一文簡述無人駕駛的現況與展望
隨著科技的發展以及人們生活水準的不斷提高,無人駕駛技術逐漸走進人們的生活,傳統汽車產業也受到了一定的衝擊,以特斯拉、比亞迪為例的眾多車企以及以百度為例的網路企業也相繼開啟了或準備開啟無人駕駛技術的研發。
但由於技術尚未成熟,事故的頻傳以及對龐大資料的採集工作造成的私人隱私洩露等問題一直困擾著研發人員以及目前人數尚未龐大的用戶。無人駕駛系統的感知、辨識和決策系統也存在一定的瓶頸,整體的穩定性和可靠性也需要提升。無人駕駛只有在進入大規模使用階段,在安全係數達到一定的程度,才能去驗證無人駕駛是否能夠達到真正的商業化。
基於國家政策的扶持以及全球暖化的趨勢,無人駕駛技術正在被各行各業推動著向前發展,在未來會成為人們出行的主要方式,但這其中還有很長一段路要走。
1 引言
1.1 無人駕駛的定義
無人駕駛,是一種移動戶外機器人在交通領域的重要應用。無人駕駛技術需要結合電腦、通訊、定位、辨識、機器視覺、人工智慧等多門先進技術的結合。無人駕駛車輛系統是一個集環境意識、規劃決策、多階段輔助駕駛等功能於一體的綜合系統,是一個充分考慮車輛與道路整合、協調規劃的車輛系統,也是智慧交通系統的重要組成部分。
1.2 國內外發展現況及趨勢
1.2.1國內外發展現況
(1)國內發展現況
中國政府高度重視無人駕駛技術的研發,早在2015年上半年,國務院印發《中國製造2025》文件,文件指出,至2020年,掌握智慧輔助駕駛整體技術及各項關鍵技術,初步建立智慧網聯汽車自主研發體系及生產配套體系,目前看來,已基本完成目標。 2025年,掌握自動駕駛整體技術及各項關鍵技術,建立較完善的智慧網聯汽車自主研發體系、生產配套體系及產業群,基本完成汽車產業轉型升級。
圖1-1 百度Apollo在滄州正式開啟自動駕駛載人測試
目前國內以百度、比亞迪為例的眾多企業也紛紛投身無人駕駛的研發工作中來。道路情況複雜,道路行人雜亂,雨雪天氣行駛等眾多困擾無人駕駛技術的現實問題,也在研發團隊的努力下得到解決或將得到解決。
(2)國外發展現況
#######圖 1-2 Google無人駕駛汽車#########
在2010年,Google公司研發了7輛無人車並對其進行了城市實際道路測試。這些無人駕駛車輛能夠正確運行,具有良好的感知能力和高水準的人工智慧,能夠自動識別信號燈、行人和車輛。內華達州、佛羅裡達州和加利福尼亞州專門針對無人駕駛車輛制定並通過了相關法律。
1.2.2 發展趨勢
#從發展趨勢來看,在未來科技發展過程中,無人駕駛會是重要的發展方向,無人駕駛技術涉及一個龐大的產業鏈,在各國以及各大高新技術公司在對無人駕駛技術的研發過程中,不僅會促進汽車產業的可持續發展和綠色發展,也會帶動其他領域的發展。
2 無人駕駛技術的利
#2.1 經濟效益
一旦自動駕駛車輛完全融入我們的日常車輛和道路運輸系統,它們將為整個社會帶來巨大的經濟效益。作為參考,中國每年發生20多萬起交通事故,直接經濟損失超過12億元。即使自動駕駛汽車只能減少10%的事故,也可以節省1.2億元。
自動車輛最初取代了傳統的公園物流車輛和社區快車三輪車,以提高工廠利用率和生產率,目前的物流系統可能會先受到影響。自動駕駛車輛可以接管工作並給駕駛員足夠的休息時間,將人力資源轉移到其他產業的建設中去。所有具有自動駕駛技術的汽車、特殊車輛和行動裝置都可以連接到網路系統。在這種網路系統中,由於巨大的網路效應,單位時間的營運成本大大降低。
2.2 減少事故率
#圖2-2 人為因素造成的交通事故
