XiaoMi-AI文件搜索系统
World File Search SystemAVS
自动驾驶汽车感知能力的进步：从数据集收集到场景解释
自动驾驶汽车（AV）应为我们的最终地面运输形式。无疑，要实现完全自主驾驶还有很长的路要走。然而，我们对AV的探索的历史也很长，可以追溯到1920年代的第一个繁荣时期[1]。从技术上讲，早期的尝试不是自动驾驶，而是在某种程度上是遥控的，这只是将驾驶员移开车辆。当时，此任务需要集成同样智能的车辆和道路[2]。标志性的开创性实验之一发生在1950年代；通用汽车将电路嵌入公共高速公路的一部分，以展示自我引导系统[3]；尽管自动驾驶系统不在汽车内部，但它实现了AV的基本图像。通用电动机的实验反映了当时的研究浓度，AVS使用道路干扰车辆的行为以实现自动驾驶并消除驾驶员错误[4]。20世纪下半叶，综合电路的兴起将AV研究的范围从建造所谓的道路转变为开发智能车辆，因为计算机和传感器足够小，可以在普通的生产车中使用。计算机视觉和机器学习的出现标志着AV的快速进步，这被视为独立的运输能够感知环境并浏览多种传感器读数。对AV的期望正在解决与普通车辆相关的问题问题，包括污染，拥塞和交通总额[5]。随着AV的自动化和智力的发展，研究人员提出了超过技术观点的关注[6]。在所有道德和道德问题中，AV的安全引起了最大的关注[7]。安全的承诺要求AV技术已提高并与所有功能视角集成在一起，这些视角被归类为工作中的四个障碍[8]：感知，计划和决策，措施，动力和车辆控制以及系统监督。本文的重点是AV的感知能力。尽管AV的历史已经准备好了几十年，但AV感知的视野模棱两可，并且随着新兴技术的发展而发展。在一开始，感知通过分析AV和其他物体的距离来驱散周围环境的地图扮演辅助作用[9]。例如，同时定位和映射（SLAM）算法模糊了感知和映射之间的边界。但是，由于计算机视觉技术的快速发展，AVS的感知定义正在发展。快速而精确的对象检测和分类功能导致了整合感知和计划/决策阶段的建议。工作[10]是一种著名的早期尝试，它采用了整合思想，名为“直接感知”范式。与我所介绍的感知[11]和行为反射感知[12]相比，在本文中提到的直接掌握将更多的计算资源分配给环境感知，并旨在通过很少的经典映射和本地化阶段实现自主驾驶。工作的本质[10]是基于卷积神经网络（CNN）模型，该模型将图像映射到几个关键的预测指标，例如车辆对道路的方向以及与其他与道路相关的物体的距离。显然，由于神经网络在早期的局限性上，该建议是解析整个场景（介导的感知）和将图像直接映射到驾驶动作（行为反射感知）之间的贸易。因此，全局映射和本地化仍然存在于其过程中。尽管如此，直接受访方法激发了研究人员在AV感知领域中利用深度学习技术的潜力的兴趣[13]。
人工智能和自动驾驶：关键的道德考量
什么是自动驾驶汽车？它们如何使用人工智能？自动驾驶汽车的目标是在没有人类驾驶员干预的情况下以目标为导向的方式行驶。在这种情况下，由智能软件控制的传感器和执行器执行驾驶任务。根据 SAE（SAE International，2018 年），自动驾驶汽车分为五个级别。在 2 级之前，人类驾驶员仍处于控制状态，而从 3 级开始，整个驾驶任务将移交给软件。然而，在 3 级，人类驾驶员必须在预定义的时间范围内（例如 10 秒）准备好从系统接管驾驶任务。在 4 级，在一系列条件下（例如好天气），这不再是必要的。相比之下，在 5 级，软件可以在所有条件下驾驶。虽然目前量产车辆已经具备 2 级自动驾驶，但全球开发人员正在努力实现 3 级和 4 级自动驾驶。目前，所有主要汽车制造商（例如大众或丰田）、软件公司（例如谷歌的子公司 Waymo 或苹果）和初创公司（例如 Zoox）都在参与 3 级和 4 级系统的技术竞争。最近，Waymo 因其在 4 级方面的发展而备受关注，因为它放弃了凤凰城的自动驾驶出租车中的安全驾驶员（Waymo，2020 年）。他们的车辆现在仅受到远程监控。
人文主义会议2025
