Pengantar Beidou: 10 tahun pengalaman dalam pengembangan dan pengelolaan kokpit cerdas serta sistem navigasi dan hiburan, 3 tahun pengalaman dalam produksi mengemudi otonom, dan 5 tahun pengalaman dalam membangun lingkungan pengujian simulasi mengemudi otonom.
Dalam beberapa tahun terakhir, dengan pemberdayaan kebijakan dan pasar, industri kendaraan otonom telah mempercepat penerapannya, dan rantai industri pendukung dasar serta pengembangan pasar menjadi semakin matang. Sejak tahun 2020, industri kendaraan otonom telah resmi memasuki "dekade emas". Diperkirakan pada tahun 2030, pangsa pasar kendaraan tak berawak di negara saya diperkirakan akan melebihi 50%, dan ukuran pasar layanan kendaraan tak berawak diperkirakan akan meningkat. mencapai 1,3 triliun. Dari perspektif tren perkembangan teknologi, industri teknologi mengemudi otonom di negara saya saat ini sedang berkembang dari kecerdasan kendaraan tunggal ke era kolaborasi kendaraan-jalan raya, dan teknologi AI (kecerdasan buatan) lah yang mendukung evolusi ini. Ledakan AI ketiga yang disebabkan oleh pembelajaran mendalam telah mendorong datangnya era AI.
**Artikel ini berfokus pada analisis dan pengenalan evolusi penerapan teknologi AI di bidang mengemudi otonom di era AI. **
Gambar 1 Peta pikiran konten evolusi mengemudi otonom
Evolusi sistem mengemudi otonom
1. AI dalam analisis gambar mengemudi otonom
Pada sistem penggerak otonom, kendaraan dilengkapi dengan berbagai sensor persepsi seperti kamera, radar gelombang milimeter, lidar, dll. Sistem akan menganalisis data yang diperoleh melalui persepsi dan membuat penilaian pengendalian kendaraan berdasarkan data AI hasil analisa.
Sistem penggerak otonom tidak dapat secara langsung menilai data mentah yang diperoleh sensor persepsi seperti kamera, karena sistem pada awalnya tidak memiliki kemampuan untuk mengklasifikasikan sesuatu seperti bayi. Oleh karena itu, pertama-tama kita harus mengklasifikasikan dan mengklasifikasikan data satu per satu, Pekerjaan ini adalah anotasi data. Mengklasifikasikan dan memberi label pada semua elemen lalu lintas dan jalan yang terkait dengan berbagai fasilitas lalu lintas (jalur lajur, rambu jalan, lampu lalu lintas, dll.) dan berbagai peserta lalu lintas (pejalan kaki, sepeda, mobil penumpang, kendaraan niaga, kendaraan khusus, dll.).
Gambar 2 Peta anotasi data pemandangan lalu lintas sebenarnya
Unit pemrosesan sistem penggerak otonom akan menggunakan hasil anotasi dan klasifikasi ini sebagai dasar, dan AI akan mempelajari karakteristik berbagai objek rahasia. Semakin banyak data dasar, semakin menonjol ciri-cirinya, dan semakin tinggi keakuratan diskriminasi objek. AI ibarat otak dari sistem penggerak otonom yang menganalisis karakteristik setiap objek dan mempelajari karakteristik penampilan serta kebiasaan pergerakan objek sedikit demi sedikit. Otak AI berangsur-angsur menjadi lebih pintar melalui pembelajaran dan kerja yang berulang-ulang, selain mengenali jenis objek dalam gambar, ia juga dapat memahami kondisi objek secara keseluruhan. Ini adalah aplikasi di bidang teknologi terkait computer vision yang kita kenal. Selain itu, pekerjaan klasifikasi, diferensiasi, dan pelabelan juga dapat diotomatisasi oleh AI.
