Знакомство с Beidou: 10-летний опыт разработки и управления интеллектуальными кабинами, навигационными и развлекательными системами, 3-летний опыт разработки продуктов автономного вождения и 5-летний опыт создания испытательной среды для моделирования автономного вождения.
В последние годы, благодаря продвижению политики и расширению прав и возможностей рынка, индустрия автоматического вождения ускорила свое внедрение, а основные вспомогательные средства производственной цепочки и развития рынка стали все более и более зрелыми. С 2020 года индустрия автономного вождения официально вступила в «золотое десятилетие». Ожидается, что к 2030 году доля рынка автономных транспортных средств в моей стране превысит 50%, а объем рынка услуг по обслуживанию беспилотных транспортных средств достигнет 1,3 триллиона. С точки зрения тенденций технологического развития, индустрия технологий автономного вождения в моей стране в настоящее время развивается от интеллекта одного транспортного средства к эпохе сотрудничества транспортных средств и дорог, и именно технология искусственного интеллекта поддерживает эту эволюцию. Третий подъем ИИ, возникший в результате глубокого обучения, способствовал наступлению эры ИИ.
**Эта статья посвящена анализу и представлению эволюционного продвижения применения технологий искусственного интеллекта в области автономного вождения в эпоху искусственного интеллекта. **
Рисунок 1. Интеллект-карта содержания эволюции автономного вождения
Эволюция системы автопилота
1. ИИ в анализе изображений автономного вождения
В системе автономного вождения автомобиль оснащен различными датчиками восприятия, такими как камеры, радар миллиметрового диапазона, лидар и т. д. Система будет анализировать данные, полученные в результате восприятия, и принимать решения по управлению транспортным средством на основе данных искусственного интеллекта. результаты анализа.
Система автономного вождения не может напрямую оценивать необработанные данные, полученные датчиками восприятия, такими как камеры, потому что системе изначально не хватает способности классифицировать вещи, как ребенка. Поэтому, прежде всего, данные необходимо классифицировать и различать друг за другом.Эта работа — маркировка данных. Классифицируйте и маркируйте все дорожные и дорожно-связанные элементы различных объектов дорожного движения (полосы движения, дорожные знаки, светофоры и т. д.) и различных участников дорожного движения (пешеходов, велосипедов, легковых автомобилей, коммерческого транспорта, спецтранспорта и т. д.).
Рис. 2. Диаграмма аннотаций данных реальной дорожной ситуации.
Блок обработки системы автономного вождения будет использовать эти результаты аннотаций и классификации в качестве основы, а ИИ будет изучать характеристики различных классифицированных объектов. Чем больше базовых данных, тем заметнее особенности и тем выше точность распознавания объектов. ИИ подобен мозгу системы автономного вождения: он анализирует характеристики каждого объекта и постепенно изучает характеристики внешнего вида и особенности движения объекта. Благодаря такому многократному обучению и работе мозг ИИ постепенно становится умнее: распознавая тип объекта на изображении, он также может оценить общее состояние объекта. Это приложение в области технологий, связанных с компьютерным зрением, с которым мы знакомы. Кроме того, с помощью ИИ также можно автоматизировать работу по классификации и маркировке.
2. ИИ в принятии решений при автономном вождении
Благодаря компьютерному зрению система может осознавать общее состояние данных, полученных сенсорными датчиками, и на основе этого выносить суждения и решения по управлению транспортным средством. Именно так ИИ способствует развитию технологий автономного вождения.
На основе данных о восприятии ИИ в кратчайшие сроки вынесет такое же суждение, как и привычки человека во время вождения. Чтобы обеспечить обработку изображений в реальном времени и мгновенное принятие решений, в этой области существует большая потребность в разработке высокоточного искусственного интеллекта, основанного на мощных возможностях обработки данных.
3. ИИ в системе автоматического прогнозирования вождения
Одним из элементов принятия суждений является «прогнозирование». Как дальше будут двигаться едущие впереди транспортные средства или пешеходы, ИИ необходимо заранее предсказать возможные действия всех объектов в дорожной среде и реализовать управление транспортным средством на основе прогноза.
