Introducción a Beidou: 10 años de experiencia en el desarrollo y gestión de cabinas inteligentes y sistemas de navegación y entretenimiento, 3 años de experiencia en la producción de conducción autónoma y 5 años de experiencia en la construcción de un entorno de prueba de simulación de conducción autónoma.
En los últimos años, con la promoción de políticas y el empoderamiento del mercado, la industria de la conducción automática ha acelerado su implementación y las instalaciones básicas de apoyo de la cadena industrial y el desarrollo del mercado se han vuelto cada vez más maduras. Desde 2020, la industria de la conducción autónoma ha entrado oficialmente en la "década dorada". Se espera que para 2030, la participación de mercado de vehículos autónomos de China supere el 50% y se espera que el tamaño del mercado de servicios de vehículos autónomos alcance los 1,3 billones. Desde la perspectiva de las tendencias de desarrollo tecnológico, la industria de la tecnología de conducción autónoma de mi país está evolucionando actualmente desde la inteligencia de un solo vehículo a la era de la colaboración vehículo-carretera, y es la tecnología de IA (inteligencia artificial) la que respalda esta evolución. El tercer auge de la IA surgido del aprendizaje profundo ha impulsado la llegada de la era de la IA.
**Este artículo se centra en analizar e presentar la promoción evolutiva de la aplicación de la tecnología de IA en el campo de la conducción autónoma en la era de la IA. **
Figura 1 Mapa mental del contenido de la evolución de la conducción autónoma
Evolución del sistema de piloto automático
1. IA en el análisis de imágenes de conducción autónoma
En el sistema de conducción automática, el vehículo está equipado con una variedad de sensores de percepción, como cámaras, radares de ondas milimétricas y lidars. El sistema analizará los datos obtenidos por percepción y emitirá juicios de control del vehículo basándose en los resultados de los datos de IA. análisis.
Para los datos sin procesar obtenidos por sensores de percepción como cámaras, el sistema de conducción automática no puede juzgar directamente, porque el sistema carece de la capacidad de clasificar cosas como un bebé en una etapa temprana. Por lo tanto, primero debemos clasificar y clasificar los datos uno por uno, este trabajo es la anotación de datos. Clasificar y marcar todo el tráfico y los elementos relacionados con la carretera de diversas instalaciones de tráfico (líneas de carril, señales de tráfico, semáforos, etc.), diversos participantes del tráfico (peatones, bicicletas, turismos, vehículos comerciales, vehículos especiales, etc.).
Figura 2 Diagrama de anotación de datos de la escena del tráfico real.
La unidad de procesamiento del sistema de conducción autónoma utilizará estos resultados de anotación y clasificación como base, y la IA aprenderá las características de varios objetos clasificados. Cuanto más datos básicos, más destacadas serán las características y mayor será la precisión de la discriminación de objetos. La IA es como el cerebro del sistema de conducción autónomo: analiza las características de cada objeto y aprende poco a poco las características de apariencia y los hábitos de movimiento del objeto. El cerebro de la IA se vuelve gradualmente más inteligente a través de este trabajo de aprendizaje repetido y, al identificar la categoría de objetos en la imagen, también puede captar la condición general del objeto. Esta es la aplicación en el campo de las tecnologías relacionadas con la visión por computadora con la que estamos familiarizados. Además, también es posible automatizar el trabajo de clasificación, diferenciación y etiquetado mediante IA.
2. IA en la toma de decisiones de conducción autónoma
A través de la visión por computadora, el sistema puede conocer el estado general de los datos obtenidos por los sensores de detección y, en base a esto, emitir juicios y decisiones sobre el control del vehículo. Así es exactamente como la IA avanza en la evolución de la tecnología de conducción autónoma.
Basándose en datos sensoriales, la IA emitirá el mismo juicio que los hábitos de conducción humanos en el menor tiempo posible. Para lograr el rendimiento en tiempo real del procesamiento de imágenes y la instantaneidad del juicio y la toma de decisiones, existe una fuerte demanda en el campo del desarrollo de IA de alta precisión basada en potentes capacidades de procesamiento de datos.
