一文简述无人驾驶的现状与展望
随着科技的发展以及人们生活水平的不断提高,无人驾驶技术逐渐走进人们的生活,传统汽车行业也受到了一定的冲击,以特斯拉、比亚迪为例的众多车企以及以百度为例的互联网企业也相继开启了或准备开启无人驾驶技术的研发。
但由于技术尚未成熟,事故的频发以及对庞大数据的采集工作造成的私人隐私泄露等问题一直困扰着研发人员以及目前人数尚未庞大的用户。无人驾驶系统的感知、识别和决策系统还存在一定的瓶颈,整体的稳定性和可靠性还需要提升。无人驾驶只有在进入大规模使用阶段,并且在安全系数达到一定的程度,才能去验证无人驾驶是否能够达到真正的商业化。
基于国家政策的扶持以及全球变暖的趋势,无人驾驶技术正在被各行各业推动着向前发展,在未来会成为人们出行的主要方式,但这其中还有很长一段路要走。
1 引言
1.1 无人驾驶的定义
无人驾驶,是一种移动户外机器人在交通领域的重要应用。无人驾驶技术需要结合计算机、通信、定位、识别、机器视觉、人工智能等多门先进技术的结合。无人驾驶车辆系统是一个集环境意识、规划决策、多阶段辅助驾驶等功能于一体的综合系统,是一个充分考虑车辆与道路一体化、协调规划的车辆系统,也是智能交通系统的重要组成部分。
1.2 国内外发展现状及趋势
1.2.1国内外发展现状
(1)国内发展现状
中国政府高度重视无人驾驶技术的研发,早在2015年上半年,国务院印发《中国制造2025》文件,该文件指出,到2020年,掌握智能辅助驾驶总体技术及各项关键技术,初步建立智能网联汽车自主研发体系及生产配套体系,目前看来,已基本完成目标。到2025年,掌握自动驾驶总体技术及各项关键技术,建立较完善的智能网联汽车自主研发体系、生产配套体系及产业群,基本完成汽车产业转型升级。
今年上半年,百度萝卜快跑就已经拿下了中国首批公开道路的无人化载人服务许可,被允许在方向盘后无人的情况下,即驾驶位无人的情况下,在北京亦庄的公开道路上开展服务。
图 1-1 百度Apollo在沧州正式开启自动驾驶载人测试
目前国内以百度、比亚迪为例的众多企业也纷纷投身无人驾驶的研发工作中来。道路情况复杂,道路行人杂乱,雨雪天气行驶等众多困扰无人驾驶技术的现实问题,也在研发团队的努力下得到解决或将得到解决。
(2)国外发展现状
相比中国,发达国家早在上世纪70年代就已开启无人驾驶汽车的研究,就目前而言,美国和德国走在第一梯队。美国一些著名高校也投入研发工作中,如麻省理工学院、卡耐基梅隆大学等都先后于20世纪80年代开始研究无人驾驶车辆。但由于技术的瓶颈以及硬件水平的局限,到80年代末90年代初,各国才将研究重点逐步转移到问题相对简单的高速公路上的民用车辆的辅助驾驶项目上。
图 1-2 谷歌无人驾驶汽车
在2010年,谷歌公司研发了7辆无人车并对其进行了城市实际道路试验。这些无人驾驶车辆能够正确运行,具有良好的感知能力和高水平的人工智能,能够自动识别信号灯、行人和车辆。内华达州、佛罗里达州和加利福尼亚州专门针对无人驾驶车辆制定并通过了相关法律。
1.2.2 发展趋势
从发展趋势来看,在未来科技发展过程中,无人驾驶会是一个重要的发展方向,无人驾驶技术涉及到一个庞大的产业链,在各国以及各大高新技术公司在对无人驾驶技术的研发过程中,不仅会促进汽车产业的可持续发展和绿色发展,还会带动其他领域的发展。
2 无人驾驶技术的利
2.1 经济效益
一旦自动驾驶车辆完全融入我们的日常车辆和道路运输系统,它们将为整个社会带来巨大的经济效益。作为参考,中国每年发生20多万起交通事故,直接经济损失超过12亿元。即使自动驾驶汽车只能减少10%的事故,也可以节省1.2亿元。
