Jadual Kandungan
Mengapa "tiada sesiapa di bumi" begitu penting?
Apakah jenis teknologi yang diperlukan?
Tiket untuk perlawanan akhir telah diputuskan
Rumah Peranti teknologi AI Kertas jawapan tahunan pemanduan autonomi L4 2022, benar-benar 'tiada sesiapa' yang ketawa terakhir

Kertas jawapan tahunan pemanduan autonomi L4 2022, benar-benar 'tiada sesiapa' yang ketawa terakhir

Apr 11, 2023 am 08:11 AM
Pemanduan autonomi l4 Kebankrapan

Pemandu autonomi L4 telah mencapai detik "rombakan besar" dan "perubahan besar" tahun ini.

Separuh musim sejuk. Aurora, bintang memandu sendiri berasaskan platform, dan Argo, yang disokong oleh Ford dan Volkswagen... semuanya telah melaporkan berita tentang pemberhentian atau muflis tahun ini, dan banyak syarikat yang sebelum ini memfokuskan pada Robotaxi telah beralih kepada pemanduan berbantu untuk penumpang kereta.

Modal telah menjadi sangat berhati-hati tentang cerita L4. Jadi orang berkata: L4 musim sejuk telah tiba.

Separuh lagi adalah nyalaan.

Permata di mahkota masih jauh, dan syarikat terkemuka itu sudah melihat subuh perlawanan akhir dan memperoleh tiket.

Baidu Apollo, Google Waymo dan GM Cruise membuat kemajuan pesat dan membuat kemajuan berterusan.

Sebagai contoh, Waymo dan Cruise telah terus membuat penemuan dalam skop dan tempoh operasi komersial mereka di San Francisco dan Phoenix manakala di China, Larian Lobak Baidu Apollo telah dilancarkan di lebih daripada sepuluh bandar, dengan operasi tanpa pemandu sepenuhnya di Beijing dan Wuhan , Chongqing mencapai satu kejayaan, dan bilangan batu komersil dan bil laluan meningkat dengan cepat.

Bagaimana untuk menerangkan?

Ia sebenarnya sangat mudah: dalam gelombang rombakan dalam industri pemanduan autonomi, hanya orang yang benar-benar "tanpa pemandu" boleh menjadi yang pertama melihat fajar.

Mengapa "tiada sesiapa di bumi" begitu penting?

Baidu Apollo, Waymo dan Cruise, tiga pemain yang telah mencapai kemajuan terpantas dalam pengkomersilan L4, semuanya menunjukkan ciri yang sama.

Disokong oleh gergasi hanyalah salah satu daripada mereka yang lebih penting, projek pelaksanaan mereka adalah berdasarkan premis "tiada sesiapa".

Sebagai contoh, di Wuhan, Hubei, anda boleh menghubungi kereta pandu sendiri tanpa pemandu sepenuhnya melalui Apl Luobo Kuaipao, dan teknologi di sebalik ini datang daripada Baidu Apollo.

Mengapa "tanpa pemandu sepenuhnya" menjadi kunci kepada pelaksanaan teknologi pemanduan autonomi melebihi tahap L4?

Pertama sekali, dari perspektif perniagaan, "tanpa pemandu sepenuhnya" adalah prasyarat yang diperlukan untuk kejayaan awal model perniagaan Robotaxi.

Untuk Robotaxi, cabaran terbesar untuk pengkomersilan ialah kos. Yang pertama ialah kos ubah suai kenderaan. Pada hari-hari awal, tanpa mencapai kerjasama pengeluaran besar-besaran prapemasangan dengan OEM, adalah perkara biasa untuk Robotaxi menelan belanja berjuta-juta.

Dalam peringkat operasi, kos yang paling besar ialah pegawai keselamatan pada kenderaan.

Kos buruh minimum untuk kereta tumpangan dalam talian yang dipandu oleh pemandu manusia biasa ialah kira-kira 120,000 setahun, dan pegawai keselamatan hanya lebih tinggi daripada pemandu.