3. IA en el control predictivo de conducción automática
Uno de los elementos del juicio es la "predicción". ¿Cómo se moverá a continuación el vehículo o el peatón que circula delante? La IA necesita predecir de antemano las posibles acciones de todos los objetos en el entorno del tráfico e implementar el control del vehículo en función de la predicción.
El "problema del tranvía" a los ojos de la IA
Supongamos que un vehículo autónomo circula por una carretera de un solo sentido y de un solo carril con árboles a ambos lados y los frenos fallan repentinamente. Hay un anciano caminando por la carretera frente a él y un bebé cruzando la calle. Deberíamos tomar una decisión. En realidad, esto es "El problema del tranvía", una escena deformada. Cuando se exceden las capacidades predictivas del sistema, los vehículos autónomos no pueden tomar decisiones ni emitir juicios en situaciones extremas, y el estado de conflicto en la toma de decisiones se convertirá en el talón de Aquiles de la seguridad del sistema. Según la lógica del juicio de sentido común, para evitar poner en peligro la seguridad del personal, la única opción es hacer un giro brusco y estrellar el vehículo autónomo contra un árbol. Cuando el sistema se ve obligado a tomar la decisión final que no puede evitar conducir o herir a los ocupantes, la decisión que debe tomar la IA en realidad refleja parte de la intención del desarrollador, si debe proteger a otras personas además de su propio automóvil o al conductor de su. Coche propio ¿Dónde están los pasajeros? ¿O deberíamos juzgar en función del número de personas, o deberíamos hacer todo lo posible para frenar y dejar que la naturaleza siga su curso?
Figura 3 La caricatura de la versión deformada de "Trolley Problem"
De hecho, este tema siempre ha sido controvertido y no es fácil ni siquiera para los humanos sacar conclusiones precisas. Sin embargo, en algunas áreas, el gobierno ha aprobado leyes para abordar cuestiones similares. Por ejemplo, la "Ley de conducción automatizada (enmienda de la ley de circulación por carretera)" aprobada e implementada en Alemania estipula: "Cuando existe un riesgo inevitable de lesiones personales, el sistema de prevención de accidentes debe tener la capacidad de tomar decisiones para no pesar vidas humanas. basado en características personales". Esto también proporciona a la IA una dirección clara para la toma de decisiones para tales problemas.
Evolución de la planificación de rutas para el sistema de conducción automática
El juicio integral de la ruta y el destino y la planificación del camino más adecuado son una de las habilidades esenciales de los vehículos autónomos. Al planificar una ruta, no solo es necesario considerar la predicción de la congestión del tráfico y la construcción de carreteras entre destinos, sino también seleccionar la planificación de ruta a nivel de carril más adecuada y, al tiempo que garantiza la conveniencia de la ruta para múltiples pasajeros, el sistema debe Determine instantáneamente el orden en el que ejecutar la ruta para lograr la planificación de ruta más efectiva y más corta.
Para mejorar continuamente la capacidad del sistema, es necesario realizar un análisis de riesgos sobre la tasa de accidentes real de la ruta planificada, realizar análisis de datos basados en las condiciones de la carretera, el número de curvas, la cantidad de semáforos y otra información de las carreteras que pasan. A través de la ruta planificada, optimice gradualmente la estrategia de planificación de ruta y finalmente mejore la capacidad de planificación del sistema.
Figura 4 Diagrama esquemático de la planificación de rutas de puntos de múltiples vías para conducción autónoma
En la aplicación de taxis autónomos, varios vehículos en la misma área operan al mismo tiempo y la demanda de vehículos puede aumentar al mismo tiempo. El despacho de vehículos también requiere que el sistema de conducción automática planifique la ruta más adecuada para todos los taxis. Además, la predicción de cuándo y dónde se producirá la demanda de vehículos es también la función básica que el sistema de conducción automática posterior debe implementar para la función de programación de vehículos. Actualmente, solo la IA es capaz de agregar predicciones de la demanda futura a escenarios de aplicaciones complejos y proporcionar los correspondientes resultados de toma de decisiones en un instante.