據統計,90%的道路交通事故是由人為失誤造成的,其中分心、疲勞、酒後駕駛和超速駕駛佔相當大的比例。每年,全世界有130萬人死於交通事故,光是中國就有6萬多人。自動駕駛汽車將消除所有由人為錯誤引起的事故,這實際上將大大降低事故率。
在國外,根據前俄羅斯通訊社的報道,俄羅斯交通部副部長基里爾·博格達諾夫表示,在無人駕駛汽車在俄羅斯上路後,到2030年,國內交通事故死亡人數可減少8%。波格丹諾夫說:「無人駕駛汽車在俄羅斯公路上路後,到2030年交通事故死亡人數可因此減少8%。使用無人貨車可將成本降低15%,貨運速度提高25%。這是交通部計算得出的數字,寫入了編制的數位轉型策略。我們已同商界、貨運公司和研發方一起著手實施此前得到俄政府批准的'無人物流走廊'項目。」
2.3 改善環境和空氣品質
實現自主車輛的最佳方式是電氣化,包括純電力或燃料電池,目前國內外湧現了例如特斯拉、蔚來、比亞迪等眾多新能源車企。雖然燃料汽車並非所有導致污染的因素,但它們仍然是核心因素之一。燃油汽車在高速、煞車和重新加速時會釋放更多的廢氣。雖然電動車並非真正無排放,但實際排放量仍大為減少。
無人駕駛車輛也針對加速、煞車和變速進行了最佳化,有助於提高燃油效率和減少溫室氣體排放。顧問公司麥肯錫表示,無人駕駛汽車每年有助於減少3億噸溫室氣體排放,佔航空業二氧化碳排放量的一半。
2.4 方便特殊人群出行
以我國為例,在國內駕駛汽車,需要持有相應車型準駕機動車駕駛證,但在目前國內存在部分特殊族群,例如色盲、老年人和殘疾人,根據我國權威部門的數據統計,我國色盲的人數已經超過了上千萬,我國老年人(60歲及以上)口約24949萬人,佔總人口的17.9%。有學者預測到2050年老年人口將達到4.8億。社會的老化不僅影響經濟、醫療和養老保障,對交通系統也是巨大的挑戰。
圖2-3 盲眼Steve Mahan乘坐google firefly無人駕駛汽車
此類人群由於身體因素無法取得機動車駕駛證,無人駕駛技術可以幫助此類人群出行,並且技術成熟後,不會對自己或他人造成危險。
2.5 更節省時間
#自動駕駛車輛可以偵測周圍的其他車輛並與之通信,隨機停車、換道和交通堵塞的行為將成為過去,這使得交通秩序更好,避免了低速下的小刮傷和碰撞事故。相應的車速將比現在快,人們的出行效率將更高。
#圖2-4 人為因素造成的交通壅塞
##無人駕駛汽車不僅有助於減少交通事故,還能大幅減少交通堵塞。根據畢馬威的報告,無人駕駛車輛有助於將高速公路容納車輛的能力提高五倍。史丹佛大學電腦專家、Google無人駕駛汽車計畫前專家塞巴斯蒂安特倫表示,一旦機器人汽車成為主流,目前道路上只需要30%的汽車。麥肯錫公司估計,無人駕駛汽車每天為全球駕駛者節省的時間總和高達10億小時。
2.6 停車問題解決
#無人駕駛汽車的普及意味著你不必到處尋找停車位,因為在它們被送到目的地後,它會自己找到理想的停車位。即使你決定購買自己的無人駕駛汽車,你也不必擔心找不到停車位,因為它可以找到停車位。這對城市有很大的影響。根據美國銀行最近的報告,目前31%的城市面積用於停車。隨著汽車擁有量的下降,對停車位的需求減少,停車位可以轉換為住宅區。
3 無人駕駛技術的弊端
#3.1 駭客攻擊
