduan autonomi kelajuan rendah memberikan penyelesaian yang baik untuk masalah penghantaran ekspres yang tinggi untuk pengangkutan batu terakhir, Atau gunakan loker ekspres untuk menghantar batu terakhir kepada pengguna Tiada satu pun daripada penyelesaian ini dapat menyelesaikan masalah batu terakhir dengan sempurna, tetapi kemunculan pemanduan autonomi berkelajuan rendah boleh menyelesaikan tugas dengan baik batu terakhir melalui aplikasi mudah alih Semasa masa penghantaran, kenderaan pengangkutan pandu sendiri berkelajuan rendah boleh menghantar penghantaran ekspres di tingkat bawah atau ke pintu tepat pada masanya, menjimatkan masa dan kos pengangkutan manual penghantaran ekspres, dan menghapuskan keperluan untuk pengguna pergi ke kabinet ekspres untuk mengambil penghantaran ekspres.
Tetapi dalam proses pembangunan pemanduan autonomi kelajuan rendah, masih banyak masalah yang perlu dihadapi. Yang paling penting ialah pengehadan senario penggunaan pemanduan autonomi berkelajuan rendah Apabila kenderaan autonomi berkelajuan rendah dikeluarkan di kawasan, maklumat tapak yang mencukupi perlu diimbas (maklumat jalan, maklumat persimpangan, maklumat bangunan, dsb.) . Ia seperti kanak-kanak yang perlu memegang sesuatu untuk berjalan Jika dia tidak mempunyai sesuatu untuk berpegang, dia mungkin tidak boleh berjalan. Pendek kata, kenderaan autonomi berkelajuan rendah tidak pintar dan hanya boleh menggunakan keupayaan penuh mereka dalam pemanduan autonomi di bawah senario tetap.
Pemanduan autonomi berkelajuan rendah juga menyediakan banyak rujukan teknikal untuk pembangunan pemanduan autonomi berkelajuan tinggi Contohnya, dalam kenderaan autonomi, pelbagai teknologi seperti perkakasan, perisian, algoritma dan komunikasi akan disepadukan. Peralatan perkakasan seperti radar gelombang milimeter, kedudukan satelit dan navigasi inersia juga digunakan dalam kenderaan autonomi berkelajuan rendah, dan teknologi seperti persepsi, kedudukan, perancangan, membuat keputusan dan penyimpanan data juga digunakan, termasuk casis kawalan wayar. teknologi dalam rantaian industri automotif Semuanya dipopularkan dalam kenderaan autonomi berkelajuan rendah.
Pemandu autonomi berkelajuan tinggi
Perbezaan utama antara pemanduan autonomi kelajuan tinggi dan pemanduan autonomi kelajuan rendah ialah senario kelajuan dan penggunaan -pemanduan autonomi kelajuan adalah sama seperti kereta yang dipandu manusia , boleh memandu dalam semua senario seperti jalan luar bandar, jalan bandar, lebuh raya, dsb., dan boleh mencapai atau melebihi tahap pemandu manusia yang memandu kereta.
Seperti yang dinyatakan di atas, pembangunan pemanduan autonomi berkelajuan tinggi tidak dapat dipisahkan daripada penggunaan peralatan perkakasan seperti lidar, radar gelombang milimeter, kedudukan satelit, dan navigasi inersia Ia juga memerlukan persepsi, kedudukan, perancangan, membuat keputusan, penyimpanan data, dsb. Teknologi dan aplikasi lain, untuk menjadikan kenderaan autonomi berkelajuan tinggi memandu lebih selamat, mereka juga memerlukan sokongan peta berketepatan tinggi, kedudukan GPS dan teknologi lain untuk membolehkan kelajuan tinggi kenderaan autonomi untuk memandu dalam pelbagai senario dan dalam pelbagai julat, aplikasi teknologi rangkaian pintar juga menjadi lebih penting.
Pada peringkat ini, pembangunan pemanduan autonomi berkelajuan tinggi masih dalam peringkat ujian memandangkan teknologi pemanduan autonomi berkelajuan tinggi terus matang, perintis sambungan rangkaian pintar kawasan demonstrasi, kereta pintar dan kebijaksanaan Kawasan demonstrasi trafik, kawasan perintis Internet Kenderaan peringkat kebangsaan, kawasan perintis Internet Kenderaan peringkat wilayah dan tempat lain dibuka secara beransur-ansur, membolehkan kenderaan autonomi berkelajuan tinggi memperoleh lebih banyak senario penggunaan. Pada Julai 2021, Kumpulan Kerja Promosi Zon Demonstrasi Pemanduan Autonomi Peringkat Tinggi Beijing mengumumkan bahawa Zon Perintis Dasar Kenderaan Terhubung Pintar Beijing secara rasmi membuka senario ujian kelajuan tinggi pemanduan autonomi, membolehkan kumpulan pertama syarikat mendapatkan notis ujian lebuh raya untuk menjalankan ujian perintis, membuka Bahagian dua hala 10 km bahagian Beijing di Lebuhraya Beijing-Taiwan (Jalan Lingkaran Kelima-Jalan Lingkaran Keenam) telah dijalankan untuk ujian dan pengesahan jalan awal Ini juga merupakan ujian pemanduan autonomi berkelajuan tinggi yang pertama bahagian di negara ini, memberikan lebih banyak kemungkinan untuk pembangunan masa depan pemanduan autonomi berkelajuan tinggi.
Perkembangan pemanduan autonomi berkelajuan tinggi tidak secepat pemanduan autonomi berkelajuan rendah pemanduan autonomi, terdapat senario penggunaan tetap dan senarionya agak mudah. Pemanduan autonomi berkelajuan tinggi secara langsung mengambil bahagian dalam persekitaran trafik dan perlu menghadapi senario trafik yang kompleks. Ia perlu mampu menyelesaikan kecemasan secara fleksibel seperti siasatan hantu dan pejalan kaki yang menjalankan lampu merah sama ada tahap teknikal pemanduan autonomi berkelajuan tinggi boleh memenuhi keperluan? Jika kemalangan berlaku, ia boleh menyebabkan bahaya nyawa kepada penumpang dan pejalan kaki, dan menjejaskan persekitaran lalu lintas. Di samping itu, pengguna tidak konsisten dalam penerimaan pemanduan autonomi berkelajuan tinggi Dalam penggubalan undang-undang dan peraturan lalu lintas, tiada keperluan standard khusus untuk pemanduan autonomi berkelajuan tinggi. memandu autonomi laju untuk masih di peringkat awal.
Atas ialah kandungan terperinci Mari kita bincangkan tentang pemanduan autonomi berkelajuan rendah dan pemanduan autonomi berkelajuan tinggi dalam satu artikel. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Ditulis di atas & pemahaman peribadi pengarang Gaussiansplatting tiga dimensi (3DGS) ialah teknologi transformatif yang telah muncul dalam bidang medan sinaran eksplisit dan grafik komputer dalam beberapa tahun kebelakangan ini. Kaedah inovatif ini dicirikan oleh penggunaan berjuta-juta Gaussians 3D, yang sangat berbeza daripada kaedah medan sinaran saraf (NeRF), yang terutamanya menggunakan model berasaskan koordinat tersirat untuk memetakan koordinat spatial kepada nilai piksel. Dengan perwakilan adegan yang eksplisit dan algoritma pemaparan yang boleh dibezakan, 3DGS bukan sahaja menjamin keupayaan pemaparan masa nyata, tetapi juga memperkenalkan tahap kawalan dan pengeditan adegan yang tidak pernah berlaku sebelum ini. Ini meletakkan 3DGS sebagai penukar permainan yang berpotensi untuk pembinaan semula dan perwakilan 3D generasi akan datang. Untuk tujuan ini, kami menyediakan gambaran keseluruhan sistematik tentang perkembangan dan kebimbangan terkini dalam bidang 3DGS buat kali pertama.