2. AI dalam pengambilan keputusan mengemudi otonom
Melalui visi komputer, sistem dapat mewujudkan pemahaman keadaan keseluruhan dari data yang diperoleh sensor persepsi, dan berdasarkan hal ini, dapat membuat penilaian dan keputusan mengenai pengendalian kendaraan. Inilah tepatnya bagaimana AI memajukan evolusi teknologi mengemudi otonom.
Berdasarkan data persepsi, AI akan membuat penilaian yang sama dengan kebiasaan mengemudi manusia dalam waktu sesingkat-singkatnya. Untuk mencapai pemrosesan gambar secara real-time dan penilaian serta pengambilan keputusan secara instan, terdapat permintaan yang kuat di lapangan untuk pengembangan AI presisi tinggi berdasarkan kemampuan pemrosesan data yang kuat.
3. AI dalam kontrol prediktif mengemudi otomatis
Salah satu unsur keputusan judgement adalah “prediksi”. Bagaimana kendaraan atau pejalan kaki yang melaju di depan akan bergerak selanjutnya, AI perlu memprediksi terlebih dahulu kemungkinan tindakan semua objek di lingkungan lalu lintas, dan menerapkan kontrol kendaraan berdasarkan prediksi tersebut.
"Masalah troli" di mata AI
Misalkan sebuah kendaraan tanpa pengemudi sedang melaju di jalan satu arah, satu jalur dengan pepohonan di kedua sisinya, dan rem tiba-tiba blong.Ada seorang lelaki tua berjalan di jalan di depannya, dan seorang bayi menyeberang jalan. . Kita harus membuat keputusan. Ini sebenarnya "Masalah Troli" sebuah adegan yang cacat. Ketika kemampuan prediktif sistem terlampaui, kendaraan otonom tidak dapat membuat keputusan dan penilaian dalam situasi ekstrem, dan keadaan konflik pengambilan keputusan akan menjadi titik lemah keamanan sistem. Berdasarkan logika penilaian akal sehat, untuk menghindari membahayakan keselamatan personel, satu-satunya pilihan adalah berbelok tajam dan menabrakkan kendaraan self-driving tersebut ke pohon. Ketika sistem dipaksa untuk membuat pilihan akhir yang tidak dapat menghindari mengemudi atau melukai penumpangnya, keputusan apa yang harus diambil AI sebenarnya mencerminkan sebagian dari niat pengembang, apakah ia harus melindungi orang selain mobilnya sendiri atau pengemudinya. mobil sendiri Bagaimana dengan kru. Atau haruskah kita menilai berdasarkan jumlah orang, atau haruskah kita melakukan yang terbaik untuk mengerem dan membiarkan alam mengambil jalannya.
Gambar 3 Versi kartun dari versi cacat “Masalah Troli”
Faktanya, isu ini selalu menjadi kontroversi, dan tidak mudah bahkan bagi manusia untuk menarik kesimpulan yang akurat. Namun, di beberapa daerah, pemerintah telah mengeluarkan undang-undang yang mengatur permasalahan serupa. Misalnya, "Undang-undang Mengemudi Otomatis (Amandemen Undang-undang Lalu Lintas Jalan Raya)" yang disahkan dan diterapkan di Jerman menetapkan: "Ketika terdapat risiko cedera diri yang tidak dapat dihindari, sistem pencegahan kecelakaan harus memiliki kemampuan pengambilan keputusan yang tidak membebani nyawa manusia. berdasarkan karakteristik pribadi." Hal ini juga memberi AI arah pengambilan keputusan yang jelas untuk masalah tersebut.
Evolusi perencanaan jalur untuk sistem mengemudi otomatis
Penilaian komprehensif terhadap rute dan tujuan serta merencanakan jalur yang paling tepat adalah salah satu keterampilan penting untuk kendaraan otonom. Saat merencanakan rute, tidak hanya perlu mempertimbangkan prediksi kemacetan lalu lintas dan pembangunan jalan antar tujuan, tetapi juga memilih perencanaan rute tingkat jalur yang paling tepat, dan sekaligus memastikan kenyamanan rute bagi banyak penumpang, sistem harus segera menentukan urutannya. di mana untuk mengeksekusi jalur untuk mencapai perencanaan jalur yang paling efektif dan terpendek.
