AI σε αυτόνομα οχήματα
Η τεχνητή νοημοσύνη επιτρέπει στα οχήματα να αισθάνονται το περιβάλλον τους, να προβλέψουν τι θα κάνουν οι άλλοι και να οδηγούν τα ίδια με ελάχιστη ή καθόλου ανθρώπινη συνεισφορά.
Επισκόπηση
Συνδυάζει την όραση υπολογιστή, τη σύντηξη αισθητήρων και τη λήψη αποφάσεων σε ένα σύστημα που χειρίζεται ένα αυτοκίνητο σε πραγματικό χρόνο.
Βαθιά κατάδυση
Ένα αυτο-οδηγούμενο αυτοκίνητο τρέχει έναν συνεχή κύκλο: αντίληψη, πρόβλεψη, προγραμματισμό και έλεγχο. Κάμερες, ραντάρ και συχνά lidar τροφοδοτούν ακατέργαστα δεδομένα που η τεχνητή νοημοσύνη ενώνει σε ένα τρισδιάστατο μοντέλο του κόσμου, ανιχνεύοντας λωρίδες, οχήματα, πεζούς και πινακίδες. Τα μοντέλα πρόβλεψης προβλέπουν πώς θα κινηθούν αυτοί οι πράκτορες τα επόμενα δευτερόλεπτα. Στη συνέχεια, ένας σχεδιαστής επιλέγει μια ασφαλή διαδρομή και ταχύτητα και τα συστήματα ελέγχου τα μεταφράζουν σε διεύθυνση, γκάζι και πέδηση. Το SAE ορίζει έξι επίπεδα αυτοματισμού, από το Επίπεδο 0 (κανένα) έως το Επίπεδο 5 (πλήρως αυτόνομο οπουδήποτε). Οι σημερινές ρομποταξί από την Waymo και την Cruise λειτουργούν στο Επίπεδο 4 εντός χαρτογραφημένων περιοχών εξυπηρέτησης, ενώ καταναλωτικά συστήματα όπως το Tesla Autopilot είναι Επίπεδο 2, απαιτώντας προσεκτικό οδηγό. Edge case, σπάνιες και ασυνήθιστες καταστάσεις, παραμένουν η πιο δύσκολη πρόκληση.
Τεχνική διορατικότητα
Η αντίληψη βασίζεται σε βαθιά νευρωνικά δίκτυα για την ανίχνευση αντικειμένων και τη σημασιολογική τμηματοποίηση, τη σύντηξη κάμερας, ραντάρ και lidar, ώστε κάθε αισθητήρας να καλύπτει τις αδυναμίες των άλλων (κάμερες για χρώμα/κείμενο, ραντάρ για ταχύτητα στην ομίχλη, lidar για ακριβή απόσταση). Πολλές στοίβες χρησιμοποιούν χάρτες HD για εντοπισμό, αντιστοιχίζοντας ζωντανά δεδομένα αισθητήρων σε έναν προκατασκευασμένο τρισδιάστατο χάρτη εντός εκατοστών. Ο σχεδιασμός μπορεί να συνδυάζει μαθησιακά μοντέλα με περιορισμούς ασφαλείας που βασίζονται σε κανόνες και η προσομοίωση χρησιμοποιείται μαζικά για τη δοκιμή δισεκατομμυρίων εικονικών μιλίων.
Στρατηγικός αντίκτυπος
Πλαίσιο και κανόνες
Το πλαίσιο του κλάδου καθορίζει εάν οι ιδέες τεχνητής νοημοσύνης επιβιώνουν σε επαφή με την πραγματικότητα.
Ελεγχος ποιότητας
Οι περιορισμοί τομέα επηρεάζουν τα αποδεκτά ποσοστά σφαλμάτων και τα μοντέλα επίβλεψης.
Δημιουργήστε επιλογές
Οι επιτυχημένες αναπτύξεις ευθυγραμμίζουν τις τεχνικές δυνατότητες με τις ροές εργασίας πρώτης γραμμής.
Το μέλλον της τεχνητής νοημοσύνης στα αυτόνομα οχήματα
Αναμένετε σταδιακή γεωγραφική επέκταση των υπηρεσιών robotaxi αντί για ένα ξαφνικό άλμα για να οδηγείτε οπουδήποτε αυτοκίνητα. Τα νευρωνικά δίκτυα από άκρο σε άκρο που χαρτογραφούν αισθητήρες απευθείας σε οδηγικές ενέργειες κερδίζουν έδαφος και η επικοινωνία από όχημα σε όλα (V2X) μπορεί να επιτρέψει στα αυτοκίνητα να μοιράζονται προθέσεις. Η ρύθμιση, η ευθύνη και η εμπιστοσύνη του κοινού θα διαμορφώσουν την ανάπτυξη εξίσου με την τεχνολογία. Οι μεταφορές με φορτηγά και τα λεωφορεία σταθερής διαδρομής μπορεί να κλιμακωθούν πριν από τα προσωπικά αυτοκίνητα, καθώς οι αυτοκινητόδρομοι και οι επαναλαμβανόμενες διαδρομές είναι απλούστερες από τους χαοτικούς δρόμους της πόλης.
