Jadual Kandungan
1 Pengenalan" >1 Pengenalan
1.1 Definisi pemanduan tanpa pemandu" >1.1 Definisi pemanduan tanpa pemandu
1.2 Status pembangunan dan trend di dalam dan luar negara" >1.2 Status pembangunan dan trend di dalam dan luar negara
2 Faedah teknologi pemanduan autonomi" >2 Faedah teknologi pemanduan autonomi
2.1 Faedah ekonomi" >2.1 Faedah ekonomi
2.2 Mengurangkan kadar kemalangan" >2.2 Mengurangkan kadar kemalangan
2.3 Memperbaiki alam sekitar dan kualiti udara" >2.3 Memperbaiki alam sekitar dan kualiti udara
2.4 Memudahkan perjalanan untuk kumpulan istimewa" >2.4 Memudahkan perjalanan untuk kumpulan istimewa
3.3 Infrastruktur sokongan lebuh raya yang tidak mencukupi" >3.3 Infrastruktur sokongan lebuh raya yang tidak mencukupi
3.4 Masalah dalam peringkat peralihan " >3.4 Masalah dalam peringkat peralihan
3.5 Kos semasa terlalu tinggi" >3.5 Kos semasa terlalu tinggi
4 Kesimpulan dan Tinjauan" >4 Kesimpulan dan Tinjauan
Rumah Peranti teknologi AI Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Apr 11, 2023 pm 07:40 PM
teknologi tanpa pemandu

Dengan perkembangan sains dan teknologi serta peningkatan berterusan taraf hidup rakyat, teknologi tanpa pemandu secara beransur-ansur memasuki kehidupan orang ramai juga telah terjejas pada tahap tertentu. Mengambil Tesla dan BYD sebagai contoh. banyak syarikat Kereta dan syarikat Internet seperti Baidu juga telah memulakan atau sedang bersedia untuk memulakan penyelidikan dan pembangunan teknologi tanpa pemandu.

Namun, disebabkan ketidakmatangan teknologi, kemalangan yang kerap dan kebocoran privasi peribadi yang disebabkan oleh pengumpulan data yang besar telah diganggu oleh pembangun dan bilangan pengguna yang tidak ramai pada masa ini . Masih terdapat halangan tertentu dalam persepsi, pengiktirafan dan sistem membuat keputusan sistem pemanduan tanpa pemandu, dan kestabilan dan kebolehpercayaan keseluruhan perlu dipertingkatkan. Hanya apabila pemanduan autonomi memasuki peringkat penggunaan berskala besar dan faktor keselamatan mencapai tahap tertentu, kami boleh mengesahkan sama ada pemanduan autonomi boleh mencapai pengkomersilan sebenar.

Berdasarkan sokongan dasar negara dan trend pemanasan global, teknologi tanpa pemandu dipacu ke hadapan oleh semua lapisan masyarakat dan akan menjadi jalan utama untuk orang ramai mengembara pada masa hadapan . Namun, perjalanan masih jauh.

1 Pengenalan

1.1 Definisi pemanduan tanpa pemandu

Pemandu tanpa pemandu ialah sejenis aplikasi penting luar mudah alih robot dalam pengangkutan. Teknologi pemanduan tanpa pemandu memerlukan gabungan teknologi canggih seperti komputer, komunikasi, kedudukan, pengenalan, penglihatan mesin dan kecerdasan buatan. Sistem kenderaan tanpa pemandu ialah sistem menyeluruh yang menyepadukan kesedaran alam sekitar, perancangan dan membuat keputusan, pemanduan berbantukan pelbagai peringkat dan fungsi lain Ia adalah sistem kenderaan yang mempertimbangkan sepenuhnya integrasi kenderaan dan jalan dan menyelaraskan perancangan bahagian penting dalam sistem pengangkutan pintar.