Untuk terus meningkatkan kemampuan sistem, perlu dilakukan analisis risiko terhadap tingkat kecelakaan aktual pada rute yang direncanakan, melakukan analisis data berdasarkan kondisi jalan, jumlah belokan, jumlah lampu lalu lintas dan informasi jalan lainnya yang lewat. melalui rute yang direncanakan, secara bertahap mengoptimalkan strategi perencanaan rute, dan pada akhirnya meningkatkan kemampuan perencanaan sistem. .
Gambar 4 Diagram skema perencanaan jalur titik multi-arah untuk mengemudi otonom
Ketika taksi tanpa pengemudi digunakan, beberapa kendaraan yang beroperasi di area yang sama mungkin memerlukan kendaraan pada waktu yang sama. Pengiriman kendaraan juga memerlukan sistem mengemudi sendiri untuk merencanakan jalur yang paling tepat untuk semua taksi. Selain itu, prediksi kapan dan di mana permintaan kendaraan akan terjadi juga merupakan fungsi dasar yang perlu diterapkan oleh sistem penggerak otonom untuk pengiriman kendaraan. Teknologi yang menambahkan prediksi permintaan masa depan ke skenario aplikasi yang kompleks dan dapat memberikan hasil pengambilan keputusan yang sesuai dalam sekejap saat ini hanya mampu menggunakan AI.
Evolusi interaksi manusia-komputer dalam sistem mengemudi otomatis
Pada kendaraan self-driving tanpa pengemudi atau petugas keselamatan, yang terpenting adalah memahami secara akurat status dan kebutuhan penumpang. Kemudian sistem akan menggantikan pengemudi untuk melengkapi balasan atau laporan informasi status mengemudi kendaraan saat ini, dan menyelesaikan komunikasi yang diperlukan dengan penumpang selama berkendara. Persyaratan inilah yang menjadi keahlian AI.
Gambar 5 Diagram skema interaksi antara kendaraan self-driving dan penumpang
Komunikasi antara penumpang dan kendaraan self-driving juga akan menggunakan teknologi pengenalan suara yang saat ini banyak digunakan pada ponsel dan tablet. Meskipun bahasa manusia seringkali memiliki makna yang diperluas yang lebih sulit untuk dipahami selain makna yang dangkal, karena intervensi AI, kemampuan pemahaman sistem akan secara bertahap meningkat dari instruksi dasar yang jelas "Saya akan pergi ke restoran" menjadi pemahaman. penumpang yang perlu memahami lebih jauh Instruksi samar tentang kebutuhan nyata "Saya ingin makan makanan enak" sebenarnya adalah keahlian AI.
Selain memahami berbagai instruksi penumpang, AI juga dapat menganalisis keadaan penumpang berdasarkan informasi yang dikumpulkan oleh sensor seperti kamera di dalam mobil, mewujudkan pemikiran mandiri, dan menerapkan tindakan terkait secara mandiri. Misalnya, ketika AI menentukan bahwa penumpang sedang tidur, AI dapat mempertimbangkan untuk meredupkan lampu di dalam mobil dan memutar musik santai untuk membantu tidur. Ketika penumpang terus batuk atau suhu tubuh meningkat, sistem akan secara proaktif meminta apotek dan klinik terdekat di sepanjang rute.
Pada mobil self-driving di masa depan, AI akan memperlakukan penumpang seperti pelanggan VIP terkemuka dan memberikan layanan yang cermat. Khususnya pada tahun 2023, peluncuran ChatGPT akan memicu gelombang ledakan AI lainnya. Dalam kendaraan self-driving, AI yang menggunakan suara untuk menjawab pertanyaan orang lain sudah merupakan evolusi fungsional yang tidak bisa dihindari.
