Rumah Peranti teknologi AI Pelan memandu sendiri Tesla bertukar antara kecerobohan dan kedegilan

Pelan memandu sendiri Tesla bertukar antara kecerobohan dan kedegilan

Apr 26, 2023 pm 07:34 PM
Pemanduan autonomi

Pelan memandu sendiri Tesla bertukar antara kecerobohan dan kedegilan

Lama sebelum menjadi bos baharu Twitter, Musk sudah taksub untuk menjadikan kereta Tesla memandu sendiri. Teknologi ini agak mahal untuk dibangunkan, jadi apabila rantaian bekalan mula runtuh dua tahun lalu, Musk bertekad untuk mengurangkan kos. Dia menyasarkan sensor radar kereta.

Penderia ini direka untuk mengesan bahaya pada jarak jauh dan menghalang kenderaan daripada melanggar kereta lain semasa memandu. Kini terdapat lapan kamera yang dipasang pada kereta, yang boleh digunakan untuk melihat jalan raya dan mengesan bahaya di setiap arah. Musk berpendapat itu sudah cukup.

Tetapi menurut beberapa bekas pekerja, ramai jurutera Tesla terkejut. Mereka menghubungi bekas eksekutif yang dipercayai untuk cuba memujuk Musk untuk meninggalkan pendekatan ini. Tanpa radar, kenderaan Tesla akan terdedah kepada ralat persepsi tahap rendah apabila kamera dikaburkan oleh titisan hujan atau cahaya terang, yang boleh menyebabkan kemalangan.

Walau bagaimanapun, Musk kelihatan tidak yakin dan menolak pendapat jurutera. Pada Mei 2021, Tesla mengumumkan bahawa ia akan mengeluarkan radar daripada kereta baharu. Tidak lama selepas itu, syarikat itu mula melumpuhkan radar dalam kereta yang sudah berada di jalan raya. Kereta Tesla yang tiba-tiba kehilangan sensor kritikal berkemungkinan besar untuk terhempas dan membuat kesilapan lain yang memalukan, menurut temu bual dengan lebih sedozen bekas pekerja, pemandu ujian, pegawai keselamatan dan pakar lain.

Musk menyifatkan teknologi "Full Self-Driving" (FSD) Tesla sebagai "perbezaan utama antara Tesla yang bernilai banyak wang atau tidak bernilai pada dasarnya," tetapi impian kereta pandu sendirinya Jelas sekali. halangan.

Tesla telah menarik balik dan menghentikan pelancaran teknologi itu kepada kenderaan yang layak dalam beberapa minggu kebelakangan ini kerana kebimbangan bahawa kenderaannya boleh melanggar had laju dan melalui papan tanda berhenti, menurut pegawai A.S.. Aduan pelanggan telah bertimbun, termasuk tuntutan mahkamah yang difailkan di mahkamah bulan lalu yang mengatakan Musk membesar-besarkan keupayaan teknologi itu. Pemfailan Tesla juga menunjukkan bahawa pengawal selia dan pegawai kerajaan sedang meneliti sistem Tesla dan kenyataan masa lalunya sebagai bukti isu keselamatan semakin meningkat.

Dalam temu bual, bekas pekerja yang terlibat dalam pembangunan perisian pemanduan bantuan pemandu Tesla mengaitkan masalah syarikat dengan kos seperti kelajuan pembangunan dan keputusan Musk untuk membatalkan pemotongan radar (menyimpang daripada amalan industri). dan isu lain yang unik kepada Tesla. Selain itu, gaya kepimpinan Musk yang tidak menentu juga memainkan peranan, memaksa mereka untuk membangunkan teknologi pada kelajuan yang sangat pantas dan mendorongnya kepada orang ramai sebelum ia siap. Ada yang mengatakan sehingga hari ini mereka bimbang perisian itu tidak cukup selamat untuk digunakan di jalan awam.

John Bernal, pesara pengendali ujian yang bekerja di jabatan Autopilot Tesla, berkata: "Sistem ini berkembang sangat perlahan secara dalaman, tetapi orang ramai mahu syarikat mengeluarkannya secepat mungkin." Bernal telah dipecat pada Februari 2022 apabila Tesla menuduhnya menggunakan teknologi secara tidak wajar selepas mengeluarkan video FSD.