La evolución de la interacción persona-computadora en los sistemas de conducción autónoma
En un vehículo autónomo sin conductor ni responsable de seguridad, lo más importante es comprender con precisión el estado y las necesidades de los pasajeros. Luego, el sistema reemplazará al conductor para completar la respuesta o informe de la información actual del estado de conducción del vehículo y completará la comunicación necesaria con los pasajeros durante el proceso de conducción. Estos requisitos son exactamente en lo que la IA es buena.
Figura 5 Diagrama esquemático de la interacción entre vehículos autónomos y pasajeros.
La comunicación entre los pasajeros y los vehículos autónomos también utilizará la tecnología de reconocimiento de voz que actualmente se utiliza ampliamente en teléfonos móviles y tabletas. Aunque el lenguaje humano a menudo tiene significados extendidos que son más difíciles de entender además del significado superficial, debido a la intervención de la IA, la capacidad de comprensión del sistema mejorará gradualmente desde la instrucción básica clara "Quiero ir al hotel" hasta la comprender que los pasajeros necesitan comprender mejor La vaga instrucción de las necesidades reales "Quiero comer comida deliciosa" es en realidad para lo que la IA es buena.
Además de comprender diversas instrucciones de los pasajeros, la IA también puede analizar el estado de los pasajeros basándose en la información recopilada por sensores como las cámaras del automóvil, lo que les permite pensar de forma independiente y ejecutar las medidas correspondientes de forma independiente. Por ejemplo, cuando la IA determina que el ocupante está durmiendo, puede considerar atenuar las luces del automóvil y reproducir música relajante para ayudar a conciliar el sueño. Cuando los pasajeros continúan tosiendo o tienen temperatura corporal elevada, el sistema avisará de forma proactiva a las farmacias y clínicas cercanas a lo largo de la ruta.
En los futuros vehículos autónomos, la IA tratará a los pasajeros como clientes VIP distinguidos, brindándoles un servicio meticuloso. Especialmente en 2023, el lanzamiento de ChatGPT ha desencadenado otra ola de locura por la IA. En los vehículos autónomos, la IA que responde a las preguntas de otras personas con voz es una evolución funcional inevitable.
La evolución de la nube y la informática de punta en los sistemas de conducción autónoma
A medida que los datos que los vehículos autónomos necesitan procesar continúan aumentando gradualmente, los terminales simples de los vehículos se vuelven gradualmente incapaces de cumplir con los requisitos de potencia informática para el procesamiento de datos. Para satisfacer las necesidades de procesamiento, los datos se envían a la nube y la IA los procesa y analiza en la nube. Los resultados del análisis de la IA se pueden enviar de regreso a la terminal del vehículo autónomo en cualquier momento. Una de las arquitecturas estándar.
Figura 5 Diagrama esquemático de aprendizaje en la nube y predicción de computación de borde
Definitivamente habrá extensión de datos durante todo el proceso de transmisión de datos y la naturaleza en tiempo real de los datos puede verse comprometida. Para resolver este problema, por un lado, es necesario optimizar y mejorar la velocidad de comunicación y el volumen de datos de comunicación de la comunicación inalámbrica. Por otro lado, la IA también ha promovido el desarrollo y la aplicación de tecnología informática de punta en vehículos de conducción autónoma. lo que ha profundizado las capacidades de preprocesamiento de datos de los vehículos.