自动车辆最初取代了传统的公园物流车辆和社区快车三轮车,以提高工厂利用率和生产率,当前的物流系统可能会最先受到影响。自动驾驶车辆可以接管工作并给驾驶员足够的休息时间,将人力资源转移到其他产业的建设中去。所有具有自动驾驶技术的汽车、特殊车辆和移动设备都可以连接到网络系统。在这种网络系统中,由于巨大的网络效应,单位时间的运营成本大大降低。
2.2 减少事故率
图 2-2 人为因素造成的交通事故
据统计,90%的道路交通事故是由人为失误造成的,其中分心、疲劳、酒后驾驶和超速驾驶占相当大的比例。每年,全世界有130万人死于交通事故,仅中国就有6万多人。自动驾驶汽车将消除所有由人为错误引起的事故,这实际上将大大降低事故率。
在国外,根据前俄罗斯通讯社的报道,俄罗斯交通部副部长基里尔·博格达诺夫表示,在无人驾驶汽车在俄罗斯上路后,到2030年,国内交通事故死亡人数可以减少8%。波格丹诺夫说:“无人驾驶汽车在俄罗斯公路上路后,到2030年交通事故死亡人数可因此减少8%。使用无人货车可将成本降低15%,将货运速度提高25%。这是交通部计算得出的数字,写入了编制的数字化转型战略。我们已同商界、货运公司和研发方一起着手实施此前得到俄政府批准的‘无人物流走廊’项目。”
2.3 改善环境和空气质量
实现自主车辆的最佳方式是电气化,包括纯电力或燃料电池,目前国内外涌现了例如特斯拉、蔚来、比亚迪等众多新能源车企。虽然燃料汽车并非所有导致污染的因素,但它们仍然是核心因素之一。燃油汽车在高速、制动和重新加速时会释放更多的废气。虽然电动汽车并非真正无排放,但实际排放量仍大大减少。
无人驾驶车辆还针对加速、制动和变速进行了优化,有助于提高燃油效率和减少温室气体排放。咨询公司麦肯锡表示,无人驾驶汽车每年有助于减少3亿吨温室气体排放,占航空业二氧化碳排放量的一半。
2.4 方便特殊人群出行
以我国为例,在国内驾驶汽车,需要持有相应车型准驾机动车驾驶证,但在目前国内存在部分特殊人群,例如色盲、老年人和残疾人,据我国权威部门的数据统计,我国色盲的人数已经超过了上千万,我国老年人(60周岁及以上)口约24949万人,占总人口的17.9%。有学者预测到2050年老年人口将达到4.8亿。社会的老龄化不仅影响着经济、医疗和养老保障,对交通系统也是巨大的挑战。
图 2-3 盲人Steve Mahan乘坐google firefly无人驾驶汽车
此类人群由于身体因素无法获取机动车驾驶证,无人驾驶技术可以帮助此类人群出行,并且技术成熟后,不会对自己或者他人造成危险。
2.5 更加节省时间
自动驾驶车辆可以检测周围的其他车辆并与之通信,随机停车、换道和交通堵塞的行为将成为过去,这使得交通秩序更好,避免了低速下的小划伤和碰撞事故。相应的车速将比现在快,人们的出行效率将更高。
图 2-4 人为因素造成的交通拥堵
无人驾驶汽车不仅有助于减少交通事故,而且还能显著减少交通堵塞。根据毕马威的报告,无人驾驶车辆有助于将高速公路容纳车辆的能力提高五倍。斯坦福大学计算机专家、谷歌无人驾驶汽车项目前专家塞巴斯蒂安·特伦表示,一旦机器人汽车成为主流,目前道路上只需要30%的汽车。麦肯锡公司估计,无人驾驶汽车每天为全球司机节省的时间总和高达10亿个小时。
2.6 停车问题得到解决
无人驾驶汽车的普及意味着你不必到处寻找停车位,因为在它们被送到目的地后,它会自己找到理想的停车位。即使你决定购买自己的无人驾驶汽车,你也不必担心找不到停车位,因为它可以找到停车位。这对城市有很大的影响。根据美国银行最近的一份报告,目前31%的城市面积用于停车。随着汽车拥有量的下降,对停车位的需求减少,停车位可以转换为住宅区。
3 无人驾驶技术的弊端
3.1 黑客攻击
