


He Xiaopeng: Logik lengkap pemanduan tanpa pemandu sepenuhnya masih tidak jelas, dan kita mungkin perlu mencari jalan lain
Menurut berita dari laman web ini pada 21 November, He Xiaopeng, pengerusi Xpeng Motors, menyatakan pendapatnya di Weibo malam ini, dengan berkata, “Anda boleh melihat peta jalan yang jelas untuk pemanduan berbantu autonomi peringkat tinggi, atau pemanduan autonomi sepenuhnya dengan seseorang , tetapi pemanduan tanpa pemandu sepenuhnya saya masih belum dapat melihat logik yang lengkap, dan saya juga berpendapat bahawa kita mungkin perlu mencari jalan lain.”

He Xiaopeng mengetweet semula laporan mengenai peletakan jawatan Ketua Pegawai Eksekutif Cruise Kyle Vogt. Vogt tidak menjelaskan sebab peletakan jawatannya, tetapi menyebut kemalangan yang membawa kepada penggantungan operasi kereta pandu sendiri dan semakan keselamatan
Pada petang 2 Oktober, seorang wanita terjatuh ke dalam kereta selepas dilanggar dengan ganas oleh kereta di San Francisco Bahagian hadapan teksi tanpa pemandu Cruise. Walaupun teksi pandu sendiri Cruise itu membrek tepat pada masanya, ia kemudian cuba untuk berhenti dan meletak kenderaan Akibatnya, wanita itu digilis dua kali dan diseret kira-kira 6 meter kecederaannya menjadi lebih serius. Jabatan Kenderaan Bermotor California menggantung lesen operasi teksi tanpa pemandu Cruise pada 25 Oktober. Pada 7 November, Cruise mengumumkan penarikan balik 950 kereta tanpa pemandu di Amerika Syarikat, dan mungkin terus menarik balik lebih banyak kenderaan

Tapak ini mendapati bahawa kumpulan pertama Xpeng XNGP navigasi bandar membantu pemanduan tanpa ketepatan tinggi peta telah mula Buka beta. Pemanduan pintar bandar XNGP menggunakan penyelesaian peta ringan, supaya navigasi bandar tidak lagi dihadkan oleh skop penggunaan dan masa kemas kini peta berketepatan tinggi. Selepas mendayakan pemanduan AI, fungsi ini membolehkan pengguna menetapkan titik permulaan dan penamat di seluruh negara. Hanya memandu secara manual sekali untuk menjana peta memori. Apabila anda memilih laluan perjalanan kemudian, anda boleh menggunakan fungsi "pemandu AI" untuk mencapai pemanduan berbantu navigasi bandar pada laluan tertentu atau senario tertentu Sebelum ini, Xpeng Motors telah mengumumkan bahawa pemanduan berbantu navigasi bandar XNGP akan meliputi 25 bandar pada bulan November . dibuka kepada 50 bandar pada akhir Disember. He Xiaopengli menyatakan cabaran untuk mencapai liputan penuh XNGP dalam rangkaian jalan bandar utama (termasuk jalan Kelas 1-4) di seluruh negara dalam tahun 2024.
Pernyataan pengiklanan: Pautan lompat luaran (termasuk tetapi tidak terhad kepada hiperpautan, kod QR, kata laluan, dll.) yang terkandung dalam artikel digunakan untuk menyampaikan lebih banyak maklumat dan menjimatkan masa pemilihan laman web ini adalah Mengandungi Penyata ini.
Atas ialah kandungan terperinci He Xiaopeng: Logik lengkap pemanduan tanpa pemandu sepenuhnya masih tidak jelas, dan kita mungkin perlu mencari jalan lain. 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

Menurut berita pada 15 Disember, Xpeng Motors baru sahaja mengeluarkan berita menarik bahawa mereka merancang untuk melancarkan model MPV pertama mereka secara rasmi pada 1 Januari 2024, yang dipanggil Xpeng X9. Kereta ini secara rasminya dipuji sebagai "pemandu super pintar tujuh tempat duduk" dan membanggakan bahawa ia mempunyai "evolusi mendalam AI untuk meneroka kemungkinan X". Xpeng X9 membuat penampilan sulungnya di Pameran Auto Guangzhou 2023, dengan harga pra-jualan bermula dari 388,000 yuan. Kereta ini meneruskan reka bentuk gaya keluarga Xpeng Motors, dengan jalur cahaya jenis melalui dan reka bentuk lampu hadapan yang tajam. Casis menggunakan cetakan aluminium bersepadu depan dan belakang Dimensi badan adalah 5293mm panjang, 1988mm lebar, 1785mm tinggi, dan jarak roda adalah 3160mm. dan Starry Night Black. Tempat duduk hadapan

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

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