• Traffic safety • Road user behaviour • Different transport modes • Specific road user groups (e.g., vulnerable road users) • Road user needs and requirements (e.g., accessibility, autonomy, inclusiveness, efficiency, sustainability) • Technical, ethical, legal and societal challenges for road traffic • Human-Machine Interaction (HMI) • Advanced Driver Assist Systems (ADAS) • (Highly) automated/autonomous vehicles (AVs) • Intelligent Transport Systems （ITS）•智能车辆中的AI应用•人为因素的道路交通研究方法（例如，模拟，建模，规模开发）
自动驾驶汽车的多代理增强学习
摘要在不久的将来，自动驾驶汽车（AV）可能会与混合型官员中的人类驾驶员同居。这种同居在造成的流行和个人流动性方面以及从道路安全的角度提出了严重的挑战。混合术可能无法满足预期的安全要求，然后自动驾驶汽车可能会垄断该官员。使用多机构增强学习（MARL）算法，研究人员试图针对两种情况设计自动驾驶汽车，本文研究了他们最近的进步。我们专注于解决决策问题的文章，并确定四个范式。有些作者解决了或者没有社会可行的AV的混合问题问题，而另一些作者则解决了完全自治的案例。虽然后一种情况本质上是一个交流问题，但大多数解决混合处理的作者承认了一些局限性。文献中发现的当前人类驾驶员模型过于简单，因为它们不涵盖驾驶员行为的异质性。因此，他们无法概括各种可能的行为。对于所研究的每篇论文，我们分析了作者如何从观察，行动和奖励方面提出MARL问题以匹配它们所应用的范例。
基于邻里覆盖范围和相似性的自动驾驶汽车的几个场景测试
摘要 - 在大规模部署之前，必须调查和评估自动驾驶汽车（AV）的安全性能。实际上，特定AV的测试场景数量受到严格限制的预算和时间受到严格限制。由于严格限制的测试施加的限制，现有的测试方法通常会导致明显的不确定性或难以量化评估结果。在本文中，我们首次提出了“少数测试”（FST）问题，并提出了一个系统的框架来应对这一挑战。为了减轻小型测试方案集中固有的可观不确定性，我们将FST问题作为优化问题，并根据社区覆盖范围和相似性搜索测试方案集。具体而言，在AVS设置的测试方案更好的概括能力的指导下，我们动态调整了该集合以及每个测试方案对基于覆盖范围的评估结果的贡献，利用了替代模型（SMS）的先前信息。通过SMS上的某些假设，建立了评估误差的理论上上限，以验证给定数量有限的测试中评估准确性的充分性。与常规测试方法相比，剪切方案的实验结果表明，我们方法的评估误差和方差显着降低，尤其是对于对场景数量严格限制的情况。索引术语 - 射击测试，自动驾驶汽车，SCENARIO覆盖范围，测试方案集
解决自主驾驶感知的开放式对象检测：关注道路对象
摘要 - 预计自动驾驶汽车（AV）将采取安全有效的决定。因此，AVS需要对现实世界的情况进行健壮，尤其是应付开放世界的设置，即处理新颖性的能力，例如看不见的对象。经典的对象检测模型经过训练，以识别一组预定义的类，但在推理阶段很难概括为新颖的类。开放式对象检测（OSOD）旨在解决正确检测未知类别对象的挑战。但是，自主驾驶系统具有特定的开放式特性，这些特性尚未涵盖OSOD方法。的确，检测误差可能导致灾难性事件，强调优先考虑盒子检测质量而不是数量的重要性。此外，可以利用在公路场景中遇到的物体的特定特征来改善其在开放世界中的检测。在这种情况下，我们介绍了一种新的自主驾驶感知对象的定义，从而实现了AV专业的开放式对象检测器创建的ADO的命题。所提出的模型使用了一个新的分数，该分数从语义分割的背景基础真理中学到了。在道路对象评分上的这一点可以衡量该对象是否在可驱动区域上，从而增强了未知检测的选择。实验评估是在模拟和现实世界数据集上进行的，并揭示我们的方法的表现优于未知对象检测设置中的基线方法，在已知对象上与封闭式对象检测器具有相同的检测性能。
新闻稿科学部...