1.2 Status pembangunan dan trend di dalam dan luar negara

1.2.1 Status pembangunan di dalam dan luar negara

(1) Status pembangunan domestik

Kerajaan China amat mementingkan penyelidikan dan pembangunan teknologi tanpa pemandu separuh pertama tahun 2015, Majlis Negeri mengeluarkan dokumen "Made in China" 2025", yang menyatakan bahawa menjelang 2020, keseluruhan teknologi dan teknologi utama pemanduan dibantu pintar akan dikuasai, dan sistem penyelidikan dan pembangunan bebas serta sistem sokongan pengeluaran untuk kenderaan bersambung pintar pada mulanya akan diwujudkan Pada masa ini, nampaknya matlamat itu pada dasarnya telah selesai. Menjelang 2025, kuasai teknologi keseluruhan dan pelbagai teknologi utama pemanduan autonomi, wujudkan sistem penyelidikan dan pembangunan bebas yang agak lengkap, sistem sokongan pengeluaran dan kelompok industri untuk kenderaan bersambung pintar, dan pada asasnya melengkapkan transformasi dan naik taraf industri automobil.

Pada separuh pertama tahun ini, Baidu Carrot Kuaishou telah memperoleh kumpulan pertama lesen perkhidmatan tanpa pemandu di jalan awam, membolehkannya beroperasi tanpa sesiapa di belakang kemudi. perkhidmatan itu dijalankan di jalan awam di Yizhuang, Beijing, apabila tiada sesiapa di tempat duduk pemandu.

Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Rajah 1-1 Baidu Apollo secara rasmi melancarkan ujian pemanduan autonomi di Cangzhou

Pada masa ini, banyak syarikat domestik, seperti Baidu dan BYD, turut terlibat dalam penyelidikan dan pembangunan kereta tanpa pemandu. Banyak masalah praktikal yang melanda teknologi tanpa pemandu, seperti keadaan jalan yang kompleks, jalan raya yang bersepah dengan pejalan kaki, dan pemanduan dalam cuaca hujan dan bersalji, juga telah diselesaikan atau akan diselesaikan melalui usaha pasukan R&D.

(2) Keadaan semasa pembangunan asing

Berbanding dengan China, maju negara mempunyai Penyelidikan mengenai kereta tanpa pemandu bermula pada 1970-an, dan pada masa ini, Amerika Syarikat dan Jerman berada di eselon pertama. Beberapa universiti terkenal di Amerika Syarikat juga telah melabur dalam kerja penyelidikan dan pembangunan, seperti Massachusetts Institute of Technology dan Carnegie Mellon University, yang mula mengkaji kenderaan tanpa pemandu pada 1980-an. Walau bagaimanapun, disebabkan kesesakan teknikal dan pengehadan dalam tahap perkakasan, hanya pada akhir 1980-an dan awal 1990-an barulah negara-negara secara beransur-ansur mengalihkan tumpuan penyelidikan mereka kepada projek pemanduan bantuan untuk kenderaan awam di lebuh raya, yang mempunyai masalah yang agak mudah.

Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Rajah 1-2 Kereta pandu sendiri Google

Pada tahun 2010, Google membangunkan 7 kenderaan autonomi dan menjalankan ujian jalan bandar sebenar ke atasnya. Kenderaan pandu sendiri ini boleh beroperasi dengan betul, mempunyai keupayaan persepsi yang baik dan tahap kecerdasan buatan yang tinggi, dan boleh mengecam lampu isyarat, pejalan kaki dan kenderaan secara automatik. Nevada, Florida dan California telah menggubal dan meluluskan undang-undang yang khusus menyasarkan kenderaan tanpa pemandu.

1.2.2 Aliran Pembangunan

Dari perspektif trend pembangunan, dalam proses pembangunan teknologi masa depan, tidak satu kehendak Pemanduan akan menjadi hala tuju pembangunan yang penting Teknologi memandu sendiri melibatkan rantaian perindustrian yang besar Dalam proses penyelidikan dan pembangunan teknologi pandu sendiri oleh pelbagai negara dan syarikat teknologi tinggi utama, ia bukan sahaja akan menggalakkan pembangunan mampan. dan pembangunan industri automobil Pembangunan hijau juga akan memacu pembangunan dalam bidang lain.

2 Faedah teknologi pemanduan autonomi

2.1 Faedah ekonomi

Kenderaan autonomi sekali bersepadu sepenuhnya ke dalam kenderaan harian kita dan sistem pengangkutan jalan raya, ia akan membawa manfaat ekonomi yang besar kepada masyarakat secara keseluruhan. Sebagai rujukan, lebih daripada 200,000 kemalangan jalan raya berlaku di China setiap tahun, dengan kerugian ekonomi langsung melebihi 1.2 bilion yuan. Walaupun kereta pandu sendiri hanya boleh mengurangkan kemalangan sebanyak 10%, ia boleh menjimatkan 120 juta yuan.