Resumir
En términos generales, desde que entró en la era digital, la IA ha empoderado profundamente a todos los ámbitos de la vida. La llegada de la era de los "grandes modelos" ha permitido que la industria de la IA se cruce con industrias más tradicionales, incluida la automotriz, y las haya evolucionado. efecto de promoción. La IA ha reemplazado gradualmente a los conductores, mejorando y evolucionando la seguridad, la precisión y la comodidad en muchos aspectos, como la percepción del entorno de conducción, la planificación de rutas, el control del vehículo y la interacción de los pasajeros. Se espera que en la era de la IA, la tecnología de conducción autónoma mantenga su rápida evolución y promueva la aplicación integral de vehículos autónomos.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
En la era de la IA, la tecnología de conducción autónoma está evolucionando rápidamente
Fuente: Red de pruebas automotrices
Autor: Beidou
Introducción a Beidou: 10 años de experiencia en el desarrollo y gestión de cabinas inteligentes y sistemas de navegación y entretenimiento, 3 años de experiencia en la producción de conducción autónoma y 5 años de experiencia en la construcción de un entorno de prueba de simulación de conducción autónoma.
En los últimos años, con la promoción de políticas y el empoderamiento del mercado, la industria de la conducción automática ha acelerado su implementación y las instalaciones básicas de apoyo de la cadena industrial y el desarrollo del mercado se han vuelto cada vez más maduras. Desde 2020, la industria de la conducción autónoma ha entrado oficialmente en la "década dorada". Se espera que para 2030, la participación de mercado de vehículos autónomos de China supere el 50% y se espera que el tamaño del mercado de servicios de vehículos autónomos alcance los 1,3 billones. Desde la perspectiva de las tendencias de desarrollo tecnológico, la industria de la tecnología de conducción autónoma de mi país está evolucionando actualmente desde la inteligencia de un solo vehículo a la era de la colaboración vehículo-carretera, y es la tecnología de IA (inteligencia artificial) la que respalda esta evolución. El tercer auge de la IA surgido del aprendizaje profundo ha impulsado la llegada de la era de la IA. **Este artículo se centra en analizar e presentar la promoción evolutiva de la aplicación de la tecnología de IA en el campo de la conducción autónoma en la era de la IA. **
Evolución del sistema de piloto automático
1. IA en el análisis de imágenes de conducción autónoma
En el sistema de conducción automática, el vehículo está equipado con una variedad de sensores de percepción, como cámaras, radares de ondas milimétricas y lidars. El sistema analizará los datos obtenidos por percepción y emitirá juicios de control del vehículo basándose en los resultados de los datos de IA. análisis.
Para los datos sin procesar obtenidos por sensores de percepción como cámaras, el sistema de conducción automática no puede juzgar directamente, porque el sistema carece de la capacidad de clasificar cosas como un bebé en una etapa temprana. Por lo tanto, primero debemos clasificar y clasificar los datos uno por uno, este trabajo es la anotación de datos. Clasificar y marcar todo el tráfico y los elementos relacionados con la carretera de diversas instalaciones de tráfico (líneas de carril, señales de tráfico, semáforos, etc.), diversos participantes del tráfico (peatones, bicicletas, turismos, vehículos comerciales, vehículos especiales, etc.).
La unidad de procesamiento del sistema de conducción autónoma utilizará estos resultados de anotación y clasificación como base, y la IA aprenderá las características de varios objetos clasificados. Cuanto más datos básicos, más destacadas serán las características y mayor será la precisión de la discriminación de objetos. La IA es como el cerebro del sistema de conducción autónomo: analiza las características de cada objeto y aprende poco a poco las características de apariencia y los hábitos de movimiento del objeto. El cerebro de la IA se vuelve gradualmente más inteligente a través de este trabajo de aprendizaje repetido y, al identificar la categoría de objetos en la imagen, también puede captar la condición general del objeto. Esta es la aplicación en el campo de las tecnologías relacionadas con la visión por computadora con la que estamos familiarizados. Además, también es posible automatizar el trabajo de clasificación, diferenciación y etiquetado mediante IA.
2. IA en la toma de decisiones de conducción autónoma
A través de la visión por computadora, el sistema puede conocer el estado general de los datos obtenidos por los sensores de detección y, en base a esto, emitir juicios y decisiones sobre el control del vehículo. Así es exactamente como la IA avanza en la evolución de la tecnología de conducción autónoma.