GUIDEBOOK TO ADVANCE AUTONOMOUS VEHICLE TECHNOLOGY ______________________________________________________________________ KUALA LUMPUR, 12 December 2024 - Malaysian Research Accelerator for Technology and Innovation (MRANTI) proudly unveiled Malaysia's first-ever Operational Design Domain (ODD) guidebook at AV Tech Day 2024, held at MRANTI Park, Bukit Jalil.奇数指南为马来西亚的自动驾驶汽车（AVS）的安全部署和测试建立了强大的基础，使国家成为繁荣的AV生态系统的领导者。由Datuk Wira HJ博士主持的发布会。Rais Hussin HJ。Mranti首席执行官 Mohamed Ariff还包括AV Buggy的展示，这是一种用于环保运输的自动驾驶汽车。 推动马来西亚在AV技术中的领导层奇数指南概述了关键参数，例如道路类型，交通场景和AV操作的环境条件，从而确保安全地整合到马来西亚独特的运输景观中。 该计划与2020年国家汽车政策（NAP 2020）保持一致，并支持马来西亚到2030年成为高科技国家的野心。 Datuk Wira HJ博士。 Rais Hussin HJ。 Mranti首席执行官 Mohamed Ariff强调了发射的重要性，他指出：“今天，随着Mranti Park Odd的发射，自动驾驶汽车的推出是马来西亚技术进步的关键时刻。 。>Mohamed Ariff还包括AV Buggy的展示，这是一种用于环保运输的自动驾驶汽车。推动马来西亚在AV技术中的领导层奇数指南概述了关键参数，例如道路类型，交通场景和AV操作的环境条件，从而确保安全地整合到马来西亚独特的运输景观中。该计划与2020年国家汽车政策（NAP 2020）保持一致，并支持马来西亚到2030年成为高科技国家的野心。Datuk Wira HJ博士。 Rais Hussin HJ。 Mranti首席执行官 Mohamed Ariff强调了发射的重要性，他指出：“今天，随着Mranti Park Odd的发射，自动驾驶汽车的推出是马来西亚技术进步的关键时刻。 。Datuk Wira HJ博士。Rais Hussin HJ。Mranti首席执行官 Mohamed Ariff强调了发射的重要性，他指出：“今天，随着Mranti Park Odd的发射，自动驾驶汽车的推出是马来西亚技术进步的关键时刻。Mohamed Ariff强调了发射的重要性，他指出：“今天，随着Mranti Park Odd的发射，自动驾驶汽车的推出是马来西亚技术进步的关键时刻。本出版物是一项开创性的计划，这是马来西亚的首个倡议，旨在确保安全部署自动驾驶汽车（AVS）。
2024年4月11日，索菲·舒尔曼（Sophie Shulman）副管理人...
avs在旧金山，加利福尼亚州，奥斯汀，德克萨斯州和全国其他地方的街道上运营了一年多，即使在解决复杂的现实世界中的挑战中仍然存在挑战，例如导航道路工作区以及对紧急情况的反应。2024年3月1日，加利福尼亚公共事业委员会批准了一家公司向洛杉矶县和旧金山半岛的大部分地区扩展AV运营。3南旧金山市，圣马特奥县，洛杉矶交通运输部和旧金山县运输局都引起了人们对这一决定的关注，特别是缺乏标准化数据，无法评估这项技术的安全。
将旧系统架构适配到 Spacewire 的设计注意事项
• 最初为“军用标准飞机内部时分命令/响应多路复用数据总线” – 由美国空军开发，用于军用飞机，最初于 1973 年发布 [2] – 后来修订为 MIL-STD-1553A，然后是 MIL-STD-1553B [3] • 为 MIL-STD-1553B 发布了 4 个通知 – 通知 1 和 2 实际上有一些技术内容 » 限制了标准中许多选项的使用，例如广播 » 指定应使用双待机冗余总线 – 通知 3 为其他军事部门开放了标准 – 通知 4 将标题更改为“内部时分命令/响应多路复用数据总线的接口标准” – 也发布为 NATO STANAG 3838 AVS、SAE AS15531 和 UK DEF STAN 00-18
将旧系统架构适配到 Spacewire 的设计注意事项
• 最初为“军用标准飞机内部时分命令/响应多路复用数据总线” – 由美国空军开发，用于军用飞机，最初于 1973 年发布 [2] – 后来修订为 MIL-STD-1553A，然后是 MIL-STD-1553B [3] • 为 MIL-STD-1553B 发布了 4 个通知 – 通知 1 和 2 实际上有一些技术内容 » 限制了标准中许多选项的使用，例如广播 » 指定应使用双待机冗余总线 – 通知 3 为其他军事部门开放了标准 – 通知 4 将标题更改为“内部时分命令/响应多路复用数据总线的接口标准” – 也发布为 NATO STANAG 3838 AVS、SAE AS15531 和 UK DEF STAN 00-18