Adalah sukar bagi Robotaxi sebelum ini untuk mengimbangi kosnya sendiri semasa keseluruhan kitaran hayat operasi

Secara teknikal mencapai "operasi tanpa pemandu penuh" bermakna kos buruh dijimatkan terlebih dahulu.

Kedua, susunan teknologi pemanduan autonomi tanpa pemandu sepenuhnya mesti dilaksanakan pada model pra-pasang dan keluaran besar-besaran, jadi pada tahap kenderaan itu sendiri, ia juga bermakna memasuki julat kos yang sama seperti perjalanan dalam talian biasa- hailing.

Selain itu, "tanpa pemandu sepenuhnya" juga bermakna penyedia teknologi telah dapat memenuhi kebolehpercayaan dan keselamatan perjalanan pemanduan autonomi yang tinggi.

Dasar ini juga lebih cenderung untuk membuka lesen operasi kepada penyedia teknologi tersebut.

Oleh itu, perkara paling kritikal dan langsung untuk pelaksanaan pemanduan autonomi "tanpa pemandu sepenuhnya" ialah "menurunkan kos". kematangan teknologi.

Data yang diberikan oleh Baidu Apollo ialah ia telah mengumpul lebih daripada 40 juta kilometer batu ujian. Kadar penghantaran berjaya Robotaxi telah melebihi 99.99%.

Di sebalik ini terdapat gelung tertutup data pandu sendiri Apollo bagi L2 dan L4, serta asas yang diletakkan oleh pengumpulan lain Baidu dalam medan AI.

Sebagai contoh, bergantung pada beribu-ribu keupayaan pengecaman objek model besar Wenxin, data pengecaman semantik pemanduan autonomi telah diperluaskan dengan banyak, terutamanya dalam pengiktirafan kenderaan khas (trak bomba, ambulans), plastik beg dan objek berbentuk khas lain dengan sangat baik meningkatkan liputan senario ekor panjang dan meningkatkan kebolehpercayaan pemanduan autonomi.

Selain itu, peta ketepatan tinggi pandu sendiri Apollo mempunyai kadar automasi sebanyak 96%. Ia berdasarkan liputan rangkaian jalan raya terkemuka sepanjang 12 juta kilometer dan data spatio-temporal besar-besaran Peta Baidu, digabungkan dengan pengetahuan pemanduan yang dikumpul oleh ratusan juta pemandu Bina graf pengetahuan pemanduan di seluruh peringkat rangkaian jalan raya untuk meningkatkan keselesaan membuat keputusan pemanduan autonomi.

Pada masa ini, operasi komersial dan ujian armada pemanduan autonomi tanpa pemandu sepenuhnya Luobo Kuaipao terus meluaskan kawasan, meningkatkan volum dan menambah masa. Ia telah pun mendarat di Beijing, Chongqing dan Wuhan.

Kertas jawapan tahunan pemanduan autonomi L4 2022, benar-benar tiada sesiapa yang ketawa terakhir

Ambil Zon Pembangunan Ekonomi Wuhan sebagai contoh, meliputi kawasan seluas lebih 130 kilometer persegi dan meliputi lebih daripada 1 juta penduduk. Senario operasi armada pemanduan autonomi termasuk jalan bertingkat bandar dan jalan biasa, dan tempoh operasi meliputi siang dan malam Senario ekor panjang dan cabaran kompleks yang dihadapi dalam draf proses tidak berbeza dengan kereta persendirian dalam talian biasa.

Pengumpulan dan latihan data dalam senario sebenar boleh mempercepatkan kecekapan lelaran teknikal Apollo secara langsung, dengan itu meneroka lebih banyak senario ekor panjang dan membentuk kesan "roda tenaga" gelung tertutup data.

Teknologi tanpa pemandu sepenuhnya telah matang, membawa kepada run-through awal model perniagaan dan membuka operasi berskala besar di beberapa bandar.

Dalam proses ini, pemain yang berkebolehan akan mengesahkan dan menambah baik lagi model perniagaan Robotaxi, dan mengembangkan lagi skop pelaksanaan, seterusnya membentuk kelebihan utama.