Evolusi Cloud dan Edge Computing untuk Sistem Penggerak Otonom
Karena data yang perlu diproses oleh kendaraan otonom secara bertahap terus meningkat, terminal kendaraan sederhana secara bertahap tidak dapat memenuhi kebutuhan daya komputasi untuk pemrosesan data. Untuk memenuhi kebutuhan pemrosesan, data dikirim ke cloud, dan data tersebut diproses dan dianalisis di cloud AI. Hasil analisis AI dapat dikirim kembali ke terminal kendaraan otonom kapan saja. Dengan perkembangan AI, metode pemrosesan data ini telah menjadi standar untuk mengemudi otonom.Salah satu arsitektur standar.
Gambar 5 Diagram skema pembelajaran cloud dan prediksi komputasi tepi
Pasti akan ada perluasan data selama keseluruhan proses transmisi data, dan sifat data real-time mungkin terganggu. Untuk mengatasi masalah ini, di satu sisi, perlu dilakukan optimalisasi dan peningkatan kecepatan komunikasi dan volume data komunikasi komunikasi nirkabel.Di sisi lain, AI juga mendorong pengembangan dan penerapan teknologi komputasi tepi pada kendaraan penggerak otonom, yang telah memperdalam kemampuan pemrosesan awal data pada kendaraan.
Ringkasan
Secara umum, sejak memasuki era digital, AI telah memberdayakan semua lapisan masyarakat. Hadirnya era "model besar" telah memungkinkan industri AI bersinggungan dengan industri yang lebih tradisional termasuk mobil, dan telah berkembang serta memberikan efek promosi. AI secara bertahap telah menggantikan pengemudi, dan telah meningkatkan serta mengembangkan keselamatan, akurasi, dan kenyamanan dalam banyak aspek seperti persepsi lingkungan berkendara, perencanaan jalur, pengendalian kendaraan, dan interaksi penumpang. Diharapkan di era AI, teknologi penggerak otonom akan mempertahankan evolusi yang cepat dan mendorong penerapan penuh kendaraan otonom.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Di era AI, teknologi penggerak otonom berkembang pesat
Sumber: Jaringan Tes Otomatis
Penulis: Beidou
Pengantar Beidou: 10 tahun pengalaman dalam pengembangan dan pengelolaan kokpit cerdas serta sistem navigasi dan hiburan, 3 tahun pengalaman dalam produksi mengemudi otonom, dan 5 tahun pengalaman dalam membangun lingkungan pengujian simulasi mengemudi otonom.
Dalam beberapa tahun terakhir, dengan pemberdayaan kebijakan dan pasar, industri kendaraan otonom telah mempercepat penerapannya, dan rantai industri pendukung dasar serta pengembangan pasar menjadi semakin matang. Sejak tahun 2020, industri kendaraan otonom telah resmi memasuki "dekade emas". Diperkirakan pada tahun 2030, pangsa pasar kendaraan tak berawak di negara saya diperkirakan akan melebihi 50%, dan ukuran pasar layanan kendaraan tak berawak diperkirakan akan meningkat. mencapai 1,3 triliun. Dari perspektif tren perkembangan teknologi, industri teknologi mengemudi otonom di negara saya saat ini sedang berkembang dari kecerdasan kendaraan tunggal ke era kolaborasi kendaraan-jalan raya, dan teknologi AI (kecerdasan buatan) lah yang mendukung evolusi ini. Ledakan AI ketiga yang disebabkan oleh pembelajaran mendalam telah mendorong datangnya era AI. **Artikel ini berfokus pada analisis dan pengenalan evolusi penerapan teknologi AI di bidang mengemudi otonom di era AI. **
Evolusi sistem mengemudi otonom
1. AI dalam analisis gambar mengemudi otonom
Pada sistem penggerak otonom, kendaraan dilengkapi dengan berbagai sensor persepsi seperti kamera, radar gelombang milimeter, lidar, dll. Sistem akan menganalisis data yang diperoleh melalui persepsi dan membuat penilaian pengendalian kendaraan berdasarkan data AI hasil analisa.