Musk memperoleh platform media sosial Twitter yang bermasalah pada musim gugur lalu dengan sambutan hangat dan menggerakkan berpuluh-puluh jurutera Tesla untuk membantu mengendalikan kod Twitter, menurut orang yang biasa dengan perkara itu. Awal bulan ini, saham Tesla jatuh 6% selepas syarikat itu gagal mengumumkan produk baharu utama pada hari pelaburnya.

Musk mempertahankan tindakan Tesla, mengatakan ia adalah pertaruhan jangka panjang yang boleh membuka kunci nilai yang besar. Tesla juga berkata bahawa kenderaan dengan perisian FSD diaktifkan sekurang-kurangnya lima kali lebih kecil kemungkinan terlibat dalam kemalangan berbanding kenderaan yang dipandu biasanya. Musk dan Tesla tidak menjawab permintaan berulang untuk komen.

Tetapi kisah FSD memberikan contoh yang jelas tentang bagaimana jutawan itu mewujudkannya melalui keputusan yang tergesa-gesa, desakan yang degil untuk melakukan perkara secara berbeza dan kepercayaan yang tidak berbelah bahagi dalam visi yang masih belum dibuktikan pertaruhan terbesar menjadi rumit.

Penyelesaian patchwork membuatkan ia berasa seperti teknologi sedang berkembang

Pada April 2019, pada pembentangan yang dipanggil "Hari Pelabur Autonomi", Musk membuat ramalan paling berani sebagai Tesla Ketua Pegawai Eksekutif. Dia memberitahu pelabur pada masa itu: "Menjelang pertengahan tahun depan, kami akan mempunyai lebih daripada 1 juta kenderaan Tesla yang dilengkapi dengan perkakasan pemanduan autonomi sepenuhnya di jalan raya. Perisian kami akan dikemas kini secara automatik melalui udara, dan FSD akan sangat dipercayai bahawa pemandu malah boleh Tidur di dalam kereta ”

Pelabur teruja, dan saham Tesla melonjak pada tahun 2020, menjadikannya pembuat kereta paling berharga dan membantu Musk menjadi orang terkaya di dunia. Selepas Autopilot, FDS telah dilancarkan pada 2014 dan kemudiannya membenarkan kereta memandu secara autonomi di lebuh raya, stereng, menukar lorong dan melaraskan kelajuan secara automatik. FSD bertujuan untuk membawa ciri-ciri ini ke jalan bandar dan kediaman, walaupun ini adalah tugas yang lebih sukar.

Untuk mencapai matlamat di atas, perkakasan dan perisian automotif perlu digabungkan. Lapan kamera digunakan untuk menangkap rakaman masa nyata aktiviti di sekeliling kereta, yang membolehkan kereta menilai bahaya seperti pejalan kaki atau penunggang basikal dan bertindak balas dengan sewajarnya. Untuk menunaikan janjinya, Musk mengumpulkan sepasukan jurutera bintang yang sanggup bekerja berjam-jam dan berjaga malam untuk menyelesaikan masalah. Musk bersedia untuk menguji perisian terkini pada keretanya sendiri dan menulis permintaan "membetulkan" untuk jurutera dengan eksekutif lain.

Sesetengah bekas pekerja berkata penyelesaian yang bercanggah memberikan ilusi kemajuan teknologi yang berterusan tetapi menyembunyikan kekurangan strategi pembangunan yang koheren. Walaupun pesaing seperti kereta pandu sendiri Alphabet Waymo menggunakan protokol ujian ketat yang mengehadkan skop perisian pandu sendirinya, Tesla akhirnya melancarkan FSD kepada 360,000 pemiliknya dan menyerahkan kepada mereka untuk memutuskan sama ada untuk mengaktifkannya.

Falsafah Tesla adalah mudah: lebih banyak data AI ​​yang memandu kereta terdedah, lebih cepat ia belajar. Tetapi model kasar ini juga bermakna keselamatan lebih longgar. Bekas pekerja Tesla berkata syarikat itu telah memilih untuk membiarkan perisian itu belajar sendiri secara berkesan, membangunkan ketangkasan seperti otak melalui teknik tanpa peraturan yang dikenali sebagai "rangkaian saraf." Walaupun ini berpotensi untuk mempercepatkan proses latihan, pada asasnya ia adalah pendekatan percubaan dan kesilapan.