Basándose en datos sensoriales, la IA emitirá el mismo juicio que los hábitos de conducción humanos en el menor tiempo posible. Para lograr el rendimiento en tiempo real del procesamiento de imágenes y la instantaneidad del juicio y la toma de decisiones, existe una fuerte demanda en el campo del desarrollo de IA de alta precisión basada en potentes capacidades de procesamiento de datos.
3. IA en el control predictivo de conducción automática
Uno de los elementos del juicio es la "predicción". ¿Cómo se moverá a continuación el vehículo o el peatón que circula delante? La IA necesita predecir de antemano las posibles acciones de todos los objetos en el entorno del tráfico e implementar el control del vehículo en función de la predicción.
El "problema del tranvía" a los ojos de la IA
Supongamos que un vehículo autónomo circula por una carretera de un solo sentido y de un solo carril con árboles a ambos lados y los frenos fallan repentinamente. Hay un anciano caminando por la carretera frente a él y un bebé cruzando la calle. Deberíamos tomar una decisión. En realidad, esto es "El problema del tranvía", una escena deformada. Cuando se exceden las capacidades predictivas del sistema, los vehículos autónomos no pueden tomar decisiones ni emitir juicios en situaciones extremas, y el estado de conflicto en la toma de decisiones se convertirá en el talón de Aquiles de la seguridad del sistema. Según la lógica del juicio de sentido común, para evitar poner en peligro la seguridad del personal, la única opción es hacer un giro brusco y estrellar el vehículo autónomo contra un árbol. Cuando el sistema se ve obligado a tomar la decisión final que no puede evitar conducir o herir a los ocupantes, la decisión que debe tomar la IA en realidad refleja parte de la intención del desarrollador, si debe proteger a otras personas además de su propio automóvil o al conductor de su. Coche propio ¿Dónde están los pasajeros? ¿O deberíamos juzgar en función del número de personas, o deberíamos hacer todo lo posible para frenar y dejar que la naturaleza siga su curso?
De hecho, este tema siempre ha sido controvertido y no es fácil ni siquiera para los humanos sacar conclusiones precisas. Sin embargo, en algunas áreas, el gobierno ha aprobado leyes para abordar cuestiones similares. Por ejemplo, la "Ley de conducción automatizada (enmienda de la ley de circulación por carretera)" aprobada e implementada en Alemania estipula: "Cuando existe un riesgo inevitable de lesiones personales, el sistema de prevención de accidentes debe tener la capacidad de tomar decisiones para no pesar vidas humanas. basado en características personales". Esto también proporciona a la IA una dirección clara para la toma de decisiones para tales problemas.
Evolución de la planificación de rutas para el sistema de conducción automática
El juicio integral de la ruta y el destino y la planificación del camino más adecuado son una de las habilidades esenciales de los vehículos autónomos. Al planificar una ruta, no solo es necesario considerar la predicción de la congestión del tráfico y la construcción de carreteras entre destinos, sino también seleccionar la planificación de ruta a nivel de carril más adecuada y, al tiempo que garantiza la conveniencia de la ruta para múltiples pasajeros, el sistema debe Determine instantáneamente el orden en el que ejecutar la ruta para lograr la planificación de ruta más efectiva y más corta.
Para mejorar continuamente la capacidad del sistema, es necesario realizar un análisis de riesgos sobre la tasa de accidentes real de la ruta planificada, realizar análisis de datos basados en las condiciones de la carretera, el número de curvas, la cantidad de semáforos y otra información de las carreteras que pasan. A través de la ruta planificada, optimice gradualmente la estrategia de planificación de ruta y finalmente mejore la capacidad de planificación del sistema.
En la aplicación de taxis autónomos, varios vehículos en la misma área operan al mismo tiempo y la demanda de vehículos puede aumentar al mismo tiempo. El despacho de vehículos también requiere que el sistema de conducción automática planifique la ruta más adecuada para todos los taxis. Además, la predicción de cuándo y dónde se producirá la demanda de vehículos es también la función básica que el sistema de conducción automática posterior debe implementar para la función de programación de vehículos. Actualmente, solo la IA es capaz de agregar predicciones de la demanda futura a escenarios de aplicaciones complejos y proporcionar los correspondientes resultados de toma de decisiones en un instante.