Kenderaan autonomi pada mulanya menggantikan kenderaan logistik taman tradisional dan beca ekspres komuniti untuk meningkatkan penggunaan dan produktiviti kilang, dan sistem logistik semasa mungkin yang pertama terjejas. Kenderaan pandu sendiri boleh mengambil alih kerja dan memberi pemandu masa rehat yang cukup, mengalihkan sumber manusia kepada pembinaan industri lain. Semua kereta, kenderaan khas dan peranti mudah alih dengan teknologi pandu sendiri boleh disambungkan ke sistem rangkaian. Dalam sistem rangkaian ini, disebabkan oleh kesan rangkaian yang besar, kos operasi seunit masa sangat berkurangan.

2.2 Mengurangkan kadar kemalangan

Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Rajah 2-2 Kemalangan lalu lintas yang disebabkan oleh faktor manusia

Menurut statistik, 90% daripada kemalangan jalan raya berpunca daripada kesilapan manusia, di mana gangguan, keletihan, memandu dalam keadaan mabuk dan memandu laju merupakan sebahagian besar. Setiap tahun, 1.3 juta orang mati dalam kemalangan jalan raya di seluruh dunia, dan lebih daripada 60,000 orang mati di China sahaja. Kereta pandu sendiri akan menghapuskan semua kemalangan yang disebabkan oleh kesilapan manusia, yang sebenarnya akan mengurangkan kadar kemalangan dengan ketara.

Di luar negara, menurut laporan bekas agensi berita Rusia, Timbalan Menteri Pengangkutan Rusia Kirill Bogdanov berkata bahawa selepas kereta tanpa pemandu berada di jalan raya di Rusia, menjelang 2030 Menjelang 2020, bilangan kematian kemalangan jalan raya domestik boleh dikurangkan sebanyak 8%. Bogdanov berkata: "Selepas kereta tanpa pemandu berada di jalan raya Rusia, jumlah kematian kemalangan jalan raya boleh dikurangkan sebanyak 8% menjelang 2030. Penggunaan trak tanpa pemandu boleh mengurangkan kos sebanyak 15% dan meningkatkan kelajuan pengangkutan sebanyak 25%. Ini adalah angka yang dikira oleh Kementerian Pengangkutan dan ditulis ke dalam strategi transformasi digital yang disediakan Kami telah mula bekerjasama dengan komuniti perniagaan, syarikat pengangkutan dan pihak penyelidikan dan pembangunan untuk melaksanakan projek 'koridor logistik tanpa pemandu' yang sebelum ini diluluskan oleh kerajaan Rusia. ”

2.3 Memperbaiki alam sekitar dan kualiti udara

Cara terbaik untuk merealisasikan kenderaan autonomi ialah elektrifikasi, termasuk elektrik tulen atau sel bahan api pada masa ini , kenderaan khas telah muncul di dalam dan luar negara, seperti Tesla, NIO, BYD dan banyak lagi syarikat kenderaan tenaga baharu. Walaupun kenderaan yang membakar bahan api tidak bertanggungjawab terhadap semua pencemaran, ia masih merupakan salah satu penyumbang utama. Kenderaan yang membakar bahan api mengeluarkan lebih banyak asap ekzos pada kelajuan tinggi, apabila membrek dan memecut semula. Walaupun kereta elektrik tidak benar-benar bebas pelepasan, pelepasan sebenar masih berkurangan dengan ketara.

Kenderaan autonomi juga dioptimumkan untuk pecutan, brek dan peralihan, membantu meningkatkan kecekapan bahan api dan mengurangkan pelepasan gas rumah hijau. Firma perunding McKinsey berkata kereta tanpa pemandu boleh membantu mengurangkan 300 juta tan pelepasan gas rumah hijau setiap tahun, menyumbang separuh daripada pelepasan karbon dioksida industri penerbangan.