在现实生活中,有黑客入侵人类驾驶的车辆的案例。2014年,黑客利用汽车数字服务系统中的漏洞远程打开220万辆汽车的车门;2015年,黑客远程攻击了一辆正在行驶的汽车,并进行了减速、刹车和其他检查,导致全球140万辆汽车被召回;2016年,黑客通过汽车应用程序的漏洞,获取司机信息并耗尽了汽车的动力,制造商立即禁用了该应用程序,以防止黑客再次入侵。
相对于传统汽车行业,自动驾驶运用大量科技手段,由已经设计好的程序和人工智能芯片控制,对于此类系统来说。所有自动化系统都有被错误或bug攻击或崩溃的风险。没有任何系统是绝对可靠的。如果黑客可以进入汽车系统,它可以控制汽车做任何事情,威胁乘客的生命财产安全。
3.2 过度依赖卫星导航技术
汽车制造商正在寻找下一代颠覆性汽车技术。例如,埃隆·马斯克的太空公司SpaceX正在轨道上分发卫星。它们成为处理驾驶所需的大量数据的关键工具。
图 3-1 特斯拉电车在地下车库无法连接网络
美国投资银行摩根士丹利表示,自动驾驶汽车每小时从摄像机、雷达和其他传感器产生多达40tb的数据,并利用这些数据在道路上导航。这是iPhone 3000多年来收集的数据总和。尽管大多数新车都在仪表板下安装了调制解调器,并从为手机提供服务的同一信号塔接收数据,但覆盖范围可能不均匀,这是自动驾驶汽车面临的最大挑战之一。
自动驾驶汽车的信号一旦受到干扰甚至中断,自动驾驶就无从谈起。
3.3 配套的公路基础设施不全
实现自主车辆的最佳方式是电气化,但目前国内部分城市电车充电桩分布密度不如加油站,另外,电车充电时长明显长于油车加油,所以经常会出现充电桩排长队的现象,极大地降低用户体验感。
图 3-2 电车充电桩
另外,许多国家受到基础设施问题的影响。例如,在印度,道路是最大的挑战。落后的行驶道路给自动驾驶车辆带来了挑战。自动驾驶车辆需要可预测的道路和明确定义的车道。由于道路标线或设计较差,半自动或全自动车辆很难在这些道路上行驶。事故风险增加,计算机算法存在做出错误决策的严重风险。
3.4 过渡阶段存在问题
根据著名的全球商业咨询机构IHS环球透视预测,在未来10-15年内,自动驾驶汽车的数量将逐渐增加到9.2%,每100辆汽车中,至少有9辆自动驾驶汽车。在传统车辆和自主车辆并存的阶段,对自主车辆的实用性、可靠性和安全性提出了最大的挑战。
怎样使得无人驾驶汽车与传统汽车之间和谐共处,减少二者之间产生事故的可能性,在推广无人驾驶汽车的同时,尽可能地减少对传统汽车在道路上的行驶安全的影响也成为了目前技术人员需要攻克的一大难题。待自动驾驶技术成熟,无人驾驶汽车市场占有率越来越高之后,此问题会得到相应的缓解。
3.5 目前成本过高
与其他行业的发展类似,自动驾驶技术的发展也需要经历长年累月的开发与测试,自动驾驶汽车的成本在目前阶段较高,据权威机构估算,目前正在测试的自动驾驶汽车造价高达30万美元左右,在国内甚至可达到300万人民币以上,但随着时间的推移,自动驾驶汽车的普及以及自动驾驶汽车车企之间的良性竞争,无人驾驶汽车的价格或许会大幅降低。
4 结论与展望
目前,国内外无人驾驶技术得到飞快发展,汽车上拥有了越来越多的高科技,在很多方面解决了人们日常出行乃至日常生活所遇到的问题,在社会全面普及无人驾驶汽车之后,不仅解决了上下班的需求,而且能让居住在周边地区的人们更方便地享受到一线城市的教育、医疗、娱乐等配套服务,将使这个社会变得越来越好,使人们的生活更加美好。
但是目前无人驾驶技术尚未成熟,仍有很多技术难题需要科研人员一一攻克,相信在不久的将来,难题会得到解决,使得无人驾驶汽车真正走进人类生活。
以上是一文简述无人驾驶的现状与展望的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

