先有特斯拉,後有小鵬,高級輔助駕駛系統還值得讓人信任嗎?
2022年8月11日,網路瘋傳一段視頻,兩個人在最內車道上下車停留,一人蹲在車後,一人準備擺放三腳架警示後方來車時,一輛小鵬P7忽然衝了上來,直接撞飛其中一人。
據了解,當時小鵬P7的車主開啟了高級輔助駕駛功能,當時車速為80km/h,但車輛在危險即將發生時並未監測到前方有人,就徑直撞了過去。車主稱,之前開高級輔助駕駛時,都會有預警,而這次卻沒有任何提示,當時剛好分神。
小鵬汽車在事故發生後回應:「經過核實,8月10日下午,寧波一車主駕駛車輛與前方檢查車輛故障人員發生碰撞,發生人員傷亡。我們為本次事故中不幸離世的遇難者感到悲痛和惋惜。目前交警部門已經立案處理,門市已第一時間已前往現場協助處理。我們將全力配合相關部門進行事故調查,持續跟進後續結果,並協助客戶處理後續相關事宜。」2022年8月9日,Green Hills Software的CEO,Dan O'Dowd在社群平台發布一則關於特斯拉FSD評測視頻,其表示特斯拉的FSD自動駕駛系統在測試中多次撞上兒童假人模型。
Dan O'Dowd表示:「我們對特斯拉FSD的安全測試結果非常不安,這應該成為採取行動的呼聲。馬斯克說,特斯拉FSD軟體令人驚嘆,但事實並非如此。它對所有美國人都是致命的威脅。」
此外,參加測試的人員在測試報告中稱:過去一個月的時間裡對特斯拉進行了幾十次測試,在撞到人體模型之前,雖然車子是放慢了一點速度,但還是以超過每小時25英里的速度撞擊並碾壓了人體模型。其表示在操作過程中特斯拉以每小時40英里的速度啟動,在指定車道內行駛100碼之後,就會撞上人體模型。有網友調侃:有沒有一種可能,是因為他知道那是假人。
無論是小鵬,或是特斯拉,都無法確保高階輔助駕駛系統可以隨時保證行車安全。在小鵬P7的事故中,我們發現一點,那就是車主在使用車輛時,出現了分神的現象,也就是說,在事故發生時,車主並非全身心投入到行駛過程中來,車主對高級輔助駕駛系統極大的信任,這也是導致這起事故發生的主要原因。
隨著高級輔助駕駛系統及部分自動駕駛系統在車輛上的普及,越來越多車主抱著嚐鮮的心態去感受科技革新帶給我們的出行變化,對於特斯拉等車型,每一次軟體的更新都會引起許多車主及部落客的關注,也會引起汽車圈及自動駕駛追隨者極大的追捧。技術普及得越廣,其問題也就透露得越多,每一次高級輔助駕駛系統/自動駕駛系統導致的事故都會引起社會的極大關注,也引發了大家一次又一次地討論,高級輔助駕駛系統真的安全嗎?自動駕駛系統真的值得我們的信任嗎?