Υλοποίηση σε πραγματικό κόσμο
Η Waymo λειτουργεί με ρομποταξί χωρίς οδηγό για το κοινό στο Φοίνιξ και το Σαν Φρανσίσκο
Ο αυτόματος πιλότος και η πλήρης αυτοοδήγηση της Tesla παρέχουν υποβοήθηση οδηγού επιπέδου 2 σε καταναλωτικά αυτοκίνητα
Αυτόνομοι πιλότοι φορτηγών (π.χ. Aurora, Kodiak) που μεταφέρουν φορτία σε διαδρομές αυτοκινητοδρόμων
Αυτοματοποιημένες υπηρεσίες παρκαδόρου και λεωφορείων που μετακινούν άτομα σε σταθερά δρομολόγια σε αεροδρόμια και πανεπιστημιουπόλεις
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Οι κανονιστικές απαιτήσεις μπορεί να ακυρώσουν τα κατά τα άλλα ισχυρά πρωτότυπα.
Τα ιστορικά δεδομένα ενδέχεται να κωδικοποιούν προκατάληψη που βλάπτει συγκεκριμένες κοινότητες.
Τα παλαιού τύπου συστήματα μπορούν να δημιουργήσουν συμφόρηση ενοποίησης και κρυφά κόστη.
Οδικός Χάρτης Εφαρμογής
Συμμετέχετε ειδικούς του τομέα από τη διαμόρφωση προβλημάτων έως την αξιολόγηση.
Σχεδιάστε ίχνη ελέγχου και τεκμηρίωση πριν από την εκτόξευση.
Επικυρώστε έγκαιρα τις υποχρεώσεις συμμόρφωσης και ασφάλειας.
Αναπτύξτε σε φάσεις με σαφή κριτήρια διακοπής και επαναφοράς.
Συνεχίστε την εξερεύνηση
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Autonomous Vehicles quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Επόμενος οδηγός
Στοίβα αυτόνομης οδήγησης Waymo
Συχνές ερωτήσεις
Τι είναι η τεχνητή νοημοσύνη στα αυτόνομα οχήματα;
Η τεχνητή νοημοσύνη επιτρέπει στα οχήματα να αισθάνονται το περιβάλλον τους, να προβλέψουν τι θα κάνουν οι άλλοι και να οδηγούν τα ίδια με ελάχιστη ή καθόλου ανθρώπινη συνεισφορά. Συνδυάζει την όραση υπολογιστή, τη σύντηξη αισθητήρων και τη λήψη αποφάσεων σε ένα σύστημα που χειρίζεται ένα αυτοκίνητο σε πραγματικό χρόνο.
Ποια είναι τα τέσσερα κύρια στάδια στον βρόχο επεξεργασίας ενός αυτοοδηγούμενου αυτοκινήτου;
Η αυτόνομη οδήγηση ακολουθεί έναν κύκλο αντίληψης του περιβάλλοντος, πρόβλεψης της κίνησης των άλλων, σχεδιασμού διαδρομής και ελέγχου του οχήματος.
Γιατί συχνά τα αυτόνομα οχήματα συγχωνεύουν δεδομένα κάμερας, ραντάρ και lidar;
Οι κάμερες βλέπουν χρώμα και κείμενο, το ραντάρ μετρά την ταχύτητα μέσα από την ομίχλη και το lidar δίνει ακριβή απόσταση. Η σύντηξή τους δίνει μια πιο αξιόπιστη εικόνα.
Στην κλίμακα SAE, τι σημαίνει αυτοματισμός επιπέδου 5;
Το Επίπεδο 5 είναι πλήρης αυτοματισμός σε όλες τις συνθήκες και τοποθεσίες χωρίς να απαιτείται ανθρώπινος οδηγός. τα σημερινά συστήματα υπολείπονται αρκετά σε αυτό.
Σε ποιο επίπεδο λειτουργούν γενικά τα σημερινά δημόσια robotaxis από την Waymo;
Η Waymo τρέχει οχήματα Επιπέδου 4 που οδηγούν μόνα τους αλλά μόνο εντός καθορισμένων, χαρτογραφημένων περιοχών λειτουργίας.
Τι κάνει το στάδιο πρόβλεψης της στοίβας οδήγησης;
Τα μοντέλα πρόβλεψης προβλέπουν τη μελλοντική κίνηση πεζών, ποδηλατών και οχημάτων, ώστε ο σχεδιαστής να μπορεί να επιλέξει μια ασφαλή διαδρομή.