«Проблема троллейбуса» глазами ИИ
Предположим, что беспилотный автомобиль едет по односторонней однополосной дороге с деревьями по обеим сторонам, и вдруг внезапно отказывают тормоза. По дороге перед ним идет старик, а дорогу перебегает ребенок. Нам надо принять решение.. На самом деле это "Проблема с троллейбусом" - деформированная сцена. Когда прогнозирующие возможности системы превышены, автономные транспортные средства не могут принимать решения и суждения в экстремальных ситуациях, и конфликтное состояние принятия решений станет ахиллесовой пятой безопасности системы. Исходя из логики здравого смысла, во избежание угрозы безопасности персонала он может только сделать резкий поворот и врезать беспилотный автомобиль в дерево. Когда система вынуждена сделать окончательный выбор, который не может избежать вождения или травмирования пассажиров, то, какое решение должен принять ИИ, на самом деле отражает часть намерения разработчика: должен ли он защищать других людей, кроме своей собственной машины, или водителя своей своя машина Где пассажиры? Либо об этом следует судить по количеству людей, либо вы должны изо всех сил нажать на тормоза и позволить природе идти своим чередом.
Рисунок 3. Мультяшная версия деформированной версии «Проблемы с троллейбусом».
На самом деле, этот вопрос всегда был спорным, и даже человеку нелегко сделать точные выводы. Однако в некоторых областях правительство приняло законы, предусматривающие аналогичные вопросы. Например, «Закон об автоматизированном вождении (поправка к Закону о дорожном движении)», принятый и введенный в действие в Германии, предусматривает: «Когда существует неизбежный риск получения травм, система предотвращения аварий должна обладать способностью принимать решения, не принимая во внимание человеческие жизни». на основе личных характеристик». Это также дает ИИ четкое направление принятия решений для таких проблем.
Эволюция планирования маршрута для систем автономного вождения
Всестороннее определение маршрута и пункта назначения, а также планирование наиболее подходящего пути являются одними из важнейших навыков для беспилотных транспортных средств. При планировании маршрута необходимо не только учитывать прогнозы пробок на дорогах и строительство дорог между пунктами назначения, но и выбирать наиболее подходящее планирование маршрута на уровне полосы движения, при этом, обеспечивая удобство маршрута для нескольких пассажиров, система должна мгновенно определять порядок в котором выполнить путь для достижения наиболее эффективного и кратчайшего планирования пути.
В целях постоянного улучшения возможностей системы необходимо проводить анализ рисков фактической аварийности планируемого маршрута, проводить анализ данных на основе условий дорожного движения, количества поворотов, количества светофоров и другой информации о проходящих дорогах. через запланированный маршрут, постепенно оптимизировать стратегию планирования маршрута и, в конечном итоге, улучшить возможности планирования системы.
Рисунок 4. Принципиальная схема планирования многопутевого маршрута для автономного вождения.
Диспетчеризация транспортных средств также требует, чтобы система беспилотного вождения планировала наиболее подходящий маршрут для всех такси. Более того, прогнозирование того, когда и где возникнет потребность в транспортном средстве, также является базовой функцией, которую последующие системы автономного вождения должны реализовать для функции планирования транспортных средств. Технология, которая добавляет прогнозы будущих требований к сложным сценариям приложений и может мгновенно обеспечить соответствующие результаты принятия решений, в настоящее время способна использовать только ИИ.
Эволюция взаимодействия человека и компьютера в системе автоматического вождения
В автономных транспортных средствах без водителя или сотрудника службы безопасности самое главное — точно понимать статус и потребности пассажиров. Затем система заменит водителя, чтобы завершить ответ или отчет о текущем состоянии вождения автомобиля, а также завершить необходимую связь с пассажирами во время вождения. Эти требования — именно то, в чем хорош ИИ.
Рисунок 5. Принципиальная схема взаимодействия автономных транспортных средств и пассажиров.
Для связи между пассажирами и беспилотными транспортными средствами также будет использоваться технология распознавания речи, которая в настоящее время широко используется на мобильных телефонах и планшетах. Хотя человеческий язык часто имеет расширенные значения, которые сложнее понять в дополнение к поверхностному значению, благодаря вмешательству ИИ способность системы к пониманию постепенно улучшится от базовой четкой инструкции «Я хочу пойти в отель» к понимание того, что пассажирам необходимо дальнейшее понимание. Расплывчатая инструкция реальных потребностей «хочу вкусно поесть» — это на самом деле то, в чем ИИ хорош.