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着提升,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,从而显着降低了使用AI

一先导与重点文章主要介绍自动驾驶技术中几种常用的坐标系统,以及他们之间如何完成关联和转换,最终构建出统一的环境模型。这里重点理解自车到相机刚体转换(外参),相机到图像转换(内参),图像到像素有单位转换。3d向2d转换会有相应的畸变,平移等。重点:自车坐标系相机机体坐标系需要被重写的是:平面坐标系像素坐标系难点:要考虑图像畸变,去畸变和加畸变都是在像平面上去补偿二简介视觉系统一共有四个坐标系:像素平面坐标系(u,v)、图像坐标系(x,y)、相机坐标系()和世界坐标系()。每种坐标系之间均存在联系,

轨迹预测在自动驾驶中承担着重要的角色,自动驾驶轨迹预测是指通过分析车辆行驶过程中的各种数据,预测车辆未来的行驶轨迹。作为自动驾驶的核心模块,轨迹预测的质量对于下游的规划控制至关重要。轨迹预测任务技术栈丰富,需要熟悉自动驾驶动/静态感知、高精地图、车道线、神经网络架构(CNN&GNN&Transformer)技能等,入门难度很大!很多粉丝期望能够尽快上手轨迹预测,少踩坑,今天就为大家盘点下轨迹预测常见的一些问题和入门学习方法!入门相关知识1.预习的论文有没有切入顺序?A:先看survey,p

这篇论文探讨了在自动驾驶中,从不同视角(如透视图和鸟瞰图)准确检测物体的问题,特别是如何有效地从透视图(PV)到鸟瞰图(BEV)空间转换特征,这一转换是通过视觉转换(VT)模块实施的。现有的方法大致分为两种策略:2D到3D和3D到2D转换。2D到3D的方法通过预测深度概率来提升密集的2D特征,但深度预测的固有不确定性,尤其是在远处区域,可能会引入不准确性。而3D到2D的方法通常使用3D查询来采样2D特征,并通过Transformer学习3D和2D特征之间对应关系的注意力权重,这增加了计算和部署的

笔者的一些个人思考在自动驾驶领域,随着BEV-based子任务/端到端方案的发展,高质量的多视图训练数据和相应的仿真场景构建愈发重要。针对当下任务的痛点,“高质量”可以解耦成三个方面:不同维度上的长尾场景:如障碍物数据中近距离的车辆以及切车过程中精准的朝向角,以及车道线数据中不同曲率的弯道或较难采集的匝道/汇入/合流等场景。这些往往靠大量的数据采集和复杂的数据挖掘策略,成本高昂。3D真值-图像的高度一致:当下的BEV数据获取往往受到传感器安装/标定,高精地图以及重建算法本身的误差影响。这导致了我

突然发现了一篇19年的论文GSLAM:AGeneralSLAMFrameworkandBenchmark开源代码:https://github.com/zdzhaoyong/GSLAM直接上全文,感受这项工作的质量吧~1摘要SLAM技术最近取得了许多成功,并吸引了高科技公司的关注。然而,如何同一现有或新兴算法的界面,一级有效地进行关于速度、稳健性和可移植性的基准测试仍然是问题。本文,提出了一个名为GSLAM的新型SLAM平台,它不仅提供评估功能,还为研究人员提供了快速开发自己的SLAM系统的有用

请留意,这个方块人正在紧锁眉头,思考着面前几位“不速之客”的身份。原来她陷入了危险境地,意识到这一点后,她迅速展开脑力搜索,寻找解决问题的策略。最终,她决定先逃离现场,然后尽快寻求帮助,并立即采取行动。与此同时,对面的人也在进行着与她相同的思考……在《我的世界》中出现了这样一个场景,所有的角色都由人工智能控制。他们每个人都有着独特的身份设定,比如之前提到的女孩就是一个年仅17岁但聪明勇敢的快递员。他们拥有记忆和思考能力,在这个以《我的世界》为背景的小镇中像人类一样生活。驱动他们的,是一款全新的、

23年9月国防科大、京东和北理工的论文“DeepModelFusion:ASurvey”。深度模型融合/合并是一种新兴技术,它将多个深度学习模型的参数或预测合并为一个模型。它结合了不同模型的能力来弥补单个模型的偏差和错误,以获得更好的性能。而大规模深度学习模型(例如LLM和基础模型)上的深度模型融合面临着一些挑战,包括高计算成本、高维参数空间、不同异构模型之间的干扰等。本文将现有的深度模型融合方法分为四类:(1)“模式连接”,通过一条损失减少的路径将权重空间中的解连接起来,以获得更好的模型融合初
