狀況百出!美國舊金山希望自動駕駛計程車'踩剎車”
自從用通用汽車旗下Cruise和谷歌旗下Waymo獲准在舊金山街道上運營自動駕駛出租車以來,已經發現多次車輛阻塞城市交通,甚至妨礙消防車輛的行駛的情況,這引發了當地官員的不滿。
交通部門大倒苦水
根據NBC早些時候報道,出於安全考慮,舊金山交通部門的官員希望Waymo和Cruise放緩其自動駕駛計程車在城市交通領域的應用與推廣。
舊金山交通管理局的官員在發達給加州公共事業委員會(CPUC)的兩封信中表示,這種推廣是不合理的。他們在信中引用了最近發生的自動駕駛車輛阻塞交通和妨礙消防車輛行駛的事件。
Cruise和Waymo是目前僅有的兩家獲准在舊金山為乘客提供自動駕駛服務的公司。
Cruise在去年6月獲得了在晚上10點到早上6點之間運營自動駕駛出租車的許可,而Waymo也在幾個月後獲得了提供自動駕駛服務的許可。
這兩家公司的自動駕駛計程車如今已經在舊金山的街道上運營了幾個月的時間,但這些車輛對複雜交通狀況存在諸多不良反應(或者說缺乏反應)。
在去年7月,多輛Cruise自動駕駛汽車在莫名其妙地停車之後阻塞了道路交通幾個小時,並且在去年9月還發生了類似的事件。今年1月早些時候,Waymo的一輛自動駕駛汽車在舊金山一個十字路口停車,造成交通堵塞。
美國國家公路交通安全管理局在去年12月對Cruise運營的這些汽車展開了調查,其理由是擔心這些車輛堵塞交通並在緊急制動時造成追尾。
舊金山交通管理局的官員在信中寫道:「我們需要對自動駕駛汽進行有限的部署,而不是無限授權,這將為公眾對舊金山及其他地區推廣自動駕駛和行業成功的信心提供了最佳途徑。」
消防局也有微字
舊金山市其他官員也對自動駕駛汽車沒有規避緊急車輛表示擔憂。
去年4月,一輛自動駕駛汽車停在一條行車道上,阻礙了舊金山消防局一輛前往火災現場消防車。而在幾個月後,一輛Cruise AV自動駕駛汽車在一場火災現場輾過了正在使用的消防軟管。在今年1月早些時候,另一輛Cruise AV自動駕駛汽車在一個火災現場又重現了這一幕。
消防部門為此表示,在他們打破這輛自動駕駛汽車的前窗之後,才阻止了其從消防水管上碾過。其他事件還包括Cruise汽車在三次不同的場合撥打911,聲稱車上的乘客“反應遲鈍”,可能身體出現不適,但醫療急救人員趕到之後發現乘客只是睡著了。
針對這些異常狀況,Cruise發言人Aaron Mclea表示:「Cruise自動駕駛汽車的安全記錄曾被公開報道,包括在極其複雜的城市環境中駕駛了數百萬公里,並且沒有發生任何危及生命的傷害或死亡的情況。」
營運公司極力爭取
雖然舊金山交通管理局支持自動駕駛技術的應用,但希望提高透明度,並採取額外的保障措施。
交通部門的官員表示,應該要求自動駕駛汽車業者收集更多有關車輛性能的數據,包括自動駕駛汽車阻塞道路交通的頻率和時間;還希望在交通高峰時段限制自動駕駛汽車在舊金山市中心街道上運營,直到證明能夠正常運營,而不會嚴重阻塞道路交通。
儘管如此,Cruise仍希望在舊金山全天候營運其自動駕駛計程車服務。雖然該公司去年12月獲得了加州機動車輛管理局的批准,但仍在等待加州公共事業委員會(CPUC)的批准。
此外這兩家自動駕駛汽車業者都已經在亞利桑那州的鳳凰城提供叫車服務,Cruise公司還將在德州奧斯汀經營其自動駕駛汽車。
Waymo發言人Katherine Barna在發給業界媒體的聲明中說:「舊金山交通管理局提交的這些信件是監管程序的組成部分,我們一直希望與加州市政官員和政府機構進行溝通與對話。我們將在下周向加州公共事業委員會(CPUC)提交的意見書中回應。」
以上是狀況百出!美國舊金山希望自動駕駛計程車'踩剎車”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

Video Face Swap
使用我們完全免費的人工智慧換臉工具,輕鬆在任何影片中換臉!