Pesaing seperti Waymo dan Apple telah menggunakan pendekatan autonomi yang berbeza, menetapkan peraturan dan menangani sebarang pelanggaran jika sekatan tersebut dilanggar, menurut orang dalam Silicon Valley yang biasa dengan amalan syarikat. Syarikat yang membangunkan teknologi pandu sendiri juga sering menggunakan sistem lidar dan radar yang canggih, yang membantu perisian memetakan persekitaran mereka secara terperinci.

Jurucakap Waymo Julia Ilina berkata terdapat perbezaan yang jelas dalam amalan kedua-dua syarikat itu. Beliau berkata matlamat Waymo adalah untuk mencapai autonomi lengkap dan menekankan pembelajaran mesin. Apple enggan mengulas.

Pendekatan Tesla telah terbukti bermasalah berkali-kali. Kira-kira dua tahun lalu, seseorang menyiarkan video perisian itu bergelut untuk menavigasi Jalan Lombard yang berliku di San Francisco, dan video itu memperoleh puluhan ribu tontonan. Bernal mendedahkan bahawa jurutera Tesla membina penghalang yang tidak kelihatan ke dalam perisian, sama seperti bumper di lorong boling, untuk membantu kereta itu kekal di jalan raya. Video seterusnya menunjukkan perisian berjalan lancar.

Bernal ini keliru. Sebagai penguji dalaman, adalah sebahagian daripada tugasnya untuk berada di belakang roda di jalan ini, dan jelas ini jauh daripada pengalaman biasa beliau di jalan awam yang lain.

Radar pada asalnya memainkan peranan penting dalam reka bentuk kenderaan dan perisian Tesla, melengkapkan kamera dengan memberikan pandangan realistik persekitaran sekeliling, terutamanya dalam situasi di mana penglihatan mungkin terhalang. Tesla juga menggunakan penderia ultrasonik, iaitu peranti jarak dekat yang boleh mengesan halangan dalam jarak beberapa sentimeter di sekeliling kereta.

Walaupun dilengkapi dengan radar, kenderaan Tesla tidaklah sekompleks kenderaan pesaing lain yang menggunakan lidar. “Salah satu kelebihan utama lidar ialah ia sentiasa dapat mengesan kereta api atau trak lebih awal, walaupun ia tidak tahu apa itu sesuatu di hadapan dan kenderaan itu boleh berhenti tepat pada masanya tanpa mengetahui apa-apa lagi."

Kamera perlu memahami perkara yang mereka lihat berkesan, bergantung pada imej label Pekerja Tesla yang dirakam oleh kenderaan, termasuk papan tanda berhenti dan kereta api, untuk membantu perisian mengetahui cara bertindak balas.

Bekas pekerja Tesla berkata pada penghujung tahun 2020, pekerja Autopilot menghidupkan komputer mereka dan mendapati bahawa perisian pemantauan tempat kerja telah dipasang dalam syarikat. Perisian memantau ketukan kekunci dan klik tetikus dan menjejaki tag imej mereka. Jika tetikus tidak bergerak untuk tempoh masa, pemasa bermula dan pekerja itu boleh ditegur sehingga dipecat.

Bulan lepas, sebuah kumpulan yang mendesak penyatuan di kilang Buffalo Tesla membangkitkan kebimbangan mengenai pengawasan di tempat kerja, dan Tesla mengeluarkan respons. Syarikat itu berkata: "Sebab pemantauan masa penandaan imej adalah untuk meningkatkan kemudahan penggunaan perisian penandaan kami. Tujuannya adalah untuk mengira tempoh masa yang diambil untuk menandakan imej."