Semalam semasa temu bual, saya telah ditanya sama ada saya telah membuat sebarang soalan berkaitan ekor panjang, jadi saya fikir saya akan memberikan ringkasan ringkas. Masalah ekor panjang pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi, iaitu, kemungkinan senario dengan kebarangkalian yang rendah untuk berlaku. Masalah ekor panjang yang dirasakan adalah salah satu sebab utama yang kini mengehadkan domain reka bentuk pengendalian kenderaan autonomi pintar satu kenderaan. Seni bina asas dan kebanyakan isu teknikal pemanduan autonomi telah diselesaikan, dan baki 5% masalah ekor panjang secara beransur-ansur menjadi kunci untuk menyekat pembangunan pemanduan autonomi. Masalah ini termasuk pelbagai senario yang berpecah-belah, situasi yang melampau dan tingkah laku manusia yang tidak dapat diramalkan. "Ekor panjang" senario tepi dalam pemanduan autonomi merujuk kepada kes tepi dalam kenderaan autonomi (AVs) kes Edge adalah senario yang mungkin dengan kebarangkalian yang rendah untuk berlaku. kejadian yang jarang berlaku ini

0. Ditulis di hadapan&& Pemahaman peribadi bahawa sistem pemanduan autonomi bergantung pada persepsi lanjutan, membuat keputusan dan teknologi kawalan, dengan menggunakan pelbagai penderia (seperti kamera, lidar, radar, dll.) untuk melihat persekitaran sekeliling dan menggunakan algoritma dan model untuk analisis masa nyata dan membuat keputusan. Ini membolehkan kenderaan mengenali papan tanda jalan, mengesan dan menjejaki kenderaan lain, meramalkan tingkah laku pejalan kaki, dsb., dengan itu selamat beroperasi dan menyesuaikan diri dengan persekitaran trafik yang kompleks. Teknologi ini kini menarik perhatian meluas dan dianggap sebagai kawasan pembangunan penting dalam pengangkutan masa depan satu. Tetapi apa yang menyukarkan pemanduan autonomi ialah memikirkan cara membuat kereta itu memahami perkara yang berlaku di sekelilingnya. Ini memerlukan algoritma pengesanan objek tiga dimensi dalam sistem pemanduan autonomi boleh melihat dan menerangkan dengan tepat objek dalam persekitaran sekeliling, termasuk lokasinya,

