•感知运行机器学习模型,以从相机和激光镜头产生的传感器读数中提取信息。•本地化使用GPS和高清映射来合并车辆的精确位置。•预测预测附近的物体(例如其他车辆,行人)将如何行事和移动。•计划生成安全舒适的运动计划,供车辆采用。•控制将运动计划转换为转向,加速和制动命令。这些组件由通过机器学习和传统算法实现的模块组成,必须进行协调以执行安全舒适的驾驶演习。此设计描述了一个化合物AI系统[15],并且由于与人类代理和调节的密切相互作用而进化了这种方式,这要求它们高度解释且可调试[3,10]。与用于语言模型的复合AI系统不同,该系统在大规模和目标吞吐量和统计服务级别的目标(SLOS)上进行操作,AVS必须符合较高的标准,以实现可靠性和性能,并且对延迟进行了优化。严格的目标延迟SLO分解为单个组件的截止日期[9],必须满足以进行安全操作。为了可靠性,系统完全在没有外部依赖项的汽车上运行,尽管它们通常可以通过蜂窝连接访问网络。我们观察到,这些模块具有明确的依赖性和目标SLO,与基于云的微服务档案具有相似之处,并研究了AVS中查看组件的含义。这使我们可以根据SLO,配置和合同来推论组件,这些组件可提供跨组件的明确API和保证。这确保了一定程度的最低性能,并使模块化开发加速了改进。将模块化的含义呈现到极端,我们可以想象这些服务的多种变体,这些服务提供了不同的表现保证(例如模型专门用于城市与模型特殊的模型,用于云,低延迟模型,用于快速决策)。如果我们接受AVS是具有许多不同有益配置的服务集合,我们可以优化整体管道
摘要 - 自动驾驶汽车(AVS)用复杂的技术重新定义运输,集成传感器,相机和错综复杂的算法。在AV感知中实施机器学习需要强大的硬件加速器,以便在合理的功耗和足迹下实现实时性能。仍在进行不同技术的研究和开发工作,以实现获得完全AV的目标,而某些汽车制造商提供了商业上可用的系统。不幸的是,由于他们遇到的一再发生事故,例如最近发生在加利福尼亚州发生的事故,因此他们仍然缺乏可靠性,而邮轮公司则在不确定的时期被加利福尼亚州暂停了其许可[1]。本文批判性地回顾了从硬件和算法观点中使用的AV中使用的机器视觉系统的最新发现。它讨论了商用车中使用的技术和利弊,并提出了可能的方式。因此,本文对于有机会参与针对AV的机器视觉系统的研究人员来说,可以是有形的参考。
自动化车辆(AV)的出现承诺对未来的旅行模式以及对城市空间的设计产生变革性的影响。尽管有革命性的前景,但AV将AV的整合到现有的和近乎未来的道路基础设施中却带来了一个复杂而尚未探索的挑战。本文通过引入一个新颖而全面的评估框架来解决这一关键差距,旨在评估高度自动化车辆(4级AV)操作的道路网络的准备。认识到自动驾驶技术的不确定性,该研究定义了两个不同的AV能力水平,并采用了三种PO Tential网络方案,以探索各种技术进步的观点及其对当前道路网络使用的适用性的影响。这种多幕科方法对前瞻性情况和潜在的AV部署策略提供了整体观点。拟议的框架是在英国利兹的特定地区经验应用的,证明了其实际适用性。这项研究的结果为景点至关重要,这有助于理解AV集成到道路网络中,并支持决策者和运输计划者制定知情和面向未来的政策,法规和准则。
摘要:自动驾驶的最新进展伴随着损害自动驾驶汽车网络(AVS)的网络安全问题,激发了使用AI模型来检测这些网络上的异常情况。在这种情况下,用于解释这些异常检测AI模型的行为的可解释AI(XAI)的用法至关重要。这项工作介绍了一个综合框架,以评估AVS内的黑框XAI技术,以促进对全球和局部XAI方法的检查,以阐明XAI技术的决定,以解释AI模型对异常AV行为进行分类的AI模型的行为。通过考虑六个评估指标(描述性准确性,稀疏性,稳定性,效率,稳健性和完整性),该框架评估了两种众所周知的黑盒XAI技术,摇滚和石灰,涉及应用XAI技术,以应用XAI技术来确定对隔离式跨度的重要跨度的自动范围,并确定主要的分类,并跨越了六个驱动器。 Veremi和传感器。这项研究推进了在自主驾驶系统中用于现实世界异常检测的黑盒XAI方法的部署,从而有价值的见解对此关键领域内当前的Black-Box XAI方法的优势和局限性有了宝贵的见解。
自动驾驶汽车能解决目前所有的交通问题吗?自动驾驶汽车 (AV) 的引入不仅可能提供新的令人兴奋的出行方式,而且还能确保在庞大的城市网络和高速公路上更安全、更方便、更高效的导航。乘客可能有机会在旅途中放松身心,甚至可以将旅行时间高效地转化为工作时间。一个关键的风险是,AV 的所有这些优势可能会增加对个人机动交通的需求。AV 旅行的便利性可能会吸引个人更频繁地使用私人自动驾驶汽车 (PAV),甚至改变他们的长途旅行行为(例如,用 PAV 代替火车或飞机旅行)。因此,更多、更长的行程、更多的人能够无人驾驶出行(例如,残疾人、老年人或没有驾照的人)、空车驾驶(如果允许,例如,用于寻找停车位)和交通方式的转变(例如,用 PAV 代替自行车、火车或飞机出行)可能导致年人均车辆行驶里程大幅增加,并最终导致交通更加繁忙和道路更加拥挤。8,9
