• 中华快餐网
  • 您的位置:首页 >> 资讯 >> 正文

    无人驾驶汽车的“烧脑”之争

    发表时间:2019-10-12 信息来源:www.cffw.net 浏览次数:688

     

    我要在3天前分享的原始Geshi车

    理想是充实的,但现实是非常中立的。无人驾驶汽车在路上,可能还有很长的路要走。

    在充满激情的赛道上,一些无人驾驶汽车正在以海龟的速度移动,有些在场景设置点不太顺畅,有些正在中途退役.

    当我们等待梦想以期待照亮现实时,一盆冷水倾泻而下。虽然它已经建立在秋天,但重庆在8月底仍然在阳光下炎热,地面温度超过40度,户外散步已经出汗。在重庆,“热情如火”,i-VISTA“中国电信5G杯”汽车驾驶挑战赛也在上演。

    第二场比赛,自动驾驶仪城市交通现场挑战赛是一场L5级比赛。来自汽车公司,科技公司,大学/研究机构的31个团队参加了比赛,其中包括2个国家。团队。

    这就是组委会所谓的“最强大的汽车大脑挑战”,但我认为这是一款“燃烧大脑”的游戏,很难自动驾驶,游戏也很难,让无人驾驶汽车更难跑在路上。

    比赛规定,安全,效率,信息服务,通信和定位能力等18个场景将在12分钟的有限时间内完成(三个随机场景在两种不同的条件下运行),评估准确的感知和快速的决策参与车辆的能力,以及适应典型城市道路和交通场景的能力。

    据了解,城市交通场景挑战赛设置的15个基本场景是:起点 - 环路 - 汇合通道 - 跟随汽车穿过弯道 - T形交叉口左转弯 - 障碍物识别和响应 - 右转弯通过行人 - 避开行人 - 隧道通道 - 主动超车 - 驼峰桥 - 外星人十字路口 - 缓冲下坡 - 事故车辆避让 - 结束路边停车。其中,隧道访问和驼峰桥被选为场景。

    在比赛现场,我们了解到在比赛期间,许多球队遭遇了意想不到的错误,因而退出了比赛。选择场景作为加号项已成为许多团队的问题。从实际游戏情况来看,一些团队放弃了两个选定场景中的一个或全部。

    根据现场工作人员的说法,这两种情况包括对自动驾驶系统的连续处理和响应能力的评估。例如,隧道进入,在进入隧道之前,需要车道灯和隧道警告标志来指示车道被转移到隧道中。之前,应正确打开右转向灯;进入隧道后,GPS信号将丢失。参与的车辆需要打开近光灯并沿着车道安全地驶出隧道。驼峰桥现场要求参与的车辆以20km/h的速度通过驼峰桥。当桥梁结束时,不会发生斜坡或停滞,下桥的速度限制在20km/h。参与车辆数量的问题是当桥梁下降时速度无法控制,远远超过20km/h的速度。

    为什么会这样?中国汽车工程研究院有限公司总经理周周和活动团队负责人解释说,这是本次比赛中最接近L5级别的比赛。与去年的游戏相比,难度系数更大,并且添加了多个随机场景。此外,游戏场景的构建将不会在比赛开始前2小时完成。在完成比赛之前,参赛队伍不会知道车辆必须处理的所有场景的分发顺序。这些举措的目的是确保通过活动评估参与车辆的真实自动驾驶水平。

    “城市交通场景挑战赛”游戏场景和驾驶路线图

    可以理解,所谓的随机性意味着参与车辆通过场景遇到的工作条件不固定。如行车路线图所示,场景3(组合频道),场景5(左侧为T形交叉),场景6(障碍物识别和响应),场景7(右转到行人),场景8(避开行人)是随机场景。场景3参与车辆会聚时会随机遇到主要道路车辆;场景6可以在两个标记位置之一处设置障碍物;场景5根据参与车辆是否遇到红灯,场景7和场景8根据参与车辆是否遇到行人分为两个工作状态。在实际比赛中,每个工作状态都会出现,但两个标记位置的出现顺序是随机的。