Ini betul-betul laluan yang sedang dilalui pemain seperti Baidu Apollo dan Waymo, dan ia juga merupakan "obor" yang membolehkan orang ramai masih percaya pada teknologi dan pemanduan autonomi pada musim sejuk.

Apakah jenis teknologi yang diperlukan?

Untuk mencapai matlamat tiada siapa yang mendarat, teknologi di belakangnya perlu kukuh dan cukup keras.

Memandangkan Baidu adalah yang telah membangun secara berterusan dalam rombakan dan polarisasi industri ini, dan sentiasa menjadi peneraju dalam pemanduan autonomi di China, pembangunan teknologinya boleh dikatakan mempunyai kepentingan rujukan tertentu.

Oleh itu, kita juga boleh melihat isu ini dari perspektif laluan pembangunan teknologi pemanduan autonomi Baidu.

Berbeza daripada gaya permainan pemain lain, ciri yang sangat tersendiri bagi pemanduan autonomi Baidu ialah penyepaduan mendalamnya dengan model besar Wenxin.

Dan melihat keseluruhan industri, Baidu adalah yang pertama menggunakan model besar dalam persepsi pemanduan autonomi.

Khususnya, untuk menyelesaikan masalah perlombongan data ekor panjang bagi pemanduan autonomi, Baidu menggunakan Model Besar Wenxin - model pra-latihan imej dan teks yang diselia dengan lemah.

Beberapa masalah perlombongan data ekor panjang yang lebih tipikal termasuk:

• Model kenderaan yang jarang ditemui: seperti trak bomba, ambulans, dsb., disebabkan "kadar rupa" yang rendah pada Dan bentuk dan bentuknya tidak teratur, yang membawa cabaran tertentu kepada persepsi dan pemahaman. • Pejalan kaki dalam pelbagai postur: Di jalan raya, selalunya tidak ada seorang pun yang muncul di jalan raya Ini bukan sahaja membawa cabaran kepada pengecaman, tetapi juga membawa kesukaran tertentu untuk ramalan dan penjejakan berikutnya. • Objek rendah dan elemen lalu lintas dan pembinaan: Objek rendah (seperti pagar di jalan raya, dll.) sentiasa menjadi masalah yang sangat mencabar untuk dilihat.

Menghadapi masalah yang wujud di atas, dengan bantuan keupayaan model besar Wenxin untuk mengenali beribu-ribu objek, data pengecaman semantik Baidu untuk pemanduan autonomi boleh diperluaskan dengan banyak, mencapai peningkatan eksponen dalam kecekapan.

Selain itu, terima kasih kepada model persepsi pemanduan autonomi Wenxin Large Model dengan skala parameter lebih daripada 1 bilion, melalui latihan model besar model kecil, keupayaan generalisasi persepsi pemanduan autonomi juga telah ketara. dipertingkatkan.

Kertas jawapan tahunan pemanduan autonomi L4 2022, benar-benar tiada sesiapa yang ketawa terakhir

Dalam hal ini, pakar teknologi pemanduan autonomi Baidu Wang Jingdong berkata:

Model besar telah menjadi tenaga penggerak teras untuk meningkatkan keupayaan pemanduan autonomi .

"senjata ajaib kedua" yang membolehkan pemanduan autonomi Baidu mencapai operasi tanpa pemandu sepenuhnya dengan pantas ialah peta pemanduan autonomi Baidu Apollo.

Berbeza daripada peta navigasi yang biasa kami gunakan, peta berketepatan tinggi boleh dikatakan amat diperlukan untuk merealisasikan pemanduan pintar.

Secara amnya, peta berketepatan tinggi perlu memenuhi tiga ciri utama.

Pertama ialah ketepatan tinggi paras sentimeter.

Apabila manusia menggunakan peta navigasi biasa, mereka hanya perlu tepat hingga 5-10 meter, ditambah dengan pertimbangan pemandu sendiri.

Tetapi kereta pintar tidak mempunyai keupayaan menilai manusia, jadi ralat 1-2 meter boleh membawa kepada masalah seperti tekanan talian Inilah sebabnya ketepatan mesti disimpan dalam paras sentimeter.

