先有特斯拉,后有小鹏,高级辅助驾驶系统还值得让人信任吗?
2022年8月11日,网上疯传一段视频,两个人在最内车道上下车停留,一人蹲在车后,一人准备摆放三脚架警示后方来车时,一辆小鹏P7忽然冲了上来,直接撞飞其中一人。
据了解,当时小鹏P7的车主开启了高级辅助驾驶功能,当时车速为80km/h,但车辆在危险即将发生时并未监测到前方有人,就径直撞了过去。车主称,之前开着高级辅助驾驶时,都会有预警,而这次却没有任何提示,且当时刚好分神。
小鹏汽车在事故发生后回应:“经核实,8月10日下午,宁波一车主驾驶车辆与前方检查车辆故障人员发生碰撞,发生人员伤亡。我们为本次事故中不幸离世的遇难者感到悲痛和惋惜。目前交警部门已经立案处理,门店已第一时间已前往现场协助处理。我们将全力配合相关部门进行事故调查,持续跟进后续结果,并协助客户处理后续相关事宜。”2022年8月9日,Green Hills Software的CEO,Dan O'Dowd在社交平台发布一则关于特斯拉FSD评测视频,其表示特斯拉的FSD自动驾驶系统在测试中多次撞上儿童假人模型。
Dan O'Dowd表示:“我们对特斯拉FSD的安全测试结果非常不安,这应该成为采取行动的呼声。埃隆·马斯克说,特斯拉FSD软件令人惊叹,但事实并非如此。它对所有美国人都是致命的威胁。”
此外,参加测试的人员在测试报道中称:过去一个月的时间里对特斯拉进行了几十次测试,在撞到人体模型之前,虽然车子是放慢了一点速度,但还是以超过每小时25英里的速度撞击并碾压了人体模型。其表示在操作过程中特斯拉以每小时40英里的速度启动,在指定车道内行驶100码之后,就会撞上人体模型。有网友调侃道:有没有一种可能,是因为他知道那是假人。
无论是小鹏,还是特斯拉,都无法确保高级辅助驾驶系统可以时刻保证行车安全。在小鹏P7的事故中,我们发现一点,那就是车主在使用车辆时,出现了分神的现象,也就是说,在事故发生时,车主并非全身心投入到行驶过程中来,车主对高级辅助驾驶系统极大的信任,这也是导致这一事故发生的主要原因。
随着高级辅助驾驶系统及部分自动驾驶系统在车辆上的普及,越来越多车主抱着尝鲜的心态去感受技术革新给我们带来的出行变化,对于诸如特斯拉等车型,每一次软件的更新都会引起很多车主及博主的关注,也会引起汽车圈及自动驾驶追随者极大的追捧。技术普及得越广,其问题也就透露得越多,每一次高级辅助驾驶系统/自动驾驶系统导致的事故都会引起社会的极大关注,也引发了大家一次又一次地讨论,高级辅助驾驶系统真的安全吗?自动驾驶系统真的值得我们的信任吗?
高级辅助驾驶系统是可以在驾驶员驾驶汽车过程中,参与到驾驶员的驾驶行为中,高级辅助驾驶系统也经历了从协助驾驶到参与驾驶这一阶段。
在协助驾驶的过程中,高级辅助驾驶系统主要作用就是监测路况,当监测到可能发生的危险时,通过方向盘的震动、声音的提示及灯光的闪烁来提醒驾驶员,可以让驾驶员及时规避可能发生的危险。
在参与驾驶阶段,高级辅助驾驶系统成为了参与出行的参与者,可以通过对方向盘、制动踏板、加速踏板的微调,来让驾驶员的驾驶行为更加安全,符合驾驶标准,让驾驶员驾车过程变得更加安全。