Помимо понимания различных инструкций пассажиров, ИИ может также анализировать состояние пассажиров на основе информации, собранной датчиками, такими как камеры в автомобиле, что позволяет им думать независимо и самостоятельно принимать соответствующие меры. Например, когда ИИ определяет, что пассажир спит, он может уменьшить яркость света в машине и включить расслабляющую музыку, чтобы помочь заснуть. В случае постоянного кашля и повышенной температуры тела пассажиров заранее напомните о ближайших по маршруту аптеках и поликлиниках.
В будущих беспилотных автомобилях ИИ будет относиться к пассажирам, как к выдающимся VIP-клиентам, обеспечивая тщательное обслуживание. Особенно в 2023 году выпуск ChatGPT вызовет новую волну бума искусственного интеллекта. В беспилотных транспортных средствах ИИ, использующий голос для ответа на вопросы других людей, уже является неизбежной функциональной эволюцией.
Эволюция облачных и периферийных вычислений для систем автономного вождения
Поскольку объем данных, которые беспилотные транспортные средства должны обрабатывать, постепенно продолжает увеличиваться, простые автомобильные терминалы постепенно перестают соответствовать требованиям вычислительной мощности для обработки данных. Для удовлетворения потребностей в обработке данные отправляются в облако, а данные обрабатываются и анализируются в облачном ИИ.Результаты анализа ИИ могут быть отправлены обратно на терминал автономного транспортного средства в любое время.С развитием Благодаря искусственному интеллекту этот метод обработки данных стал стандартом для автономного вождения.Одна из стандартных архитектур.
Рисунок 5. Принципиальная схема облачного обучения и прогнозирования периферийных вычислений.
В течение всего процесса передачи данных определенно будет происходить расширение данных, и характер данных в реальном времени может быть нарушен. Чтобы решить эту проблему, с одной стороны, необходимо оптимизировать и улучшить скорость передачи данных и объем передаваемых данных беспроводной связи.С другой стороны, ИИ также способствовал разработке и применению технологии периферийных вычислений в беспилотных транспортных средствах. что расширило возможности предварительной обработки данных транспортных средств.
Подведем итог
Вообще говоря, с наступлением цифровой эпохи искусственный интеллект расширил возможности всех сфер жизни. импульс. ИИ постепенно заменил водителей, улучшая и развивая безопасность, точность и комфорт во многих аспектах, таких как восприятие среды вождения, планирование маршрута, управление транспортным средством и взаимодействие с пассажирами. Ожидается, что в эпоху искусственного интеллекта технологии автономного вождения будут продолжать быстро развиваться и способствовать полному применению беспилотных транспортных средств.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
В эпоху искусственного интеллекта технологии автономного вождения быстро развиваются.
Источник: Сеть автотестов.
Автор: Бэйдоу
Знакомство с Beidou: 10-летний опыт разработки и управления интеллектуальными кабинами, навигационными и развлекательными системами, 3-летний опыт разработки продуктов автономного вождения и 5-летний опыт создания испытательной среды для моделирования автономного вождения.
В последние годы, благодаря продвижению политики и расширению прав и возможностей рынка, индустрия автоматического вождения ускорила свое внедрение, а основные вспомогательные средства производственной цепочки и развития рынка стали все более и более зрелыми. С 2020 года индустрия автономного вождения официально вступила в «золотое десятилетие». Ожидается, что к 2030 году доля рынка автономных транспортных средств в моей стране превысит 50%, а объем рынка услуг по обслуживанию беспилотных транспортных средств достигнет 1,3 триллиона. С точки зрения тенденций технологического развития, индустрия технологий автономного вождения в моей стране в настоящее время развивается от интеллекта одного транспортного средства к эпохе сотрудничества транспортных средств и дорог, и именно технология искусственного интеллекта поддерживает эту эволюцию. Третий подъем ИИ, возникший в результате глубокого обучения, способствовал наступлению эры ИИ. **Эта статья посвящена анализу и представлению эволюционного продвижения применения технологий искусственного интеллекта в области автономного вождения в эпоху искусственного интеллекта. **
Эволюция системы автопилота
1. ИИ в анализе изображений автономного вождения
В системе автономного вождения автомобиль оснащен различными датчиками восприятия, такими как камеры, радар миллиметрового диапазона, лидар и т. д. Система будет анализировать данные, полученные в результате восприятия, и принимать решения по управлению транспортным средством на основе данных искусственного интеллекта. результаты анализа.