    从这个角度来看,对于31支球队来说,这是一场艰难且具有挑战性的比赛。他们的表现还直接报道了当前自动驾驶发展中遇到的一些问题。仍然存在许多问题,并且它们没有它们应该发展的那么快,并且在它们真正实现这条道路之前还有很长的路要走。

    我们看到城市交通场景比赛是比赛中最具争议的,31个参赛队伍拥有各种各样的车辆,包括乘用车,公共汽车,小巴和微型/大型扫描。该车涵盖了自动驾驶着陆应用的大部分当前场景。

    对于游戏的结果,无论是挑战胜利还是挑战失败,这都是一款非常有意义的游戏。许多业内专家表示,这样的竞争结果并不是件坏事。相反,这是一件好事,它可以使行业更加了解当前自动驾驶的发展,需要填补多少坑,以及需要解决多少问题。

    一些业内专家指出,从技术角度来看,目前自动驾驶的痛苦在于稳定可靠的感知和认知,包括清晰的视觉,高质量的算法,多传感器融合以及高效和强大的计算能力。其中,多传感器融合也被认为是未来自动驾驶的重要发展趋势。

    多传感器融合需要快速处理每个传感器收集的信息,以便高速汽车能够及时执行反馈动作以应对突发的交通状况。可以看出,多传感器融合不仅是硬件的协调,而且是决策层的算法和计算支持。

    因此,对于自动驾驶汽车而言,多个传感器的集成需要整个产业链的积极配合,以便在解决硬件问题时,软件的计算能力也能跟上。

    在自动驾驶爆炸的前夕,这场关于无人驾驶汽车“燃烧大脑”战斗的游戏就像一盆冷水随时间醒来,我们心中有盲目的乐观和信心。

    尽管如此,蝎子还是一匹马,退出了。对于新技术的发展,我们必须敬畏。尽管游戏已经结束,但无人驾驶汽车的“燃烧大脑”之战尚未结束。

    本文为第一作者的原创,未经授权不得转载

    收集报告投诉

    理想是充实的,但现实是非常中立的。无人驾驶汽车在路上,可能还有很长的路要走。

    在充满激情的赛道上,一些无人驾驶汽车正在以海龟的速度移动,有些在场景设置点不太顺畅,有些正在中途退役.

    当我们等待梦想以期待照亮现实时,一盆冷水倾泻而下。虽然它已经建立在秋天,但重庆在8月底仍然在阳光下炎热,地面温度超过40度,户外散步已经出汗。在重庆,“热情如火”,i-VISTA“中国电信5G杯”汽车驾驶挑战赛也在上演。

    第二场比赛,自动驾驶仪城市交通现场挑战赛是一场L5级比赛。来自汽车公司,科技公司,大学/研究机构的31个团队参加了比赛,其中包括2个国家。团队。

    这就是组委会所谓的“最强大的汽车大脑挑战”,但我认为这是一款“燃烧大脑”的游戏,很难自动驾驶,游戏也很难,让无人驾驶汽车更难跑在路上。

    比赛规定,安全,效率,信息服务,通信和定位能力等18个场景将在12分钟的有限时间内完成(三个随机场景在两种不同的条件下运行),评估准确的感知和快速的决策参与车辆的能力,以及适应典型城市道路和交通场景的能力。

    据了解,城市交通场景挑战赛设置的15个基本场景是:起点 - 环路 - 汇合通道 - 跟随汽车穿过弯道 - T形交叉口左转弯 - 障碍物识别和响应 - 右转弯通过行人 - 避开行人 - 隧道通道 - 主动超车 - 驼峰桥 - 外星人十字路口 - 缓冲下坡 - 事故车辆避让 - 结束路边停车。其中,隧道访问和驼峰桥被选为场景。

    在比赛现场,我们了解到在比赛期间,许多球队遭遇了意想不到的错误,因而退出了比赛。选择场景作为加号项已成为许多团队的问题。从实际游戏情况来看,一些团队放弃了两个选定场景中的一个或全部。