Yang kedua ialah jumlah besar maklumat jalan yang diliputi.

Maklumat yang peta berketepatan tinggi perlu berikan kepada kereta pintar boleh melangkaui maklumat asas seperti pemilihan jalan, kesesakan dan masa memandu yang terkandung dalam peta navigasi biasa. Ia juga perlu memasukkan sejumlah besar maklumat bantuan pemanduan, seperti titik offset perubahan lebar lorong, kawasan lencongan, papan tanda bulat, susur keluar lebuh raya, dsb.

Perkara yang paling penting ialah perwakilan tiga dimensi yang tepat bagi rangkaian jalan raya, serta lebih daripada 100 ciri jalan termasuk berapa banyak lorong yang ada, di mana garis sempadan, pagar, lampu jalan, dan juga saiz tepi jalan.

Yang ketiga ialah akan ada lencongan pada peta berketepatan tinggi.

Ini kerana peta berketepatan tinggi ditujukan kepada kereta pintar dan bukannya manusia Maklumat yang diberikannya digunakan untuk sistem kedudukan, sistem persepsi dan sistem membuat keputusan kereta pintar.

Oleh itu, apabila berhadapan dengan situasi seperti terowong, peta HD mungkin "melencong" kerana pada pandangannya, jalan ini tidak wujud.

Dapat dilihat bahawa untuk mencapai pendaratan tanpa pemandu sepenuhnya, peta berketepatan tinggi amat diperlukan, dan ia bukan mudah untuk dicapai.

Tetapi sebagai peta pandu kendiri Baidu Apollo yang telah "bertugas", ia pasti mempunyai kesukaran yang dinyatakan di atas.

Adalah difahamkan bahawa kadar automasi pembinaan ketepatan tinggi Baidu telah mencapai 96%, yang bermaksud bahawa masalah kos aplikasi yang tinggi dapat diselesaikan pada tahap yang lebih besar.

Pada masa yang sama, ia juga mempunyai keupayaan untuk menjana peta dalam talian dalam masa nyata, dan boleh menyepadukan data penderiaan koyak dan peta berbilang sumber untuk memastikan keselamatan pemanduan autonomi.

Dari segi pembuatan keputusan, berdasarkan data spatio-temporal besar peringkat liputan rangkaian jalan raya sepanjang 12 juta kilometer, serta ratusan juta data pengetahuan pemanduan pemandu, Baidu juga telah membina graf pengetahuan pemanduan di seluruh peringkat rangkaian jalan raya Untuk meningkatkan keselesaan membuat keputusan pemanduan autonomi.

Selain tahap algoritma dan perisian, Baidu tidak mencapai siapa pun dan tidak mengabaikan perkakasan.

Difahamkan bahawa cip AI yang dibangunkan sendiri oleh Baidu Kunlun Core 2 telah melengkapkan penyesuaian prestasi hujung ke hujung untuk senario pemanduan autonomi, dengan itu menyatukan kelebihan Baidu dalam menyepadukan perisian dan perkakasan untuk pemanduan autonomi.

Sudah tentu, keupayaan Baidu untuk mendahului dalam pemanduan autonomi bukanlah sesuatu yang boleh dicapai dalam sekelip mata Ia sebenarnya adalah hasil daripada "sepuluh tahun kerja keras dalam bidang" dan pengumpulan teknologi yang berterusan.

Satu set data awam boleh dilihat sepintas lalu:

Pada masa ini, Baidu Apollo telah berkembang menjadi platform terbuka paling aktif di dunia untuk pemanduan autonomi, dengan lebih daripada 210 rakan kongsi ekologi global, 80,000 pembangun global, 700,000 baris kod sumber terbuka, dan jumlah perbatuan ujian lebih banyak daripada 40 juta kilometer terdapat 3,477 paten pemanduan autonomi, menduduki tempat pertama di dunia selama empat tahun berturut-turut.

Di atas adalah kekuatan teknikal di sebalik pemain pertama yang mencapai pendaratan tanpa pemandu sepenuhnya.