2.4 Memudahkan perjalanan untuk kumpulan istimewa

Ambil negara kita sebagai contoh Untuk memandu kereta di negara ini, anda perlu memegang lesen memandu kenderaan bermotor untuk model yang sepadan Walau bagaimanapun, pada masa ini terdapat beberapa kumpulan khas, seperti buta warna, orang tua dan orang kurang upaya Menurut statistik dari jabatan berwibawa negara saya, bilangan orang buta warna di negara saya telah melebihi puluhan juta 249.49 juta warga emas (60 tahun ke atas) di negara saya, iaitu 17.9%. Sesetengah sarjana meramalkan bahawa populasi warga tua akan mencapai 480 juta menjelang 2050. Penuaan masyarakat bukan sahaja menjejaskan ekonomi, penjagaan perubatan dan keselamatan pencen, tetapi juga memberi cabaran besar kepada sistem pengangkutan.

Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Rajah 2-3 Buta Steve Mahan menaiki kereta pandu sendiri Google Firefly

2.5 Menjimatkan lebih masa

Kenderaan autonomi boleh mengesan dan berkomunikasi dengan kenderaan lain di sekelilingnya, melakukan tempat letak kenderaan rawak, pertukaran lorong dan kesesakan lalu lintas. tingkah laku akan menjadi satu perkara yang telah berlalu, yang membawa kepada ketertiban lalu lintas yang lebih baik dan mengelakkan calar kecil dan perlanggaran pada kelajuan rendah. Kelajuan kenderaan yang sepadan akan lebih pantas daripada sekarang, dan kecekapan perjalanan orang ramai akan lebih tinggi.

Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Rajah 2-4 Kesesakan lalu lintas yang disebabkan oleh faktor manusia

Tiada Kereta yang dipandu manusia bukan sahaja membantu mengurangkan kemalangan jalan raya tetapi juga mengurangkan kesesakan lalu lintas dengan ketara. Menurut laporan KPMG, kenderaan tanpa pemandu boleh membantu meningkatkan kapasiti lebuh raya untuk menampung kenderaan sebanyak lima kali ganda. Sebastian Thrun, pakar komputer di Universiti Stanford dan bekas pakar dalam projek kereta pandu sendiri Google, berkata apabila kereta robot menjadi arus perdana, hanya 30% daripada kereta di jalan raya akan diperlukan pada masa ini. McKinsey & Company menganggarkan bahawa kereta pandu sendiri boleh menjimatkan masa pemandu di seluruh dunia satu bilion jam setiap hari.

2.6 Masalah tempat letak kereta selesai

Perkembangbiakan kereta pandu sendiri bermakna anda tidak perlu mencari tempat letak kereta kerana ia dihantar kepada anda Apabila tiba di destinasi anda, ia akan menemui tempat letak kereta yang ideal dengan sendirinya. Walaupun anda memutuskan untuk membeli kereta pandu sendiri, anda tidak perlu risau untuk mencari tempat letak kereta kerana ia boleh mencarinya. Ini mempunyai kesan yang besar kepada bandar. Menurut laporan Bank of America baru-baru ini, 31% kawasan bandar kini dikhususkan untuk tempat letak kereta. Apabila pemilikan kereta berkurangan, keperluan untuk tempat letak kereta berkurangan dan ruang letak kereta boleh diubah menjadi kawasan kediaman.

3 Kelemahan teknologi tanpa pemandu

3.1 Serangan penggodam

Dalam kehidupan sebenar, terdapat kes penggodam menggodam kenderaan yang dipandu manusia. Pada tahun 2014, penggodam mengeksploitasi kelemahan dalam sistem perkhidmatan digital kereta untuk membuka pintu 2.2 juta kereta dari jauh; pada tahun 2015, penggodam menyerang kereta yang bergerak dari jauh dan melakukan nyahpecutan, brek dan pemeriksaan lain, mengakibatkan kehilangan 1.4 juta kereta di seluruh dunia. Kereta ditarik balik; pada tahun 2016, selepas penggodam mengeksploitasi kelemahan dalam aplikasi kereta untuk mendapatkan maklumat pemandu dan mengalirkan kuasa kereta, pengeluar segera melumpuhkan aplikasi itu untuk menghalang penggodam daripada menceroboh masuk semula.

Berbanding dengan industri automobil tradisional, pemanduan autonomi menggunakan sejumlah besar cara teknologi dan dikawal oleh program yang telah direka bentuk dan cip kecerdasan buatan untuk sistem jenis ini. Semua sistem automatik berisiko diserang atau ranap oleh ralat atau pepijat. Tiada sistem yang maksum. Jika penggodam boleh memasuki sistem kereta, ia boleh mengawal kereta untuk melakukan apa sahaja, mengancam nyawa dan harta penumpang.