    根据现场工作人员的说法,这两种情况包括对自动驾驶系统的连续处理和响应能力的评估。例如,隧道进入,在进入隧道之前,需要车道灯和隧道警告标志来指示车道被转移到隧道中。之前,应正确打开右转向灯;进入隧道后,GPS信号将丢失。参与的车辆需要打开近光灯并沿着车道安全地驶出隧道。驼峰桥现场要求参与的车辆以20km/h的速度通过驼峰桥。当桥梁结束时,不会发生斜坡或停滞,下桥的速度限制在20km/h。参与车辆数量的问题是当桥梁下降时速度无法控制,远远超过20km/h的速度。

    为什么会这样?中国汽车工程研究院有限公司总经理周周和活动团队负责人解释说,这是本次比赛中最接近L5级别的比赛。与去年的游戏相比,难度系数更大,并且添加了多个随机场景。此外,游戏场景的构建将不会在比赛开始前2小时完成。在完成比赛之前,参赛队伍不会知道车辆必须处理的所有场景的分发顺序。这些举措的目的是确保通过活动评估参与车辆的真实自动驾驶水平。

    “城市交通场景挑战赛”游戏场景和驾驶路线图

    可以理解,所谓的随机性意味着参与车辆通过场景遇到的工作条件不固定。如行车路线图所示,场景3(组合频道),场景5(左侧为T形交叉),场景6(障碍物识别和响应),场景7(右转到行人),场景8(避开行人)是随机场景。场景3参与车辆会聚时会随机遇到主要道路车辆;场景6可以在两个标记位置之一处设置障碍物;场景5根据参与车辆是否遇到红灯,场景7和场景8根据参与车辆是否遇到行人分为两个工作状态。在实际比赛中,每个工作状态都会出现,但两个标记位置的出现顺序是随机的。

    从这个角度来看,对于31支球队来说,这是一场艰难且具有挑战性的比赛。他们的表现还直接报道了当前自动驾驶发展中遇到的一些问题。仍然存在许多问题,并且它们没有它们应该发展的那么快,并且在它们真正实现这条道路之前还有很长的路要走。

    我们看到城市交通场景比赛是比赛中最具争议的,31个参赛队伍拥有各种各样的车辆,包括乘用车,公共汽车,小巴和微型/大型扫描。该车涵盖了自动驾驶着陆应用的大部分当前场景。

    对于游戏的结果,无论是挑战胜利还是挑战失败,这都是一款非常有意义的游戏。许多业内专家表示,这样的竞争结果并不是件坏事。相反,这是一件好事,它可以使行业更加了解当前自动驾驶的发展,需要填补多少坑,以及需要解决多少问题。

    一些业内专家指出,从技术角度来看,目前自动驾驶的痛苦在于稳定可靠的感知和认知,包括清晰的视觉,高质量的算法,多传感器融合以及高效和强大的计算能力。其中,多传感器融合也被认为是未来自动驾驶的重要发展趋势。

    多传感器融合需要快速处理每个传感器收集的信息,以便高速汽车能够及时执行反馈动作以应对突发的交通状况。可以看出,多传感器融合不仅是硬件的协调,而且是决策层的算法和计算支持。

    因此,对于自动驾驶汽车而言,多个传感器的集成需要整个产业链的积极配合,以便在解决硬件问题时,软件的计算能力也能跟上。

    在自动驾驶爆炸的前夕,这场关于无人驾驶汽车“燃烧大脑”战斗的游戏就像一盆冷水随时间醒来,我们心中有盲目的乐观和信心。

    尽管如此,蝎子还是一匹马,退出了。对于新技术的发展,我们必须敬畏。尽管游戏已经结束,但无人驾驶汽车的“燃烧大脑”之战尚未结束。

    本文为第一作者的原创,未经授权不得转载

  • 热门标签

  • 日期归档

  • 友情链接:

    Copyright©1999-2022 www.cffw.net AllRightsReserved. 中华快餐网  | 网站地图