在現實生活中,有駭客入侵人類駕駛的車輛的案例。 2014年,駭客利用汽車數位服務系統中的漏洞遠端打開220萬輛汽車的車門;2015年,駭客遠端攻擊了一輛正在行駛的汽車,並進行了減速、煞車和其他檢查,導致全球140萬輛汽車被召回;2016年,駭客通過汽車應用程式的漏洞,獲取司機資訊並耗盡了汽車的動力,製造商立即禁用了該應用程序,以防止駭客再次入侵。相對於傳統汽車產業,自動駕駛運用大量科技手段,由已經設計好的程式和人工智慧晶片控制,對於此類系統來說。所有自動化系統都有被錯誤或bug攻擊或崩潰的風險。沒有任何系統是絕對可靠的。如果駭客可以進入汽車系統,它可以控制汽車做任何事情,威脅乘客的生命財產安全。
3.2 過度依賴衛星導航技術
汽車製造商正在尋找下一代顛覆性汽車技術。例如,馬斯克的太空公司SpaceX正在軌道上分發衛星。它們成為處理駕駛所需的大量數據的關鍵工具。圖3-1 特斯拉電車在地下車庫無法連接網路
美國投資銀行摩根士丹利表示,自動駕駛汽車每小時從攝影機、雷達和其他感測器產生多達40tb的數據,並利用這些數據在道路上導航。這是iPhone 3000多年來收集的資料總和。儘管大多數新車都在儀表板下安裝了調製解調器,並從為手機提供服務的同一信號塔接收數據,但覆蓋範圍可能不均勻,這是自動駕駛汽車面臨的最大挑戰之一。
自動駕駛汽車的訊號一旦受到干擾甚至中斷,自動駕駛就無從談起。
3.3 配套的公路基礎設施不全
#實現自主車輛的最佳方式是電氣化,但目前國內部分城市電車充電樁分佈密度不如加油站,另外,電車充電時長明顯長於油車加油,所以常會出現充電樁排長隊的現象,大大降低使用者體驗感。
圖3-2 電車充電樁
另外,許多國家受到基礎設施問題的影響。例如,在印度,道路是最大的挑戰。落後的行駛道路給自動駕駛車輛帶來了挑戰。自動駕駛車輛需要可預測的道路和明確定義的車道。由於道路標線或設計較差,半自動或全自動車輛很難在這些道路上行駛。事故風險增加,電腦演算法有做出錯誤決策的嚴重風險。
3.4 過渡階段存在問題
根據著名的全球商業諮詢機構IHS環球透視預測,在未來10-15年內,自動駕駛汽車的數量將逐漸增加到9.2%,每100輛汽車中,至少有9輛自動駕駛汽車。在傳統車輛和自主車輛並存的階段,對自主車輛的實用性、可靠性和安全性提出了最大的挑戰。
怎麼使得無人駕駛汽車與傳統汽車之間和諧共處,減少二者之間產生事故的可能性,在推廣無人駕駛汽車的同時,盡可能地減少對傳統汽車在道路上的行駛安全的影響也成為了目前技術人員需要攻克的一大難題。待自動駕駛技術成熟,無人駕駛汽車市場佔有率越來越高之後,此問題會得到相應的緩解。
3.5 目前成本過高
與其他產業的發展類似,自動駕駛技術的發展也需要經歷長年累月的開發與測試,自動駕駛汽車的成本在目前階段較高,根據權威機構估算,目前正在測試的自動駕駛汽車造價高達30萬美元左右,在國內甚至可達到300萬人民幣以上,但隨著時間的推移,自動駕駛汽車的普及以及自動駕駛汽車車企之間的良性競爭,無人駕駛汽車的價格或許會大幅降低。
4 結論與展望
目前,國內外無人駕駛技術得到快速發展,汽車上擁有了越來越多的高科技,在許多方面解決了人們日常出行乃至日常生活所遇到的問題,在社會全面普及無人駕駛汽車之後,不僅解決了上下班的需求,而且能讓居住在周邊地區的人們更方便地享受到一線城市的教育、醫療、娛樂等配套服務,將使這個社會變得越來越好,讓人們的生活更加美好。
但是目前無人駕駛技術尚未成熟,仍有許多技術難題需要科研人員一一攻克,相信在不久的將來,難題會得到解決,使得無人駕駛汽車真正走進人類生活。
以上是一文簡述無人駕駛的現況與展望的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