Система автономного вождения не может напрямую оценивать необработанные данные, полученные датчиками восприятия, такими как камеры, потому что системе изначально не хватает способности классифицировать вещи, как ребенка. Поэтому, прежде всего, данные необходимо классифицировать и различать друг за другом.Эта работа — маркировка данных. Классифицируйте и маркируйте все дорожные и дорожно-связанные элементы различных объектов дорожного движения (полосы движения, дорожные знаки, светофоры и т. д.) и различных участников дорожного движения (пешеходов, велосипедов, легковых автомобилей, коммерческого транспорта, спецтранспорта и т. д.).
Блок обработки системы автономного вождения будет использовать эти результаты аннотаций и классификации в качестве основы, а ИИ будет изучать характеристики различных классифицированных объектов. Чем больше базовых данных, тем заметнее особенности и тем выше точность распознавания объектов. ИИ подобен мозгу системы автономного вождения: он анализирует характеристики каждого объекта и постепенно изучает характеристики внешнего вида и особенности движения объекта. Благодаря такому многократному обучению и работе мозг ИИ постепенно становится умнее: распознавая тип объекта на изображении, он также может оценить общее состояние объекта. Это приложение в области технологий, связанных с компьютерным зрением, с которым мы знакомы. Кроме того, с помощью ИИ также можно автоматизировать работу по классификации и маркировке.
2. ИИ в принятии решений при автономном вождении
Благодаря компьютерному зрению система может осознавать общее состояние данных, полученных сенсорными датчиками, и на основе этого выносить суждения и решения по управлению транспортным средством. Именно так ИИ способствует развитию технологий автономного вождения.
На основе данных о восприятии ИИ в кратчайшие сроки вынесет такое же суждение, как и привычки человека во время вождения. Чтобы обеспечить обработку изображений в реальном времени и мгновенное принятие решений, в этой области существует большая потребность в разработке высокоточного искусственного интеллекта, основанного на мощных возможностях обработки данных.
3. ИИ в системе автоматического прогнозирования вождения
Одним из элементов принятия суждений является «прогнозирование». Как дальше будут двигаться едущие впереди транспортные средства или пешеходы, ИИ необходимо заранее предсказать возможные действия всех объектов в дорожной среде и реализовать управление транспортным средством на основе прогноза.
«Проблема троллейбуса» глазами ИИ
Предположим, что беспилотный автомобиль едет по односторонней однополосной дороге с деревьями по обеим сторонам, и вдруг внезапно отказывают тормоза. По дороге перед ним идет старик, а дорогу перебегает ребенок. Нам надо принять решение.. На самом деле это "Проблема с троллейбусом" - деформированная сцена. Когда прогнозирующие возможности системы превышены, автономные транспортные средства не могут принимать решения и суждения в экстремальных ситуациях, и конфликтное состояние принятия решений станет ахиллесовой пятой безопасности системы. Исходя из логики здравого смысла, во избежание угрозы безопасности персонала он может только сделать резкий поворот и врезать беспилотный автомобиль в дерево. Когда система вынуждена сделать окончательный выбор, который не может избежать вождения или травмирования пассажиров, то, какое решение должен принять ИИ, на самом деле отражает часть намерения разработчика: должен ли он защищать других людей, кроме своей собственной машины, или водителя своей своя машина Где пассажиры? Либо об этом следует судить по количеству людей, либо вы должны изо всех сил нажать на тормоза и позволить природе идти своим чередом.
На самом деле, этот вопрос всегда был спорным, и даже человеку нелегко сделать точные выводы. Однако в некоторых областях правительство приняло законы, предусматривающие аналогичные вопросы. Например, «Закон об автоматизированном вождении (поправка к Закону о дорожном движении)», принятый и введенный в действие в Германии, предусматривает: «Когда существует неизбежный риск получения травм, система предотвращения аварий должна обладать способностью принимать решения, не принимая во внимание человеческие жизни». на основе личных характеристик». Это также дает ИИ четкое направление принятия решений для таких проблем.
Эволюция планирования маршрута для систем автономного вождения
Всестороннее определение маршрута и пункта назначения, а также планирование наиболее подходящего пути являются одними из важнейших навыков для беспилотных транспортных средств. При планировании маршрута необходимо не только учитывать прогнозы пробок на дорогах и строительство дорог между пунктами назначения, но и выбирать наиболее подходящее планирование маршрута на уровне полосы движения, при этом, обеспечивая удобство маршрута для нескольких пассажиров, система должна мгновенно определять порядок в котором выполнить путь для достижения наиболее эффективного и кратчайшего планирования пути.