Tiket untuk perlawanan akhir telah diputuskan

Seperti yang kami nyatakan pada awalnya, tahun ini industri pemanduan autonomi global sedang mengalami "rombakan besar".

Dilihat daripada syarikat memandu sendiri yang terdedah kepada muflis, difailkan untuk muflis, dan pemberhentian besar-besaran, mereka nampaknya mempunyai satu persamaan - mereka telah gagal mencapai matlamat pemanduan autonomi sepenuhnya.

Lagipun, pemanduan autonomi bukan sahaja persaingan dari segi kekuatan teknikal, tetapi juga persaingan dalam masa dan ketahanan.

Sama seperti anda hanya dapat melihat siapa yang berenang telanjang apabila air surut, berdiri pada penghujung tahun 2022, mempercepatkan pendaratan tiada siapa telah menjadi nod yang tidak dapat dielakkan untuk pemain "datang".

Bukan sahaja Baidu, peneraju domestik dalam pemanduan autonomi, melakukan ini, tetapi juga pemain antarabangsa terkemuka.

Syarikat pemanduan autonomi seperti Waymo dan Cruise sedang mempercepatkan pengkomersilan besar-besaran pemanduan autonomi.

Difahamkan San Francisco di Amerika Syarikat kini telah membuka perkhidmatan perjalanan tanpa pemandu 24/7 di seluruh bandar. Pada masa yang sama, kawasan operasi pemanduan autonomi Phoenix terus berkembang ke kawasan teras bandar.

Selain itu, perkhidmatan panggilan teksi tanpa pemandu sepenuhnya pertama di dunia telah dilancarkan dari Lapangan Terbang Antarabangsa Phoenix Sky Harbour ke pusat bandar, beroperasi 24/7.

Baidu juga baru-baru ini mengeluarkan isyarat baharu:

Pada tahun 2023, Baidu Apollo akan terus mengembangkan skala perniagaannya dan merancang untuk melancarkan 200 peranti wayarles tambahan di seluruh negara kenderaan yang dipandu oleh manusia dan berusaha untuk membina kawasan perkhidmatan operasi tanpa pemandu terbesar di dunia.

Difahamkan bahawa kenderaan tanpa pemandu generasi keenam Baidu Apollo RT6 (hanya berharga 250,000 yuan), yang akan dikeluarkan secara besar-besaran tahun ini, akan mula digunakan di Luobo Kuaipao tahun depan.

Secara umumnya, Baidu telah mencapai pengurangan kos, jaminan keselamatan dan kualiti dalam pelaksanaan tanpa pemandu sepenuhnya, dan pada masa yang sama, ia terus mempercepatkan pengembangan skalanya.

Alasannya ialah apa yang Baidu ingin pastikan pada masa ini ialah setiap bandar boleh menjalankan model perniagaannya pada kos yang rendah (keuntungan kasar adalah positif); tetapi jika ia mengambil pandangan jangka panjang, pertumbuhan eksponen bagi skala operasinya boleh diramalkan.

Dapat dilihat bahawa "tiada sesiapa di lapangan" telah menjadi kunci kepada pemain untuk memasuki pusingan akhir pemanduan autonomi.

Jadi dalam separuh kedua pemanduan autonomi ini, siapa yang boleh ketawa terakhir?

Baidu sudah pasti salah seorang daripada mereka.

Atas ialah kandungan terperinci Kertas jawapan tahunan pemanduan autonomi L4 2022, benar-benar 'tiada sesiapa' yang ketawa terakhir. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
2 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Repo: Cara menghidupkan semula rakan sepasukan
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island Adventure: Cara mendapatkan biji gergasi
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Mengapakah Gaussian Splatting begitu popular dalam pemanduan autonomi sehingga NeRF mula ditinggalkan? Mengapakah Gaussian Splatting begitu popular dalam pemanduan autonomi sehingga NeRF mula ditinggalkan? Jan 17, 2024 pm 02:57 PM

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.