3.2 Terlalu bergantung pada teknologi navigasi satelit

Pengeluar kereta sedang mencari generasi teknologi automotif yang mengganggu. Sebagai contoh, syarikat angkasa lepas Elon Musk, SpaceX sedang mengedarkan satelit di orbit. Ia menjadi alat penting untuk memproses sejumlah besar data yang diperlukan untuk memandu.

Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Rajah 3-1 Kereta elektrik Tesla tidak boleh menyambung ke Internet di garaj bawah tanah

AS Bank Pelaburan Morgan Stanley berkata kereta pandu sendiri menjana sehingga 40 terabait data sejam daripada kamera, radar dan penderia lain dan menggunakan data ini untuk menavigasi jalan. Itulah jumlah data yang dikumpul oleh iPhone selama 3,000 tahun. Walaupun kebanyakan kereta baharu mempunyai modem yang dipasang di bawah papan pemuka dan menerima data daripada menara yang sama yang berfungsi untuk telefon bimbit, liputan boleh menjadi tidak sekata, yang merupakan salah satu cabaran terbesar yang dihadapi oleh kereta pandu sendiri.

Setelah isyarat kereta pandu sendiri terganggu atau terganggu, memandu sendiri akan menjadi mustahil.

3.3 Infrastruktur sokongan lebuh raya yang tidak mencukupi

Cara terbaik untuk merealisasikan kenderaan autonomi ialah elektrik, tetapi pada masa ini, cerucuk pengecas trem diagihkan di beberapa bandar domestik Ketumpatannya tidak sebaik stesen minyak Di samping itu, masa mengecas kereta elektrik adalah jauh lebih lama daripada kereta gas, jadi selalunya beratur panjang di longgokan pengecasan, yang sangat mengurangkan pengalaman pengguna.

Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu

Rajah 3-2 Cerucuk pengecas trem

Selain itu, banyak negara yang terjejas oleh isu infrastruktur. Sebagai contoh, di India, jalan raya merupakan cabaran terbesar. Jalan pemanduan yang buruk menimbulkan cabaran bagi kenderaan pandu sendiri. Kenderaan autonomi memerlukan jalan yang boleh diramal dan lorong yang jelas. Sukar untuk kenderaan separa atau autonomi sepenuhnya untuk memandu di jalan-jalan ini kerana tanda atau reka bentuk jalan yang lemah. Risiko kemalangan meningkat dan terdapat risiko serius algoritma komputer membuat keputusan yang salah.

3.4 Masalah dalam peringkat peralihan

Menurut ramalan IHS Global Insight, sebuah agensi perundingan perniagaan global yang terkenal, dalam 10- 15 tahun, bilangan kenderaan autonomi akan meningkat. Ia akan meningkat secara beransur-ansur kepada 9.2%, dengan sekurang-kurangnya 9 kereta pandu sendiri untuk setiap 100 kereta. Di peringkat di mana kenderaan tradisional dan kenderaan autonomi wujud bersama, cabaran paling besar ditimbulkan kepada kepraktisan, kebolehpercayaan dan keselamatan kenderaan autonomi.

Bagaimana untuk menjadikan kereta tanpa pemandu dan kereta tradisional wujud bersama secara harmoni, mengurangkan kemungkinan kemalangan antara kedua-duanya, dan semasa mempromosikan kereta tanpa pemandu, meminimumkan kesan pada kereta tradisional Kesan terhadap keselamatan pemanduan di jalan raya telah juga menjadi masalah utama yang perlu diatasi oleh juruteknik pada masa ini. Apabila teknologi pemanduan autonomi matang dan bahagian pasaran kereta tanpa pemandu meningkat, masalah ini akan dapat dikurangkan dengan sewajarnya.

3.5 Kos semasa terlalu tinggi

Sama seperti pembangunan industri lain, pembangunan teknologi pemanduan autonomi juga memerlukan pembangunan dan ujian bertahun-tahun. Kosnya tinggi pada peringkat semasa Menurut anggaran oleh organisasi berwibawa, kos kereta pandu sendiri yang sedang diuji adalah setinggi kira-kira 300,000 dolar AS, malah boleh mencecah lebih 3 juta yuan di China masa berlalu, populariti kereta pandu sendiri dan persaingan sihat di kalangan syarikat kereta pandu sendiri mungkin dapat mengurangkan harga kereta pandu sendiri dengan ketara.

