AI az autonóm járművekben
A mesterséges intelligencia lehetővé teszi a járművek számára, hogy érzékeljék környezetüket, megjósolják, mit fognak tenni mások, és kismértékben vagy egyáltalán nem emberi beavatkozással vezetik magukat.
Áttekintés
It blends computer vision, sensor fusion, and decision-making into a system that operates a car in real time.
Mély merülés
Az önvezető autó folyamatos kört fut: érzékelés, előrejelzés, tervezés és irányítás. A kamerák, a radarok és gyakran a lidarok nyers adatokat szolgáltatnak, amelyeket a mesterséges intelligencia a világ 3D-s modelljébe olvaszt be, és érzékeli a sávokat, járműveket, gyalogosokat és táblákat. Az előrejelzési modellek előrejelzik, hogy ezek az ügynökök hogyan fognak mozogni a következő néhány másodpercben. A tervező ezután biztonságos utat és sebességet választ, és a vezérlőrendszerek azt kormányzásba, gázpedálba és fékezésbe fordítják. A SAE hat automatizálási szintet határoz meg, a 0. szinttől (nincs) az 5. szintig (bárhol teljesen autonóm). A Waymo és a Cruise mai robottengelyei a 4. szinten működnek a feltérképezett szolgáltatási területeken, míg a fogyasztói rendszerek, mint például a Tesla Autopilot, 2. szintűek, és figyelmes vezetőt igényelnek. Az éles esetek, a ritka és szokatlan helyzetek továbbra is a legnehezebb kihívást jelentik.
Technikai betekintés
Az érzékelés mély neurális hálózatokra támaszkodik az objektumok észleléséhez és szemantikai szegmentálásához, egyesíti a kamerát, a radart és a lidart, így mindegyik érzékelő fedezi mások gyengeségeit (kamerák a szín/szöveg megjelenítéséhez, radar a sebességhez ködben, lidar a pontos távolsághoz). Sok verem HD térképeket használ a lokalizációhoz, és az élő szenzoradatokat egy előre elkészített 3D térképhez igazítja centiméteren belül. A tervezés kombinálhatja a tanult modelleket a szabályokon alapuló biztonsági megszorításokkal, és a szimulációt tömegesen használják virtuális mérföldek milliárdjainak tesztelésére.
Stratégiai hatás
Kontextus és szabályok
Az iparági kontextus határozza meg, hogy az AI ötletek túlélik-e a valósággal való érintkezést.
Minőségellenőrzés
A tartományi korlátok befolyásolják az elfogadható hibaarányt és a felügyeleti modelleket.
Építési lehetőségek
A sikeres telepítések összehangolják a műszaki képességeket a frontvonalbeli munkafolyamatokkal.
Az AI jövője az autonóm járművekben
A robotaxi szolgáltatások fokozatos földrajzi terjeszkedésére kell számítani, ahelyett, hogy hirtelen ugrás lenne a bárhová vezethető autókra. Egyre nagyobb teret hódítanak a végpontok közötti neurális hálózatok, amelyek az érzékelőket közvetlenül a vezetési tevékenységekhez hozzárendelik, és a jármű-mindent (V2X) kommunikáció lehetővé teheti, hogy az autók megosszák szándékaikat. A szabályozás, a felelősség és a közbizalom éppúgy alakítja a bevezetést, mint a technológia. A teherautók és a fix útvonalú ingajáratok a személygépkocsik előtt terjedhetnek, mivel az autópályák és az ismétlődő útvonalak egyszerűbbek, mint a kaotikus városi utcák.
Valós megvalósítás
A Waymo vezető nélküli robotaxit üzemeltet Phoenixben és San Franciscóban
A Tesla Autopilot és Full Self-Driving rendszere 2-es szintű vezetői támogatást nyújt a fogyasztói autókon
Autonóm teherfuvarozó pilóták (pl. Aurora, Kodiak), akik árut szállítanak autópályákon
Automatizált inas- és transzferszolgáltatások, amelyek rögzített útvonalakon mozgatják az embereket a repülőtereken és az egyetemeken
Kockázatok és védőkorlátok
A szabályozási követelmények érvényteleníthetik az egyébként erős prototípusokat.
A korábbi adatok olyan elfogultságot kódolhatnak, amely bizonyos közösségeket károsít.
Az örökölt rendszerek szűk keresztmetszeteket és rejtett költségeket okozhatnak az integrációban.
Végrehajtási ütemterv
Vonjon be területi szakértőket a probléma megfogalmazásától az értékelésig.
Tervezze meg az ellenőrzési nyomvonalakat és a dokumentációt az indítás előtt.
Korán érvényesítse a megfelelési és biztonsági kötelezettségeket.
Fázisokban történő bevezetés egyértelmű leállítási és visszaállítási kritériumokkal.
Folytassa a felfedezést
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
Következő útmutató
Waymo Autonóm Vezetési Stack
Gyakran ismételt kérdések
What is AI in Autonomous Vehicles?
A mesterséges intelligencia lehetővé teszi a járművek számára, hogy érzékeljék környezetüket, megjósolják, mit fognak tenni mások, és kismértékben vagy egyáltalán nem emberi beavatkozással vezetik magukat. Egyesíti a számítógépes látást, a szenzorfúziót és a döntéshozatalt egy olyan rendszerben, amely valós időben működteti az autót.
Mi az önvezető autó feldolgozási körének négy fő szakasza?
Az autonóm vezetés a környezet érzékelésének, mások mozgásának előrejelzésének, útvonaltervezésnek és a jármű vezérlésének ciklusát követi.
Miért egyesítik az autonóm járművek gyakran kamera-, radar- és lidar-adatokat?
A kamerák színt és szöveget látnak, a radar méri a sebességet a ködön át, a lidar pedig pontos távolságot ad; összeolvasztva megbízhatóbb képet kapunk.
A SAE skálán mit jelent az 5-ös szintű automatizálás?
Az 5. szint a teljes automatizálás minden körülmények között és helyen, emberi vezető nélkül; a mai rendszerek ettől jócskán elmaradnak.
A Waymo mai nyilvános robotaxisai általában milyen szinten működnek?
A Waymo olyan 4-es szintű járműveket üzemeltet, amelyek maguk hajtanak, de csak meghatározott, feltérképezett működési területeken belül.
Mit csinál a vezetői verem előrejelzési szakasza?
Az előrejelző modellek előrevetítik a gyalogosok, kerékpárosok és járművek jövőbeli mozgását, így a tervező biztonságos utat választhat.