В целях постоянного улучшения возможностей системы необходимо проводить анализ рисков фактической аварийности планируемого маршрута, проводить анализ данных на основе условий дорожного движения, количества поворотов, количества светофоров и другой информации о проходящих дорогах. через запланированный маршрут, постепенно оптимизировать стратегию планирования маршрута и, в конечном итоге, улучшить возможности планирования системы.
Диспетчеризация транспортных средств также требует, чтобы система беспилотного вождения планировала наиболее подходящий маршрут для всех такси. Более того, прогнозирование того, когда и где возникнет потребность в транспортном средстве, также является базовой функцией, которую последующие системы автономного вождения должны реализовать для функции планирования транспортных средств. Технология, которая добавляет прогнозы будущих требований к сложным сценариям приложений и может мгновенно обеспечить соответствующие результаты принятия решений, в настоящее время способна использовать только ИИ.
Эволюция взаимодействия человека и компьютера в системе автоматического вождения
В автономных транспортных средствах без водителя или сотрудника службы безопасности самое главное — точно понимать статус и потребности пассажиров. Затем система заменит водителя, чтобы завершить ответ или отчет о текущем состоянии вождения автомобиля, а также завершить необходимую связь с пассажирами во время вождения. Эти требования — именно то, в чем хорош ИИ.
Для связи между пассажирами и беспилотными транспортными средствами также будет использоваться технология распознавания речи, которая в настоящее время широко используется на мобильных телефонах и планшетах. Хотя человеческий язык часто имеет расширенные значения, которые сложнее понять в дополнение к поверхностному значению, благодаря вмешательству ИИ способность системы к пониманию постепенно улучшится от базовой четкой инструкции «Я хочу пойти в отель» к понимание того, что пассажирам необходимо дальнейшее понимание. Расплывчатая инструкция реальных потребностей «хочу вкусно поесть» — это на самом деле то, в чем ИИ хорош.
Помимо понимания различных инструкций пассажиров, ИИ может также анализировать состояние пассажиров на основе информации, собранной датчиками, такими как камеры в автомобиле, что позволяет им думать независимо и самостоятельно принимать соответствующие меры. Например, когда ИИ определяет, что пассажир спит, он может уменьшить яркость света в машине и включить расслабляющую музыку, чтобы помочь заснуть. В случае постоянного кашля и повышенной температуры тела пассажиров заранее напомните о ближайших по маршруту аптеках и поликлиниках.
В будущих беспилотных автомобилях ИИ будет относиться к пассажирам, как к выдающимся VIP-клиентам, обеспечивая тщательное обслуживание. Особенно в 2023 году выпуск ChatGPT вызовет новую волну бума искусственного интеллекта. В беспилотных транспортных средствах ИИ, использующий голос для ответа на вопросы других людей, уже является неизбежной функциональной эволюцией.
Эволюция облачных и периферийных вычислений для систем автономного вождения
Поскольку объем данных, которые беспилотные транспортные средства должны обрабатывать, постепенно продолжает увеличиваться, простые автомобильные терминалы постепенно перестают соответствовать требованиям вычислительной мощности для обработки данных. Для удовлетворения потребностей в обработке данные отправляются в облако, а данные обрабатываются и анализируются в облачном ИИ.Результаты анализа ИИ могут быть отправлены обратно на терминал автономного транспортного средства в любое время.С развитием Благодаря искусственному интеллекту этот метод обработки данных стал стандартом для автономного вождения.Одна из стандартных архитектур.
В течение всего процесса передачи данных определенно будет происходить расширение данных, и характер данных в реальном времени может быть нарушен. Чтобы решить эту проблему, с одной стороны, необходимо оптимизировать и улучшить скорость передачи данных и объем передаваемых данных беспроводной связи.С другой стороны, ИИ также способствовал разработке и применению технологии периферийных вычислений в беспилотных транспортных средствах. что расширило возможности предварительной обработки данных транспортных средств.
Подведем итог
Вообще говоря, с наступлением цифровой эпохи искусственный интеллект расширил возможности всех сфер жизни. импульс. ИИ постепенно заменил водителей, улучшая и развивая безопасность, точность и комфорт во многих аспектах, таких как восприятие среды вождения, планирование маршрута, управление транспортным средством и взаимодействие с пассажирами. Ожидается, что в эпоху искусственного интеллекта технологии автономного вождения будут продолжать быстро развиваться и способствовать полному применению беспилотных транспортных средств.