4 Kesimpulan dan Tinjauan

Pada masa ini, teknologi pemanduan autonomi di dalam dan luar negara telah berkembang pesat, dan kereta mempunyai lebih banyak teknologi tinggi, menyelesaikan banyak masalah Ia menyelesaikan masalah masalah yang dihadapi oleh orang ramai dalam perjalanan harian dan juga kehidupan seharian Selepas penggunaan kereta tanpa pemandu secara meluas dalam masyarakat, ia bukan sahaja menyelesaikan keperluan untuk berulang-alik untuk keluar dari tempat kerja, tetapi juga membolehkan orang yang tinggal di kawasan sekitar menikmati pendidikan dan pendidikan dengan lebih mudah. di bandar-bandar peringkat pertama. Perkhidmatan sokongan seperti penjagaan perubatan dan hiburan akan menjadikan masyarakat ini lebih baik dan lebih baik dan menjadikan kehidupan orang ramai lebih baik.

Namun, teknologi tanpa pemandu sekarang masih belum matang, dan masih banyak masalah teknikal yang perlu diatasi oleh penyelidik saintifik saya percaya dalam masa terdekat, masalah itu akan diselesaikan. menjadikan kereta tanpa pemandu benar-benar boleh diakses oleh manusia.

Atas ialah kandungan terperinci Artikel yang menerangkan secara ringkas situasi semasa dan prospek pemanduan tanpa pemandu. 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)
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
1 bulan 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)

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,

Kertas Stable Diffusion 3 akhirnya telah dikeluarkan, dan butiran seni bina didedahkan Adakah ia akan membantu untuk menghasilkan semula Sora? Kertas Stable Diffusion 3 akhirnya telah dikeluarkan, dan butiran seni bina didedahkan Adakah ia akan membantu untuk menghasilkan semula Sora? Mar 06, 2024 pm 05:34 PM

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

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

DualBEV: mengatasi BEVFormer dan BEVDet4D dengan ketara, buka buku! DualBEV: mengatasi BEVFormer dan BEVDet4D dengan ketara, buka buku! Mar 21, 2024 pm 05:21 PM

Kertas kerja ini meneroka masalah mengesan objek dengan tepat dari sudut pandangan yang berbeza (seperti perspektif dan pandangan mata burung) dalam pemanduan autonomi, terutamanya cara mengubah ciri dari perspektif (PV) kepada ruang pandangan mata burung (BEV) dengan berkesan dilaksanakan melalui modul Transformasi Visual (VT). Kaedah sedia ada secara amnya dibahagikan kepada dua strategi: penukaran 2D kepada 3D dan 3D kepada 2D. Kaedah 2D-ke-3D meningkatkan ciri 2D yang padat dengan meramalkan kebarangkalian kedalaman, tetapi ketidakpastian yang wujud dalam ramalan kedalaman, terutamanya di kawasan yang jauh, mungkin menimbulkan ketidaktepatan. Manakala kaedah 3D ke 2D biasanya menggunakan pertanyaan 3D untuk mencuba ciri 2D dan mempelajari berat perhatian bagi kesesuaian antara ciri 3D dan 2D melalui Transformer, yang meningkatkan masa pengiraan dan penggunaan.

Model dunia penjanaan video adegan pemanduan berbilang paparan autonomi | Model dunia penjanaan video adegan pemanduan berbilang paparan autonomi | Oct 23, 2023 am 11:13 AM

Beberapa pemikiran peribadi pengarang Dalam bidang pemanduan autonomi, dengan pembangunan sub-tugas/penyelesaian hujung-ke-hujung berasaskan BEV, data latihan berbilang paparan berkualiti tinggi dan pembinaan adegan simulasi yang sepadan telah menjadi semakin penting. Sebagai tindak balas kepada titik kesakitan tugas semasa, "kualiti tinggi" boleh dipecahkan kepada tiga aspek: senario ekor panjang dalam dimensi berbeza: seperti kenderaan jarak dekat dalam data halangan dan sudut arah tepat semasa pemotongan kereta, dan data garis lorong. . Ini selalunya bergantung pada sejumlah besar pengumpulan data dan strategi perlombongan data yang kompleks, yang memerlukan kos yang tinggi. Nilai sebenar 3D - imej sangat konsisten: Pemerolehan data BEV semasa sering dipengaruhi oleh ralat dalam pemasangan/penentukuran sensor, peta berketepatan tinggi dan algoritma pembinaan semula itu sendiri. ini membawa saya kepada