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)

寫在前面&筆者的個人理解三維Gaussiansplatting(3DGS)是近年來在顯式輻射場和電腦圖形學領域出現的一種變革性技術。這種創新方法的特點是使用了數百萬個3D高斯,這與神經輻射場(NeRF)方法有很大的不同,後者主要使用隱式的基於座標的模型將空間座標映射到像素值。 3DGS憑藉其明確的場景表示和可微分的渲染演算法,不僅保證了即時渲染能力,而且引入了前所未有的控制和場景編輯水平。這將3DGS定位為下一代3D重建和表示的潛在遊戲規則改變者。為此我們首次系統性地概述了3DGS領域的最新發展與關

昨天面試被問到了是否做過長尾相關的問題,所以就想著簡單總結一下。自動駕駛長尾問題是指自動駕駛汽車中的邊緣情況,即發生機率較低的可能場景。感知的長尾問題是目前限制單車智慧自動駕駛車輛運行設計域的主要原因之一。自動駕駛的底層架構和大部分技術問題已經解決,剩下的5%的長尾問題,逐漸成了限制自動駕駛發展的關鍵。這些問題包括各種零碎的場景、極端的情況和無法預測的人類行為。自動駕駛中的邊緣場景"長尾"是指自動駕駛汽車(AV)中的邊緣情況,邊緣情況是發生機率較低的可能場景。這些罕見的事件

0.寫在前面&&個人理解自動駕駛系統依賴先進的感知、決策和控制技術,透過使用各種感測器(如相機、光達、雷達等)來感知周圍環境,並利用演算法和模型進行即時分析和決策。這使得車輛能夠識別道路標誌、檢測和追蹤其他車輛、預測行人行為等,從而安全地操作和適應複雜的交通環境。這項技術目前引起了廣泛的關注,並認為是未來交通領域的重要發展領域之一。但是,讓自動駕駛變得困難的是弄清楚如何讓汽車了解周圍發生的事情。這需要自動駕駛系統中的三維物體偵測演算法可以準確地感知和描述周圍環境中的物體,包括它們的位置、

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,

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

原文標題:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving論文連結:https://arxiv.org/pdf/2402.02519.pdf程式碼連結:https://github.com/HKUST-Aerial-Robotics/SIMPLobotics單位論文想法:本文提出了一種用於自動駕駛車輛的簡單且有效率的運動預測基線(SIMPL)。與傳統的以代理為中心(agent-cent

最近一個月由於眾所周知的一些原因,非常密集地和業界的各種老師同學進行了交流。交流中必不可免的一個話題自然是端到端與火辣的特斯拉FSDV12。想藉此機會,整理當下這個時刻的一些想法和觀點,供大家參考和討論。如何定義端到端的自動駕駛系統,應該期望端到端解決什麼問題?依照最傳統的定義,端到端的系統指的是一套系統,輸入感測器的原始訊息,直接輸出任務關心的變數。例如,在影像辨識中,CNN相對於傳統的特徵提取器+分類器的方法就可以稱之為端到端。在自動駕駛任務中,輸入各種感測器的資料(相機/LiDAR

目標偵測在自動駕駛系統當中是一個比較成熟的問題,其中行人偵測是最早得以部署演算法之一。在多數論文當中已經進行了非常全面的研究。然而,利用魚眼相機進行環視的距離感知相對來說研究較少。由於徑向畸變大,標準的邊界框表示在魚眼相機當中很難實施。為了緩解上述描述,我們探索了擴展邊界框、橢圓、通用多邊形設計為極座標/角度表示,並定義一個實例分割mIOU度量來分析這些表示。所提出的具有多邊形形狀的模型fisheyeDetNet優於其他模型,並同時在用於自動駕駛的Valeo魚眼相機資料集上實現了49.5%的mAP