Sistem penggerak otonom tidak dapat secara langsung menilai data mentah yang diperoleh sensor persepsi seperti kamera, karena sistem pada awalnya tidak memiliki kemampuan untuk mengklasifikasikan sesuatu seperti bayi. Oleh karena itu, pertama-tama kita harus mengklasifikasikan dan mengklasifikasikan data satu per satu, Pekerjaan ini adalah anotasi data. Mengklasifikasikan dan memberi label pada semua elemen lalu lintas dan jalan yang terkait dengan berbagai fasilitas lalu lintas (jalur lajur, rambu jalan, lampu lalu lintas, dll.) dan berbagai peserta lalu lintas (pejalan kaki, sepeda, mobil penumpang, kendaraan niaga, kendaraan khusus, dll.).
Unit pemrosesan sistem penggerak otonom akan menggunakan hasil anotasi dan klasifikasi ini sebagai dasar, dan AI akan mempelajari karakteristik berbagai objek rahasia. Semakin banyak data dasar, semakin menonjol ciri-cirinya, dan semakin tinggi keakuratan diskriminasi objek. AI ibarat otak dari sistem penggerak otonom yang menganalisis karakteristik setiap objek dan mempelajari karakteristik penampilan serta kebiasaan pergerakan objek sedikit demi sedikit. Otak AI berangsur-angsur menjadi lebih pintar melalui pembelajaran dan kerja yang berulang-ulang, selain mengenali jenis objek dalam gambar, ia juga dapat memahami kondisi objek secara keseluruhan. Ini adalah aplikasi di bidang teknologi terkait computer vision yang kita kenal. Selain itu, pekerjaan klasifikasi, diferensiasi, dan pelabelan juga dapat diotomatisasi oleh AI.
2. AI dalam pengambilan keputusan mengemudi otonom
Melalui visi komputer, sistem dapat mewujudkan pemahaman keadaan keseluruhan dari data yang diperoleh sensor persepsi, dan berdasarkan hal ini, dapat membuat penilaian dan keputusan mengenai pengendalian kendaraan. Inilah tepatnya bagaimana AI memajukan evolusi teknologi mengemudi otonom.
Berdasarkan data persepsi, AI akan membuat penilaian yang sama dengan kebiasaan mengemudi manusia dalam waktu sesingkat-singkatnya. Untuk mencapai pemrosesan gambar secara real-time dan penilaian serta pengambilan keputusan secara instan, terdapat permintaan yang kuat di lapangan untuk pengembangan AI presisi tinggi berdasarkan kemampuan pemrosesan data yang kuat.
3. AI dalam kontrol prediktif mengemudi otomatis
Salah satu unsur keputusan judgement adalah “prediksi”. Bagaimana kendaraan atau pejalan kaki yang melaju di depan akan bergerak selanjutnya, AI perlu memprediksi terlebih dahulu kemungkinan tindakan semua objek di lingkungan lalu lintas, dan menerapkan kontrol kendaraan berdasarkan prediksi tersebut.