随着高级辅助驾驶系统参与驾驶行为的比重越来越大,在部分诸如高速等道路环境单一、拥堵可能较少的场景中,高级辅助驾驶系统已经可以独自完成驾驶过程,随着车道保持辅助、自适应巡航等功能的加入,在高速上开车可以完全由车辆自身完成,驾驶员只需注意路况这一现象正逐渐成为现实。
在很多造车新势力的广告宣传中,也重点突出高级辅助驾驶系统的性能,很多传统造车企业也紧跟造车新势力的步伐,将越来越多的高级辅助驾驶系统堆砌到汽车上。汽车也从曾经的出行工具,转变为一个涵盖出行、娱乐、交互为一体的智能硬件设备。
高级辅助驾驶系统、自动驾驶技术的发展正如雨后春笋蓬勃发展,但是在发展过程中却少有人去关注高级辅助驾驶系统带给我们的危险。这里的危险主要是指功能危险和使用危险。
功能危险顾名思义,就是高级辅助驾驶系统是否可以确保在所有场景下都发挥作用,正如小鹏P7的事故中,开启高级辅助驾驶系统后,在出现危险时,车辆都会进行预警,但在此次事故中,小鹏P7并没有及时做出反应,这一事故的发生让很多消费者开始怀疑高级辅助驾驶系统是否足够安全,这无疑会让很多自动驾驶爱好者怀疑高级辅助驾驶系统的安全性,影响高级辅助驾驶系统的普及。
使用危险主要是针对高级辅助驾驶系统的使用者,很多消费者在高级辅助驾驶系统出现后,都极其乐意去尝鲜,去感受技术带来的变化。在刚开始使用高级辅助驾驶时,除了在体验高级辅助驾驶系统带来的变化外,还会对路况进行关注,但随着高级辅助驾驶系统使用的越发频繁,使用者也会产生一种高级辅助驾驶系统很安全,基本上可以不去观察路况的错觉,这就很容易导致危险的发生。
在小鹏P7的事故中,我们可以知道车主曾多次使用过高级辅助驾驶系统,且之前也出现过危险,但是高级辅助驾驶系统察觉到了并提醒了车主。在此次行驶过程中,车主分神了,无论是出于有事情需要处理,还是出于对高级辅助驾驶系统的信任,但可以知道的是,车主对高级辅助驾驶系统信任已经成为了驾驶习惯,在车主的驾驶习惯中,高级辅助驾驶系统在出现危险时一定会提醒,偶尔之间的分神是不会出现问题的。
当消费者对高级辅助驾驶系统极大地信任,甚至出行过程中高度使用高级辅助驾驶系统时,这就对高级辅助驾驶系统的安全性提出了极大的要求,但现阶段高级辅助驾驶系统并不能完全确保百分百的准确率,在很多企业宣传高级辅助驾驶时,也会提醒乘客去关注路况,甚至很多车辆在开启高级辅助驾驶功能时,需要驾驶员将手摆在方向盘上,以确保在出现危险时可以极快地接管。
技术的发展并不能完全考虑人性的变化,随着高级辅助驾驶系统使用程度的加深,消费者很容易将整个出行过程全部放由高级辅助驾驶系统来进行,因此有人提出,自动驾驶的发展是否有必要直接跳过高级辅助驾驶系统过渡的阶段,等全自动驾驶实现后,再将全自动驾驶汽车投放到市场中。
但自动驾驶的发展离不开大量数据的不断学习,高级辅助驾驶系统的出现将是必然,作为消费者的我们只有做到使用高级辅助驾驶系统时注意路况,避免养成完全信任高级辅助驾驶系统的驾车习惯,才可以在高级辅助驾驶系统发展的同时,更好地去享受技术带来的便利。作为消费者的我们也需要理解什么是自动驾驶,什么是高级辅助驾驶,而不能将高级辅助驾驶误认为自动驾驶,一定要记住:自动驾驶有分级,出行安全无小事!
以上是先有特斯拉,后有小鹏,高级辅助驾驶系统还值得让人信任吗?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