La evolución de la interacción persona-computadora en los sistemas de conducción autónoma
En un vehículo autónomo sin conductor ni responsable de seguridad, lo más importante es comprender con precisión el estado y las necesidades de los pasajeros. Luego, el sistema reemplazará al conductor para completar la respuesta o informe de la información actual del estado de conducción del vehículo y completará la comunicación necesaria con los pasajeros durante el proceso de conducción. Estos requisitos son exactamente en lo que la IA es buena.
La comunicación entre los pasajeros y los vehículos autónomos también utilizará la tecnología de reconocimiento de voz que actualmente se utiliza ampliamente en teléfonos móviles y tabletas. Aunque el lenguaje humano a menudo tiene significados extendidos que son más difíciles de entender además del significado superficial, debido a la intervención de la IA, la capacidad de comprensión del sistema mejorará gradualmente desde la instrucción básica clara "Quiero ir al hotel" hasta la comprender que los pasajeros necesitan comprender mejor La vaga instrucción de las necesidades reales "Quiero comer comida deliciosa" es en realidad para lo que la IA es buena.
Además de comprender diversas instrucciones de los pasajeros, la IA también puede analizar el estado de los pasajeros basándose en la información recopilada por sensores como las cámaras del automóvil, lo que les permite pensar de forma independiente y ejecutar las medidas correspondientes de forma independiente. Por ejemplo, cuando la IA determina que el ocupante está durmiendo, puede considerar atenuar las luces del automóvil y reproducir música relajante para ayudar a conciliar el sueño. Cuando los pasajeros continúan tosiendo o tienen temperatura corporal elevada, el sistema avisará de forma proactiva a las farmacias y clínicas cercanas a lo largo de la ruta.
En los futuros vehículos autónomos, la IA tratará a los pasajeros como clientes VIP distinguidos, brindándoles un servicio meticuloso. Especialmente en 2023, el lanzamiento de ChatGPT ha desencadenado otra ola de locura por la IA. En los vehículos autónomos, la IA que responde a las preguntas de otras personas con voz es una evolución funcional inevitable.
La evolución de la nube y la informática de punta en los sistemas de conducción autónoma
A medida que los datos que los vehículos autónomos necesitan procesar continúan aumentando gradualmente, los terminales simples de los vehículos se vuelven gradualmente incapaces de cumplir con los requisitos de potencia informática para el procesamiento de datos. Para satisfacer las necesidades de procesamiento, los datos se envían a la nube y la IA los procesa y analiza en la nube. Los resultados del análisis de la IA se pueden enviar de regreso a la terminal del vehículo autónomo en cualquier momento. Una de las arquitecturas estándar.
Definitivamente habrá extensión de datos durante todo el proceso de transmisión de datos y la naturaleza en tiempo real de los datos puede verse comprometida. Para resolver este problema, por un lado, es necesario optimizar y mejorar la velocidad de comunicación y el volumen de datos de comunicación de la comunicación inalámbrica. Por otro lado, la IA también ha promovido el desarrollo y la aplicación de tecnología informática de punta en vehículos de conducción autónoma. lo que ha profundizado las capacidades de preprocesamiento de datos de los vehículos.
Resumir
En términos generales, desde que entró en la era digital, la IA ha empoderado profundamente a todos los ámbitos de la vida. La llegada de la era de los "grandes modelos" ha permitido que la industria de la IA se cruce con industrias más tradicionales, incluida la automotriz, y las haya evolucionado. efecto de promoción. La IA ha reemplazado gradualmente a los conductores, mejorando y evolucionando la seguridad, la precisión y la comodidad en muchos aspectos, como la percepción del entorno de conducción, la planificación de rutas, el control del vehículo y la interacción de los pasajeros. Se espera que en la era de la IA, la tecnología de conducción autónoma mantenga su rápida evolución y promueva la aplicación integral de vehículos autónomos.