"Masalah troli" di mata AI
Misalkan sebuah kendaraan tanpa pengemudi sedang melaju di jalan satu arah, satu jalur dengan pepohonan di kedua sisinya, dan rem tiba-tiba blong.Ada seorang lelaki tua berjalan di jalan di depannya, dan seorang bayi menyeberang jalan. . Kita harus membuat keputusan. Ini sebenarnya "Masalah Troli" sebuah adegan yang cacat. Ketika kemampuan prediktif sistem terlampaui, kendaraan otonom tidak dapat membuat keputusan dan penilaian dalam situasi ekstrem, dan keadaan konflik pengambilan keputusan akan menjadi titik lemah keamanan sistem. Berdasarkan logika penilaian akal sehat, untuk menghindari membahayakan keselamatan personel, satu-satunya pilihan adalah berbelok tajam dan menabrakkan kendaraan self-driving tersebut ke pohon. Ketika sistem dipaksa untuk membuat pilihan akhir yang tidak dapat menghindari mengemudi atau melukai penumpangnya, keputusan apa yang harus diambil AI sebenarnya mencerminkan sebagian dari niat pengembang, apakah ia harus melindungi orang selain mobilnya sendiri atau pengemudinya. mobil sendiri Bagaimana dengan kru. Atau haruskah kita menilai berdasarkan jumlah orang, atau haruskah kita melakukan yang terbaik untuk mengerem dan membiarkan alam mengambil jalannya.
Faktanya, isu ini selalu menjadi kontroversi, dan tidak mudah bahkan bagi manusia untuk menarik kesimpulan yang akurat. Namun, di beberapa daerah, pemerintah telah mengeluarkan undang-undang yang mengatur permasalahan serupa. Misalnya, "Undang-undang Mengemudi Otomatis (Amandemen Undang-undang Lalu Lintas Jalan Raya)" yang disahkan dan diterapkan di Jerman menetapkan: "Ketika terdapat risiko cedera diri yang tidak dapat dihindari, sistem pencegahan kecelakaan harus memiliki kemampuan pengambilan keputusan yang tidak membebani nyawa manusia. berdasarkan karakteristik pribadi." Hal ini juga memberi AI arah pengambilan keputusan yang jelas untuk masalah tersebut.
Evolusi perencanaan jalur untuk sistem mengemudi otomatis
Penilaian komprehensif terhadap rute dan tujuan serta merencanakan jalur yang paling tepat adalah salah satu keterampilan penting untuk kendaraan otonom. Saat merencanakan rute, tidak hanya perlu mempertimbangkan prediksi kemacetan lalu lintas dan pembangunan jalan antar tujuan, tetapi juga memilih perencanaan rute tingkat jalur yang paling tepat, dan sekaligus memastikan kenyamanan rute bagi banyak penumpang, sistem harus segera menentukan urutannya. di mana untuk mengeksekusi jalur untuk mencapai perencanaan jalur yang paling efektif dan terpendek.
Untuk terus meningkatkan kemampuan sistem, perlu dilakukan analisis risiko terhadap tingkat kecelakaan aktual pada rute yang direncanakan, melakukan analisis data berdasarkan kondisi jalan, jumlah belokan, jumlah lampu lalu lintas dan informasi jalan lainnya yang lewat. melalui rute yang direncanakan, secara bertahap mengoptimalkan strategi perencanaan rute, dan pada akhirnya meningkatkan kemampuan perencanaan sistem. .
Ketika taksi tanpa pengemudi digunakan, beberapa kendaraan yang beroperasi di area yang sama mungkin memerlukan kendaraan pada waktu yang sama. Pengiriman kendaraan juga memerlukan sistem mengemudi sendiri untuk merencanakan jalur yang paling tepat untuk semua taksi. Selain itu, prediksi kapan dan di mana permintaan kendaraan akan terjadi juga merupakan fungsi dasar yang perlu diterapkan oleh sistem penggerak otonom untuk pengiriman kendaraan. Teknologi yang menambahkan prediksi permintaan masa depan ke skenario aplikasi yang kompleks dan dapat memberikan hasil pengambilan keputusan yang sesuai dalam sekejap saat ini hanya mampu menggunakan AI.
Evolusi interaksi manusia-komputer dalam sistem mengemudi otomatis
Pada kendaraan self-driving tanpa pengemudi atau petugas keselamatan, yang terpenting adalah memahami secara akurat status dan kebutuhan penumpang. Kemudian sistem akan menggantikan pengemudi untuk melengkapi balasan atau laporan informasi status mengemudi kendaraan saat ini, dan menyelesaikan komunikasi yang diperlukan dengan penumpang selama berkendara. Persyaratan inilah yang menjadi keahlian AI.