高級輔助駕駛系統是可以在駕駛員駕駛汽車過程中,參與到駕駛員的駕駛行為中,高級輔助駕駛系統也經歷了從協助駕駛到參與駕駛這一階段。
在協助駕駛的過程中,高階輔助駕駛系統主要功能就是監測路況,當監測到可能發生的危險時,通過方向盤的震動、聲音的提示及燈光的閃爍來提醒駕駛人,可以讓駕駛及時規避可能發生的危險。
在參與駕駛階段,高階輔助駕駛系統成為了參與出行的參與者,可以透過對方向盤、煞車踏板、加速踏板的微調,讓駕駛者的駕駛行為更加安全,符合駕駛標準,讓駕駛駕駛過程更安全。
隨著高級輔助駕駛系統參與駕駛行為的比重越來越大,在部分諸如高速等道路環境單一、擁堵可能較少的場景中,高級輔助駕駛系統已經可以獨自完成駕駛過程,隨著車道維持輔助、自適應巡航等功能的加入,在高速上開車可以完全由車輛自身完成,駕駛者只需注意路況這一現象正逐漸成為現實。
在許多造車新勢力的廣告宣傳中,也重點突出高級輔助駕駛系統的性能,許多傳統造車企業也緊跟造車新勢力的步伐,將越來越多的高級輔助駕駛系統堆砌到汽車上。汽車也從曾經的出行工具,轉變為一個涵蓋出行、娛樂、互動為一體的智慧硬體設備。
高階輔助駕駛系統、自動駕駛技術的發展正如雨後春筍蓬勃發展,但是在發展過程中卻少有人去關注高級輔助駕駛系統帶給我們的危險。這裡的危險主要是指功能危險和使用危險。
功能危險#顧名思義,就是高階輔助駕駛系統是否可以確保在所有場景下都發揮作用,正如小鵬P7的事故中,開啟高級輔助駕駛系統後,在出現危險時,車輛都會進行預警,但在此次事故中,小鵬P7並沒有及時做出反應,這一事故的發生讓很多消費者開始懷疑高級輔助駕駛系統是否足夠安全,這無疑會讓許多自動駕駛愛好者懷疑高級輔助駕駛系統的安全性,影響高級輔助駕駛系統的普及。
使用危險#主要是針對高階輔助駕駛系統的使用者,許多消費者在進階輔助駕駛系統出現後,都極為樂意去嚐鮮,去感受科技帶來的改變。在剛開始使用高級輔助駕駛時,除了在體驗高級輔助駕駛系統帶來的變化外,還會對路況進行關注,但隨著高級輔助駕駛系統使用的越發頻繁,使用者也會產生一種高級輔助駕駛系統很安全,基本上可以不去觀察路況的錯覺,這就很容易導致危險的發生。
在小鵬P7的事故中,我們可以知道車主曾多次使用過高級輔助駕駛系統,且之前也出現過危險,但是高級輔助駕駛系統察覺到了並提醒了車主。在這次行駛過程中,車主分神了,無論是出於有事情需要處理,還是出於對高級輔助駕駛系統的信任,但可以知道的是,車主對高級輔助駕駛系統信任已經成為了駕駛習慣,在車主的駕駛習慣中,高階輔助駕駛系統在出現危險時一定會提醒,偶爾之間的分神是不會出現問題的。
當消費者對高級輔助駕駛系統極大地信任,甚至在出行過程中高度使用高級輔助駕駛系統時,這就對高級輔助駕駛系統的安全性提出了極大的要求,但現階段高級輔助駕駛系統並不能完全確保百分百的準確率,在許多企業宣傳高級輔助駕駛時,也會提醒乘客去關注路況,甚至很多車輛在開啟高級輔助駕駛功能時,需要駕駛員將手放在方向盤上,以確保在出現危險時可以極快地接管。
技術的發展並不能完全考慮人性的變化,隨著高階輔助駕駛系統使用程度的加深,消費者很容易將整個出行過程全部放由高階輔助駕駛系統來進行,因此有人提出,自動駕駛的發展是否有必要直接跳過高級輔助駕駛系統過渡的階段,等全自動駕駛實現後,再將全自動駕駛汽車投放到市場中。
但自動駕駛的發展離不開大量數據的不斷學習,高級輔助駕駛系統的出現將是必然,作為消費者的我們只有做到使用高級輔助駕駛系統時注意路況,避免養成完全信任高階輔助駕駛系統的駕駛習慣,才可以在高級輔助駕駛系統發展的同時,更能享受科技帶來的便利。身為消費者的我們也需要理解什麼是自動駕駛,什麼是高級輔助駕駛,而不能將高級輔助駕駛誤認為自動駕駛,一定要記住:自動駕駛有分級,出行安全無小事!
以上是先有特斯拉,後有小鵬,高級輔助駕駛系統還值得讓人信任嗎?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、

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

寫在前面&出發點端到端的範式使用統一的框架在自動駕駛系統中實現多任務。儘管這種範式具有簡單性和清晰性,但端到端的自動駕駛方法在子任務上的表現仍然遠遠落後於單任務方法。同時,先前端到端方法中廣泛使用的密集鳥瞰圖(BEV)特徵使得擴展到更多模態或任務變得困難。這裡提出了一種稀疏查找為中心的端到端自動駕駛範式(SparseAD),其中稀疏查找完全代表整個駕駛場景,包括空間、時間和任務,無需任何密集的BEV表示。具體來說,設計了一個統一的稀疏架構,用於包括檢測、追蹤和線上地圖繪製在內的任務感知。此外,重