一先導與重點文章主要介紹自動駕駛技術中幾種常用的座標系統,以及他們之間如何完成關聯與轉換,最終建構出統一的環境模型。這裡重點理解自車到相機剛體轉換(外參),相機到影像轉換(內參),影像到像素有單位轉換。 3d向2d轉換會有對應的畸變,平移等。重點:自車座標系相機機體座標系需要被重寫的是:平面座標系像素座標系難點:要考慮影像畸變,去畸變和加畸變都是在像平面上去補償二簡介視覺系統一共有四個座標系:像素平面座標系(u,v)、影像座標系(x,y)、相機座標系()與世界座標系()。每種座標系之間均有聯繫,

StableDiffusion3的论文终于来了!这个模型于两周前发布,采用了与Sora相同的DiT(DiffusionTransformer)架构,一经发布就引起了不小的轰动。与之前版本相比,StableDiffusion3生成的图质量有了显著提升,现在支持多主题提示,并且文字书写效果也得到了改善,不再出现乱码情况。StabilityAI指出,StableDiffusion3是一个系列模型,其参数量从800M到8B不等。这一参数范围意味着该模型可以在许多便携设备上直接运行,从而显著降低了使用AI

軌跡預測在自動駕駛中承擔著重要的角色,自動駕駛軌跡預測是指透過分析車輛行駛過程中的各種數據,預測車輛未來的行駛軌跡。作為自動駕駛的核心模組,軌跡預測的品質對於下游的規劃控制至關重要。軌跡預測任務技術堆疊豐富,需熟悉自動駕駛動/靜態感知、高精地圖、車道線、神經網路架構(CNN&GNN&Transformer)技能等,入門難度很高!許多粉絲期望能夠盡快上手軌跡預測,少踩坑,今天就為大家盤點下軌跡預測常見的一些問題和入門學習方法!入門相關知識1.預習的論文有沒有切入順序? A:先看survey,p

這篇論文探討了在自動駕駛中,從不同視角(如透視圖和鳥瞰圖)準確檢測物體的問題,特別是如何有效地從透視圖(PV)到鳥瞰圖(BEV)空間轉換特徵,這一轉換是透過視覺轉換(VT)模組實施的。現有的方法大致分為兩種策略:2D到3D和3D到2D轉換。 2D到3D的方法透過預測深度機率來提升密集的2D特徵,但深度預測的固有不確定性,尤其是在遠處區域,可能會引入不準確性。而3D到2D的方法通常使用3D查詢來採樣2D特徵,並透過Transformer學習3D和2D特徵之間對應關係的注意力權重,這增加了計算和部署的

作者的一些個人思考在自動駕駛領域,隨著BEV-based子任務/端到端方案的發展,高品質的多視圖訓練資料和相應的模擬場景建立愈發重要。針對當下任務的痛點,「高品質」可以解耦成三個面向:不同維度上的長尾場景:如障礙物資料中近距離的車輛以及切車過程中精準的朝向角,以及車道線資料中不同曲率的彎道或較難收集的匝道/匯入/合流等場景。這些往往靠大量的資料收集和複雜的資料探勘策略,成本高昂。 3D真值-影像的高度一致:當下的BEV資料取得往往受到感測器安裝/標定,高精地圖以及重建演算法本身的誤差影響。這導致了我

突然發現了一篇19年的論文GSLAM:AGeneralSLAMFrameworkandBenchmark開源程式碼:https://github.com/zdzhaoyong/GSLAM直接上全文,感受這項工作的品質吧~1摘要SLAM技術最近取得了許多成功,並吸引了高科技公司的關注。然而,如何同一現有或新興演算法的介面,一級有效地進行關於速度、穩健性和可移植性的基準測試仍然是問題。本文,提出了一個名為GSLAM的新型SLAM平台,它不僅提供評估功能,還為研究人員提供了快速開發自己的SLAM系統的有用

請留意,這個方塊人正在緊鎖眉頭,思考著面前幾位「不速之客」的身份。原來她陷入了危險境地,意識到這一點後,她迅速展開腦力搜索,尋找解決問題的策略。最終,她決定先逃離現場,然後儘快尋求幫助,並立即採取行動。同時,對面的人也在進行著與她相同的思考……在《我的世界》中出現了這樣一個場景,所有的角色都由人工智慧控制。他們每個人都有著獨特的身份設定,例如之前提到的女孩就是一個年僅17歲但聰明又勇敢的快遞員。他們擁有記憶和思考能力,在這個以《我的世界》為背景的小鎮中像人類一樣生活。驅動他們的,是一款全新的、

23年9月國防科大、京東和北理工的論文「DeepModelFusion:ASurvey」。深度模型整合/合併是一種新興技術,它將多個深度學習模型的參數或預測合併為一個模型。它結合了不同模型的能力來彌補單一模型的偏差和錯誤,以獲得更好的性能。而大規模深度學習模型(例如LLM和基礎模型)上的深度模型整合面臨一些挑戰,包括高運算成本、高維度參數空間、不同異質模型之間的干擾等。本文將現有的深度模型融合方法分為四類:(1)“模式連接”,透過一條損失減少的路徑將權重空間中的解連接起來,以獲得更好的模型融合初