将来,自动车辆(AV)可能能够使用行人的头部运动模式来了解他们的交叉意图。AV预测行人交叉意图的这种能力将改善混合交通情况下的道路安全性,并可能增强交通流量,从而使车辆能够在产量之前逐渐降低速度,从而消除了完全且不稳定的停止。迄今为止,研究行人头部运动进行的大多数工作都是基于观察研究。为了进一步了解这一领域的理解,这项研究检查了在VR环境中开发的各种道路越过场景中与AVS互动时的行人头部运动。38名参与者参加了这项基于洞穴的行人模拟器研究。使用立体运动跟踪眼镜记录了头部运动,因为行人越过道路,以响应从右侧(英国道路)接近的AV。在一半的试验中包括了斑马穿越,以了解其如何影响交叉行为。还研究了AV的不同接近速度的影响,以及外部人机界面(EHMI)的存在对头部运动和交叉行为的影响。结果表明,在交叉开始前1 s左右,绝对的头转弯率(PE Destrians的头部转弯角变化)显着增加,在交叉开始时达到了峰值,在交叉决定之前,行人在交叉决定之前进行了“最后一秒钟的检查”。对于不可用的场景,还可以看到更高的转向率。在穿越末端(越过启动后约1.5 s)可以看到右侧的绝对转向率的另一种增加,以检查接近车辆的接近度。最后,在斑马横交的存在下,在包括EHMI的屈服条件下看到了最少的头转弯。这些结果表明,基于基础设施和车辆的线索在协助行人交叉决策方面的价值,并提供了有关AVS如何使用转弯行为来更好地预测行人在城市环境中的交叉意图的见解。
摘要:晕动症 (MS) 是一种与恶心、头晕和其他形式的身体不适等症状相关的综合症。自动驾驶汽车 (AV) 很容易诱发 MS,因为用户不适应这种新型的交通方式,获得的有关自身车辆轨迹的信息较少,并且可能从事与驾驶无关的任务。由于 MS 敏感性特别高的人在使用 AV 时可能会受到限制,因此对 MS 缓解策略的需求很高。事实证明,乘客的预期对症状有调节作用,从而减轻 MS。为了找到有效的缓解策略,对人机界面 (HMI) 的原型进行了评估,该界面向乘客呈现 AV 下一次转向的预期环境光提示。在一项对测试跑道上的 AV 中的参与者 (N = 16) 进行的真实驾驶研究中,根据试验期间 MS 的增加情况评估了 MS 缓解效果。通过呈现预期的环境光提示,在高度敏感的子样本中发现了 MS 缓解效果。事实证明,HMI 原型对于高度敏感的用户是有效的。未来的迭代可以缓解现场环境中的 MS 并提高 AV 的接受度。
摘要 - 近年来,自动驾驶汽车(AV)技术已经有很大的发展。然而,尽管某些行业参与者取得了显着成就,但表明AVS实际上是安全的有力的证据,这是缺乏安全的,这可能会促进公众对这项技术的不信任,并进一步损害该行业的整个发展以及相关的社会影响。为了提高AV的安全性,提出了几种在虚拟模拟中使用合成数据的技术。尤其是最高风险数据,称为角病例(CC),对于开发和测试AV控件最有价值,因为它们可以暴露和改善这些自主系统的弱点。在这种情况下,本文提出了一项系统的文献综述,旨在全面分析CC识别和生成方法,还指出了当前的差距,并进一步含义合成数据对AV安全性和可靠性。基于选择标准,从1673篇论文的初始样本中挑选了110项研究。这些选定的论文被映射到多个类别,以回答八个链接的研究问题。最终以一种更加集成的方法为重点是所有利益相关者的安全发展,并在行业,学术界和监管机构之间进行了积极的合作。
“合伙人”是指控制或控制该党的机构的机构,该机构是由该党控制或受到共同控制的。就此定义而言,“控制”是指以任何方式指导或影响当事方的管理和政策的能力。“自动驾驶汽车监控系统”或“ AVMS”是指专门为监视/跟踪和验证新加坡部署的自动驾驶汽车(AV)的运动和性能而开发的监视系统。“呼吁解决方案”(CFS)是指披露方的呼叫/邀请,是新加坡自动驾驶汽车(AVS)的监管机构,供有兴趣的当事方向披露方提交建议,以便与公开方合作以与披露方合作与AVMS合作。"Confidential Information" includes all information which is disclosed by the Disclosing Party to the Receiving Party under this Agreement and which is being designated, labelled or marked as confidential or its equivalent, and information of a commercial, technical or financial nature which contains amongst other matters, trade secrets, know-how, show-how, patent and ancillary information and other proprietary or confidential information, regardless of form, format, media including without limitation written, oral, or还原为有形产品,还包括通过会议,文件,通信或检查