Musk pernah menganjurkan A Kaedah navigasi "visual sahaja" kerana ia lebih ringkas, lebih murah dan lebih intuitif. Pada Februari 2022, dia menulis di Twitter: "Sistem jalan raya direka untuk kamera (mata) dan rangkaian saraf (otak)

Tetapi ramai yang percaya pendekatan ini berisiko. Seorang bekas jurutera Autopilot Tesla berkata: "Apa yang saya tahu adalah tidak selamat untuk menggunakan perisian itu di jalanan. Anda tidak boleh meramalkan apa yang akan dilakukan oleh kereta itu." dalam kemalangan

Bekas pekerja ini berkata bahawa masalah ini disedari hampir serta-merta selepas Tesla mengumumkan penyingkiran radar pada Mei 2021. Pada masa ini, program ujian FSD berkembang daripada beribu-ribu kepada puluhan ribu pemandu. Tiba-tiba, kenderaan Tesla didakwa berhenti kerana bahaya yang dibayangkan, salah membaca papan tanda jalan dan juga gagal mengesan halangan seperti kenderaan kecemasan, menurut aduan yang difailkan dengan pengawal selia.

Sesetengah orang mengaitkan peningkatan dalam kemalangan "brek hantu" dalam kenderaan Tesla kerana kekurangan radar. Data daripada Pentadbiran Keselamatan Lalu Lintas Kebangsaan (NHTSA) A.S. menunjukkan bahawa kemalangan jalan raya yang melibatkan kenderaan Tesla meningkat tahun lalu. Aduan mengenai "brek hantu" telah meningkat kepada 107 dalam tiga bulan lalu, berbanding 34 dalam 22 bulan sebelumnya. NHTSA menerima kira-kira 250 aduan tentang isu itu dalam tempoh dua minggu, dan agensi itu melancarkan siasatan selepas menerima 354 aduan berkaitan dalam tempoh sembilan bulan.

Beberapa bulan yang lalu, NHTSA melancarkan siasatan ke atas Autopilot berhubung kira-kira sedozen laporan Tesla merempuh kenderaan kecemasan yang tidak bergerak. Contoh terbaru muncul bulan ini, apabila agensi itu mengesahkan ia sedang menyiasat kemalangan maut pada bulan Februari yang melibatkan Tesla dan trak bomba. Pakar berkata radar boleh menyemak semula perkara yang dilihat oleh kamera, kerana kamera mudah dipengaruhi oleh cahaya terang.

Missy Cummings, bekas penasihat keselamatan kanan NHTSA, berkata: "Ini bukan satu-satunya sebab kenderaan Tesla menghadapi masalah, tetapi ia adalah sebab penting. Radar boleh membantu mengesan Objek di hadapan. Untuk penglihatan komputer dengan besar ralat, ia boleh digunakan sebagai penderia untuk memeriksa sama ada terdapat sebarang masalah Sebagai penguji utama, Musk juga memerlukan pembetulan pepijat yang kerap pada perisian Minta jurutera untuk masuk dan melaraskan kod. Seorang bekas eksekutif teringat apa yang diberitahu oleh seorang jurutera yang bekerja pada projek itu: "Tiada sesiapa yang boleh menghasilkan idea yang baik apabila mereka dikejar oleh harimau Sikap penerimaan membawa kepada budaya akur." Tesla memecat pekerja yang menentang Musk. Syarikat itu juga telah menolak begitu banyak kemas kini perisian sehingga pada akhir 2021, NHTSA secara terbuka memberi amaran kepada Tesla untuk tidak mengeluarkan pembetulan tanpa notis penarikan semula rasmi.

Kedua-dua pekerja Tesla dan Twitter berkata Musk terganggu dengan keputusannya untuk memperoleh Twitter. Banyak temu bual dengan bekas pekerja dan dokumen menunjukkan bahawa Musk meminta berpuluh-puluh jurutera Tesla untuk membantu mengambil alih Twitter selepas pemerolehan itu selesai tahun lepas. Kemas kini perisian yang sepatutnya dikeluarkan setiap dua minggu tiba-tiba berselang beberapa bulan kerana Tesla berusaha untuk mengatasi pepijat dan mengejar matlamat yang lebih bercita-cita tinggi.