Komunikasi antara penumpang dan kendaraan self-driving juga akan menggunakan teknologi pengenalan suara yang saat ini banyak digunakan pada ponsel dan tablet. Meskipun bahasa manusia seringkali memiliki makna yang diperluas yang lebih sulit untuk dipahami selain makna yang dangkal, karena intervensi AI, kemampuan pemahaman sistem akan secara bertahap meningkat dari instruksi dasar yang jelas "Saya akan pergi ke restoran" menjadi pemahaman. penumpang yang perlu memahami lebih jauh Instruksi samar tentang kebutuhan nyata "Saya ingin makan makanan enak" sebenarnya adalah keahlian AI.
Selain memahami berbagai instruksi penumpang, AI juga dapat menganalisis keadaan penumpang berdasarkan informasi yang dikumpulkan oleh sensor seperti kamera di dalam mobil, mewujudkan pemikiran mandiri, dan menerapkan tindakan terkait secara mandiri. Misalnya, ketika AI menentukan bahwa penumpang sedang tidur, AI dapat mempertimbangkan untuk meredupkan lampu di dalam mobil dan memutar musik santai untuk membantu tidur. Ketika penumpang terus batuk atau suhu tubuh meningkat, sistem akan secara proaktif meminta apotek dan klinik terdekat di sepanjang rute.
Pada mobil self-driving di masa depan, AI akan memperlakukan penumpang seperti pelanggan VIP terkemuka dan memberikan layanan yang cermat. Khususnya pada tahun 2023, peluncuran ChatGPT akan memicu gelombang ledakan AI lainnya. Dalam kendaraan self-driving, AI yang menggunakan suara untuk menjawab pertanyaan orang lain sudah merupakan evolusi fungsional yang tidak bisa dihindari.
Evolusi Cloud dan Edge Computing untuk Sistem Penggerak Otonom
Karena data yang perlu diproses oleh kendaraan otonom secara bertahap terus meningkat, terminal kendaraan sederhana secara bertahap tidak dapat memenuhi kebutuhan daya komputasi untuk pemrosesan data. Untuk memenuhi kebutuhan pemrosesan, data dikirim ke cloud, dan data tersebut diproses dan dianalisis di cloud AI. Hasil analisis AI dapat dikirim kembali ke terminal kendaraan otonom kapan saja. Dengan perkembangan AI, metode pemrosesan data ini telah menjadi standar untuk mengemudi otonom.Salah satu arsitektur standar.
Pasti akan ada perluasan data selama keseluruhan proses transmisi data, dan sifat data real-time mungkin terganggu. Untuk mengatasi masalah ini, di satu sisi, perlu dilakukan optimalisasi dan peningkatan kecepatan komunikasi dan volume data komunikasi komunikasi nirkabel.Di sisi lain, AI juga mendorong pengembangan dan penerapan teknologi komputasi tepi pada kendaraan penggerak otonom, yang telah memperdalam kemampuan pemrosesan awal data pada kendaraan.
Ringkasan
Secara umum, sejak memasuki era digital, AI telah memberdayakan semua lapisan masyarakat. Hadirnya era "model besar" telah memungkinkan industri AI bersinggungan dengan industri yang lebih tradisional termasuk mobil, dan telah berkembang serta memberikan efek promosi. AI secara bertahap telah menggantikan pengemudi, dan telah meningkatkan serta mengembangkan keselamatan, akurasi, dan kenyamanan dalam banyak aspek seperti persepsi lingkungan berkendara, perencanaan jalur, pengendalian kendaraan, dan interaksi penumpang. Diharapkan di era AI, teknologi penggerak otonom akan mempertahankan evolusi yang cepat dan mendorong penerapan penuh kendaraan otonom.