GSLAM |. Seni bina dan penanda aras umum SLAM GSLAM |. Seni bina dan penanda aras umum SLAM Oct 20, 2023 am 11:37 AM

Tiba-tiba menemui kertas 19 tahun GSLAM: Rangka Kerja SLAM Umum dan kod sumber terbuka Penanda Aras: https://github.com/zdzhaoyong/GSLAM Pergi terus ke teks penuh dan rasai kualiti karya ini~1 Teknologi SLAM Abstrak telah mencapai banyak kejayaan baru-baru ini dan menarik ramai yang menarik perhatian syarikat berteknologi tinggi. Walau bagaimanapun, cara untuk antara muka dengan algoritma sedia ada atau yang baru muncul untuk melaksanakan penandaarasan dengan cekap pada kelajuan, kekukuhan dan mudah alih masih menjadi persoalan. Dalam kertas kerja ini, satu platform SLAM baharu yang dipanggil GSLAM dicadangkan, yang bukan sahaja menyediakan keupayaan penilaian tetapi juga menyediakan penyelidik dengan cara yang berguna untuk membangunkan sistem SLAM mereka sendiri dengan pantas.

'Minecraft' bertukar menjadi bandar AI, dan penduduk NPC memainkan peranan seperti orang sebenar 'Minecraft' bertukar menjadi bandar AI, dan penduduk NPC memainkan peranan seperti orang sebenar Jan 02, 2024 pm 06:25 PM

Sila ambil perhatian bahawa lelaki persegi ini berkerut dahi, memikirkan identiti "tetamu tidak diundang" di hadapannya. Ternyata dia berada dalam situasi berbahaya, dan apabila dia menyedari perkara ini, dia segera memulakan pencarian mental untuk mencari strategi untuk menyelesaikan masalah itu. Akhirnya, dia memutuskan untuk melarikan diri dari tempat kejadian dan kemudian mendapatkan bantuan secepat mungkin dan mengambil tindakan segera. Pada masa yang sama, orang di seberang sana memikirkan perkara yang sama seperti dia... Terdapat adegan sedemikian dalam "Minecraft" di mana semua watak dikawal oleh kecerdasan buatan. Setiap daripada mereka mempunyai latar identiti yang unik Contohnya, gadis yang disebutkan sebelum ini adalah seorang kurier berusia 17 tahun tetapi bijak dan berani. Mereka mempunyai daya ingatan dan pemikiran serta hidup seperti manusia di bandar kecil yang terletak di Minecraft ini. Apa yang mendorong mereka adalah sesuatu yang baru,

Semakan! Gabungan model mendalam (LLM/model asas/pembelajaran bersekutu/penalaan halus, dsb.) Semakan! Gabungan model mendalam (LLM/model asas/pembelajaran bersekutu/penalaan halus, dsb.) Apr 18, 2024 pm 09:43 PM

Pada 23 September, kertas kerja "DeepModelFusion:ASurvey" diterbitkan oleh Universiti Teknologi Pertahanan Nasional, JD.com dan Institut Teknologi Beijing. Gabungan/penggabungan model dalam ialah teknologi baru muncul yang menggabungkan parameter atau ramalan berbilang model pembelajaran mendalam ke dalam satu model. Ia menggabungkan keupayaan model yang berbeza untuk mengimbangi bias dan ralat model individu untuk prestasi yang lebih baik. Gabungan model mendalam pada model pembelajaran mendalam berskala besar (seperti LLM dan model asas) menghadapi beberapa cabaran, termasuk kos pengiraan yang tinggi, ruang parameter berdimensi tinggi, gangguan antara model heterogen yang berbeza, dsb. Artikel ini membahagikan kaedah gabungan model dalam sedia ada kepada empat kategori: (1) "Sambungan corak", yang menghubungkan penyelesaian dalam ruang berat melalui laluan pengurangan kerugian untuk mendapatkan gabungan model awal yang lebih baik.

See all articles