Ramalan trajektori memainkan peranan penting dalam pemanduan autonomi Ramalan trajektori pemanduan autonomi merujuk kepada meramalkan trajektori pemanduan masa hadapan kenderaan dengan menganalisis pelbagai data semasa proses pemanduan kenderaan. Sebagai modul teras pemanduan autonomi, kualiti ramalan trajektori adalah penting untuk kawalan perancangan hiliran. Tugas ramalan trajektori mempunyai timbunan teknologi yang kaya dan memerlukan kebiasaan dengan persepsi dinamik/statik pemanduan autonomi, peta ketepatan tinggi, garisan lorong, kemahiran seni bina rangkaian saraf (CNN&GNN&Transformer), dll. Sangat sukar untuk bermula! Ramai peminat berharap untuk memulakan ramalan trajektori secepat mungkin dan mengelakkan perangkap Hari ini saya akan mengambil kira beberapa masalah biasa dan kaedah pembelajaran pengenalan untuk ramalan trajektori! Pengetahuan berkaitan pengenalan 1. Adakah kertas pratonton teratur? A: Tengok survey dulu, hlm

Kertas StableDiffusion3 akhirnya di sini! Model ini dikeluarkan dua minggu lalu dan menggunakan seni bina DiT (DiffusionTransformer) yang sama seperti Sora. Ia menimbulkan kekecohan apabila ia dikeluarkan. Berbanding dengan versi sebelumnya, kualiti imej yang dijana oleh StableDiffusion3 telah dipertingkatkan dengan ketara Ia kini menyokong gesaan berbilang tema, dan kesan penulisan teks juga telah dipertingkatkan, dan aksara bercelaru tidak lagi muncul. StabilityAI menegaskan bahawa StableDiffusion3 ialah satu siri model dengan saiz parameter antara 800M hingga 8B. Julat parameter ini bermakna model boleh dijalankan terus pada banyak peranti mudah alih, dengan ketara mengurangkan penggunaan AI

Tajuk asal: SIMPL: ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving Paper pautan: https://arxiv.org/pdf/2402.02519.pdf Pautan kod: https://github.com/HKUST-Aerial-Robotics/SIMPL Unit pengarang: Universiti Sains Hong Kong dan Teknologi Idea Kertas DJI: Kertas kerja ini mencadangkan garis dasar ramalan pergerakan (SIMPL) yang mudah dan cekap untuk kenderaan autonomi. Berbanding dengan agen-sen tradisional

Ditulis di hadapan & titik permulaan Paradigma hujung ke hujung menggunakan rangka kerja bersatu untuk mencapai pelbagai tugas dalam sistem pemanduan autonomi. Walaupun kesederhanaan dan kejelasan paradigma ini, prestasi kaedah pemanduan autonomi hujung ke hujung pada subtugas masih jauh ketinggalan berbanding kaedah tugasan tunggal. Pada masa yang sama, ciri pandangan mata burung (BEV) padat yang digunakan secara meluas dalam kaedah hujung ke hujung sebelum ini menyukarkan untuk membuat skala kepada lebih banyak modaliti atau tugasan. Paradigma pemanduan autonomi hujung ke hujung (SparseAD) tertumpu carian jarang dicadangkan di sini, di mana carian jarang mewakili sepenuhnya keseluruhan senario pemanduan, termasuk ruang, masa dan tugas, tanpa sebarang perwakilan BEV yang padat. Khususnya, seni bina jarang bersatu direka bentuk untuk kesedaran tugas termasuk pengesanan, penjejakan dan pemetaan dalam talian. Di samping itu, berat

Pada bulan lalu, atas sebab-sebab yang diketahui umum, saya telah mengadakan pertukaran yang sangat intensif dengan pelbagai guru dan rakan sekelas dalam industri. Topik yang tidak dapat dielakkan dalam pertukaran secara semula jadi adalah hujung ke hujung dan Tesla FSDV12 yang popular. Saya ingin mengambil kesempatan ini untuk menyelesaikan beberapa buah fikiran dan pendapat saya pada masa ini untuk rujukan dan perbincangan anda. Bagaimana untuk mentakrifkan sistem pemanduan autonomi hujung ke hujung, dan apakah masalah yang sepatutnya dijangka diselesaikan hujung ke hujung? Menurut definisi yang paling tradisional, sistem hujung ke hujung merujuk kepada sistem yang memasukkan maklumat mentah daripada penderia dan secara langsung mengeluarkan pembolehubah yang membimbangkan tugas. Sebagai contoh, dalam pengecaman imej, CNN boleh dipanggil hujung-ke-hujung berbanding kaedah pengekstrak ciri + pengelas tradisional. Dalam tugas pemanduan autonomi, masukkan data daripada pelbagai penderia (kamera/LiDAR