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

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)

写在前面&笔者的个人理解三维Gaussiansplatting(3DGS)是近年来在显式辐射场和计算机图形学领域出现的一种变革性技术。这种创新方法的特点是使用了数百万个3D高斯,这与神经辐射场(NeRF)方法有很大的不同,后者主要使用隐式的基于坐标的模型将空间坐标映射到像素值。3DGS凭借其明确的场景表示和可微分的渲染算法,不仅保证了实时渲染能力,而且引入了前所未有的控制和场景编辑水平。这将3DGS定位为下一代3D重建和表示的潜在游戏规则改变者。为此我们首次系统地概述了3DGS领域的最新发展和关

昨天面试被问到了是否做过长尾相关的问题,所以就想着简单总结一下。自动驾驶长尾问题是指自动驾驶汽车中的边缘情况,即发生概率较低的可能场景。感知的长尾问题是当前限制单车智能自动驾驶车辆运行设计域的主要原因之一。自动驾驶的底层架构和大部分技术问题已经被解决,剩下的5%的长尾问题,逐渐成了制约自动驾驶发展的关键。这些问题包括各种零碎的场景、极端的情况和无法预测的人类行为。自动驾驶中的边缘场景"长尾"是指自动驾驶汽车(AV)中的边缘情况,边缘情况是发生概率较低的可能场景。这些罕见的事件

0.写在前面&&个人理解自动驾驶系统依赖于先进的感知、决策和控制技术,通过使用各种传感器(如相机、激光雷达、雷达等)来感知周围环境,并利用算法和模型进行实时分析和决策。这使得车辆能够识别道路标志、检测和跟踪其他车辆、预测行人行为等,从而安全地操作和适应复杂的交通环境.这项技术目前引起了广泛的关注,并认为是未来交通领域的重要发展领域之一。但是,让自动驾驶变得困难的是弄清楚如何让汽车了解周围发生的事情。这需要自动驾驶系统中的三维物体检测算法可以准确地感知和描述周围环境中的物体,包括它们的位置、

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

最近一个月由于众所周知的一些原因,非常密集地和行业内的各种老师同学进行了交流。交流中必不可免的一个话题自然是端到端与火爆的特斯拉FSDV12。想借此机会,整理一下在当下这个时刻的一些想法和观点,供大家参考和讨论。如何定义端到端的自动驾驶系统,应该期望端到端解决什么问题?按照最传统的定义,端到端的系统指的是一套系统,输入传感器的原始信息,直接输出任务关心的变量。例如,在图像识别中,CNN相对于传统的特征提取器+分类器的方法就可以称之为端到端。在自动驾驶任务中,输入各种传感器的数据(相机/LiDAR

目标检测在自动驾驶系统当中是一个比较成熟的问题,其中行人检测是最早得以部署算法之一。在多数论文当中已经进行了非常全面的研究。然而,利用鱼眼相机进行环视的距离感知相对来说研究较少。由于径向畸变大,标准的边界框表示在鱼眼相机当中很难实施。为了缓解上述描述,我们探索了扩展边界框、椭圆、通用多边形设计为极坐标/角度表示,并定义一个实例分割mIOU度量来分析这些表示。所提出的具有多边形形状的模型fisheyeDetNet优于其他模型,并同时在用于自动驾驶的Valeo鱼眼相机数据集上实现了49.5%的mAP

原标题:SIMPL:ASimpleandEfficientMulti-agentMotionPredictionBaselineforAutonomousDriving论文链接:https://arxiv.org/pdf/2402.02519.pdf代码链接:https://github.com/HKUST-Aerial-Robotics/SIMPL作者单位:香港科技大学大疆论文思路:本文提出了一种用于自动驾驶车辆的简单高效的运动预测基线(SIMPL)。与传统的以代理为中心(agent-cent

写在前面&出发点端到端的范式使用统一的框架在自动驾驶系统中实现多任务。尽管这种范式具有简单性和清晰性,但端到端的自动驾驶方法在子任务上的性能仍然远远落后于单任务方法。同时,先前端到端方法中广泛使用的密集鸟瞰图(BEV)特征使得扩展到更多模态或任务变得困难。这里提出了一种稀疏查找为中心的端到端自动驾驶范式(SparseAD),其中稀疏查找完全代表整个驾驶场景,包括空间、时间和任务,无需任何密集的BEV表示。具体来说,设计了一个统一的稀疏架构,用于包括检测、跟踪和在线地图绘制在内的任务感知。此外,重