Bagaimana untuk menyelesaikan masalah ekor panjang dalam senario pemanduan autonomi? Bagaimana untuk menyelesaikan masalah ekor panjang dalam senario pemanduan autonomi? Jun 02, 2024 pm 02:44 PM

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

Pilih kamera atau lidar? Kajian terbaru tentang mencapai pengesanan objek 3D yang mantap Pilih kamera atau lidar? Kajian terbaru tentang mencapai pengesanan objek 3D yang mantap Jan 26, 2024 am 11:18 AM

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,

Artikel ini sudah cukup untuk anda membaca tentang pemanduan autonomi dan ramalan trajektori! Artikel ini sudah cukup untuk anda membaca tentang pemanduan autonomi dan ramalan trajektori! Feb 28, 2024 pm 07:20 PM

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

Adakah anda benar-benar menguasai penukaran sistem koordinat? Isu berbilang sensor yang tidak dapat dipisahkan daripada pemanduan autonomi Adakah anda benar-benar menguasai penukaran sistem koordinat? Isu berbilang sensor yang tidak dapat dipisahkan daripada pemanduan autonomi Oct 12, 2023 am 11:21 AM

Artikel perintis dan utama pertama terutamanya memperkenalkan beberapa sistem koordinat yang biasa digunakan dalam teknologi pemanduan autonomi, dan cara melengkapkan korelasi dan penukaran antara mereka, dan akhirnya membina model persekitaran bersatu. Fokus di sini adalah untuk memahami penukaran daripada kenderaan kepada badan tegar kamera (parameter luaran), penukaran kamera kepada imej (parameter dalaman) dan penukaran unit imej kepada piksel. Penukaran daripada 3D kepada 2D akan mempunyai herotan, terjemahan, dsb. Perkara utama: Sistem koordinat kenderaan dan sistem koordinat badan kamera perlu ditulis semula: sistem koordinat satah dan sistem koordinat piksel Kesukaran: herotan imej mesti dipertimbangkan Kedua-dua penyahherotan dan penambahan herotan diberi pampasan pada satah imej. 2. Pengenalan Terdapat empat sistem penglihatan secara keseluruhannya: sistem koordinat satah piksel (u, v), sistem koordinat imej (x, y), sistem koordinat kamera () dan sistem koordinat dunia (). Terdapat hubungan antara setiap sistem koordinat,

FlowBank bank mesra kripto Switzerland terpaksa muflis kerana pelanggaran serius FlowBank bank mesra kripto Switzerland terpaksa muflis kerana pelanggaran serius Jun 14, 2024 pm 10:40 PM

Pihak Berkuasa Penyeliaan Pasaran Kewangan Switzerland (FINMA) mengumumkan bahawa ia telah memaksa bank dalam talian mesra kripto menjalankan perniagaan dengan penerbit TrueUSD stablecoin Techteryx, syarikat pengurusan aset kripto CoinShares dan pertukaran mata wang kripto terbesar di dunia Binance selepas mendapati pelanggaran besar FlowBank. FINMA mendapati bahawa FlowBank secara serius melanggar keperluan kecukupan modal FINMA menegaskan dalam satu kenyataan pada 13 Jun bahawa FlowBank tidak lagi mempunyai modal minimum yang diperlukan untuk operasi perniagaan dan tidak ada kemungkinan penstrukturan semula bank itu mengambil langkah penutupan. Sebelum ini, FINMA mendapati dalam penyiasatannya bahawa FlowBank secara serius melanggar syarat untuk memegang modal yang mencukupi.

SIMPL: Penanda aras ramalan gerakan berbilang ejen yang mudah dan cekap untuk pemanduan autonomi SIMPL: Penanda aras ramalan gerakan berbilang ejen yang mudah dan cekap untuk pemanduan autonomi Feb 20, 2024 am 11:48 AM

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

SOTA terbaharu nuScenes |. SparseAD: Pertanyaan jarang membantu pemanduan autonomi hujung ke hujung yang cekap! SOTA terbaharu nuScenes |. SparseAD: Pertanyaan jarang membantu pemanduan autonomi hujung ke hujung yang cekap! Apr 17, 2024 pm 06:22 PM

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

See all articles