Sesetengah orang merungut pengambilalihan Twitter oleh Musk, mengatakan dia perlu memfokus semula pada Tesla untuk menyelesaikan perkara yang dia mulakan. Pelabur Tesla, Ross Gerber berkata: "FSD memberi petanda baik untuk masa depan Tesla yang cerah. Kami suka Musk, dia adalah seorang inovator pada zaman kita. Kami hanya mahu melihatnya kembali dengan sepenuh hati lagi Kepada Tesla. ”

Masa depan penuh dengan ketidakpastian dan menghadapi pelbagai penyiasatan

Jurutera Tesla keletihan dan meletak jawatan untuk mencari peluang di tempat lain. Pengarah AI Tesla Andrej Karpathy mengambil cuti sabatikal selama sebulan pada tahun lepas dan kemudian memilih untuk meninggalkan OpenAI, syarikat di sebalik chatbot ChatGPT. Sementara itu, pengarah Tesla Autopilot Ashok Elluswamy telah pergi bekerja di Twitter. Sebagai sebahagian daripada siasatan berterusannya, Jabatan Kehakiman A.S. telah meminta dokumen berkaitan FSD daripada Tesla. Suruhanjaya Sekuriti dan Bursa AS (SEC) juga sedang mengkaji peranan Musk dalam mempromosikan pemanduan autonomi Tesla sebagai sebahagian daripada penyiasatan yang lebih besar.

Dalam tuntutan mahkamah yang difailkan pada Februari, Tesla dituduh membuat kenyataan "palsu dan mengelirukan" yang "memperbesar-besarkan" keselamatan dan prestasi Autopilot dan FSD. Itu tidak termasuk dua penyiasatan NHTSA ke dalam Autopilot, satu ke dalam kenderaan kecemasan yang merempuh dan satu lagi ke dalam "brek hantu."

Pada acara Hari Pelabur bulan ini, Musk muncul di atas pentas bersama sedozen eksekutif Tesla untuk memuji kepakaran luas syarikat itu. Tetapi syarikat itu tidak memberikan sebarang kemajuan besar pada FSD, walaupun mempunyai bahagian mengenai teknologi.

Ramai pelanggan setia Musk telah putus harapan dan tidak lagi percaya bahawa janji asalnya akan menjadi kenyataan. Charles Cook, juruterbang komersial dan jurutera dari Jacksonville, Florida, memiliki Model Y yang sering dipandunya dengan FSD diaktifkan.

Walaupun Cook kagum dengan keupayaan teknologi, dia tidak berpuas hati dengan kemajuannya yang perlahan dan kelewatan dalam menunaikan janji Musk. Dia berkata: "Sesetengah orang mungkin telah membeli perisian FSD, memikirkan bahawa mereka kini akan mempunyai teksi memandu sendiri sepenuhnya, dan kemudian membelanjakan wang hasil titik peluh mereka untuk itu. Tetapi sekarang, jurutera Musk mungkin bimbang tentang Scoff ini. Beberapa orang mungkin membelanjakan $15,000 memikirkan mereka akan memilikinya tahun depan dan kini mereka kecewa ” (Tiny)

Atas ialah kandungan terperinci Pelan memandu sendiri Tesla bertukar antara kecerobohan dan kedegilan. 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
R.E.P.O. Arahan sembang dan cara menggunakannya
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,

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,

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

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

FisheyeDetNet: algoritma pengesanan sasaran pertama berdasarkan kamera fisheye FisheyeDetNet: algoritma pengesanan sasaran pertama berdasarkan kamera fisheye Apr 26, 2024 am 11:37 AM

Pengesanan objek ialah masalah yang agak matang dalam sistem pemanduan autonomi, antaranya pengesanan pejalan kaki adalah salah satu algoritma terawal untuk digunakan. Penyelidikan yang sangat komprehensif telah dijalankan dalam kebanyakan kertas kerja. Walau bagaimanapun, persepsi jarak menggunakan kamera fisheye untuk pandangan sekeliling agak kurang dikaji. Disebabkan herotan jejari yang besar, perwakilan kotak sempadan standard sukar dilaksanakan dalam kamera fisheye. Untuk mengurangkan perihalan di atas, kami meneroka kotak sempadan lanjutan, elips dan reka bentuk poligon am ke dalam perwakilan kutub/sudut dan mentakrifkan metrik mIOU pembahagian contoh untuk menganalisis perwakilan ini. Model fisheyeDetNet yang dicadangkan dengan bentuk poligon mengatasi model lain dan pada masa yang sama mencapai 49.5% mAP pada set data kamera fisheye Valeo untuk pemanduan autonomi

See all articles