18video性欧美19sex,欧美高清videosddfsexhd,性少妇videosexfreexxx片中国,激情五月激情综合五月看花,亚洲人成网77777色在线播放

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

從“能跑”到“能替代人”,自動駕駛普及的真實(shí)攔路虎是什么?

智駕最前沿 ? 來源:智駕最前沿 ? 作者:智駕最前沿 ? 2025-10-17 09:27 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

[首發(fā)于智駕最前沿微信公眾號]現(xiàn)在市場上L2(帶部分自動化的駕駛輔助)級的車輛已經(jīng)很普遍,L4級的Robotaxi也在一些城市或限定場景較小的范圍內(nèi)試運(yùn)營,但從“輔助駕駛能做”到“完全替代人駕駛并大規(guī)模商業(yè)化”中間,好似有道橫亙的鴻溝,即便已經(jīng)多年過去,自動駕駛仍舊沒有質(zhì)的提升。

到底是什么在擋路?技術(shù)不夠、成本太高、法規(guī)沒跟上、還是公眾不信任?這個答案不是單一要素能概括的,但如果把所有因素往根源上追一追,會發(fā)現(xiàn)一個核心矛盾,我們還不能以可驗(yàn)證、可量化、可證明的方式確定自動駕駛汽車已足夠安全。

wKgZO2jxm3SASCPVAAAQo00DEvw722.jpg

感知與長尾,技術(shù)上的“最后一公里”難點(diǎn)

感知系統(tǒng)作為自動駕駛的核心,一直是很多自動駕駛設(shè)計(jì)時被重點(diǎn)關(guān)注的一部分,攝像頭擅長識別細(xì)節(jié)與顏色,毫米波雷達(dá)在穿透能見度差時表現(xiàn)穩(wěn)健,激光雷達(dá)(LiDAR)提供稠密的點(diǎn)云深度信息。把這些傳感器的數(shù)據(jù)融合起來去做物體檢測、追蹤、場景理解,理論上可以彌補(bǔ)單一傳感器的短板,但現(xiàn)實(shí)里問題并不只是把三種信息“加起來”那么簡單。

雨、雪、霧、不規(guī)則反光、強(qiáng)逆光、路面積水下的反射等惡劣天氣和復(fù)雜光照條件,都會讓傳感器輸出發(fā)生系統(tǒng)性偏差。算法在訓(xùn)練數(shù)據(jù)里見到這種情況的比例通常極小,模型在遇到從未見過的組合時會產(chǎn)生高不確定性。還有就是長尾場景問題,交通世界含有無數(shù)稀有但又可能致命的情形,例如行人突發(fā)行為、非標(biāo)交通設(shè)施、臨時施工現(xiàn)場、異類動物橫穿、被遮擋的交通標(biāo)志等。要把系統(tǒng)訓(xùn)練到能覆蓋這些長尾,需要數(shù)量級巨大的數(shù)據(jù)、多樣化的采集場景和極其精細(xì)的標(biāo)注,單靠路測或有限的仿真都難以窮盡。

此外,現(xiàn)有許多感知和決策模塊基于深度學(xué)習(xí),它們往往缺乏可靠的置信度度量和可解釋的失敗模式。這意味著當(dāng)系統(tǒng)在實(shí)際道路上犯錯時,我們很難定位是感知失靈、預(yù)測失誤、規(guī)劃問題還是執(zhí)行異常,從而也難以形成有效的補(bǔ)救與認(rèn)證手段。很多技術(shù)方案提出通過冗余傳感、規(guī)則校驗(yàn)、邊緣安全控制等辦法緩解,但自動駕駛系統(tǒng)的成本和復(fù)雜度隨之上漲,更不能從根本上消除長尾風(fēng)險(xiǎn)。

wKgZO2jxm3aAHSDwAAAR42n7O-I825.jpg

證明“夠安全”的制度難題

假設(shè)技術(shù)團(tuán)隊(duì)做的自動駕駛技術(shù)非常完美,把感知、預(yù)測、規(guī)劃都做到行業(yè)領(lǐng)先,是否就意味著可以大面積上路了?其實(shí)不然,對于消費(fèi)者來說,要的是一套可以判定“這個系統(tǒng)在目標(biāo)ODD(OperationalDesignDomain)內(nèi),長期運(yùn)行比人類駕駛更安全”的證據(jù)鏈。要構(gòu)建這樣的證據(jù)鏈,需要系統(tǒng)化的驗(yàn)證與驗(yàn)證(V&V)框架、海量的實(shí)車數(shù)據(jù)、嚴(yán)格的場景覆蓋標(biāo)準(zhǔn)、以及統(tǒng)計(jì)學(xué)上令人信服的置信區(qū)間。

這就是為什么“安全證明”成為阻礙自動駕駛商業(yè)化的核心要素之一,現(xiàn)有的安全標(biāo)準(zhǔn)(比如功能安全I(xiàn)SO26262、SOTIF的討論等)能約束電子/軟件失效和已知危險(xiǎn),但對“AI在開放世界里的不確定性”并沒有成熟的、被普遍接受的測試協(xié)議。正因如此,司法與監(jiān)管自然不能輕易放行,因?yàn)橐坏┌l(fā)生事故,責(zé)任歸屬、召回與修復(fù)機(jī)制、保險(xiǎn)賠付的邊界都要清楚。很多公司選擇在明確ODD內(nèi)先小步試水(如限定路段、限定天氣、設(shè)有遠(yuǎn)程接管或安全員),但這種做法也限制了規(guī)模化商業(yè)模式的展開,因?yàn)槟芊?wù)的場景太窄,邊際收益不足以覆蓋高昂的研發(fā)與運(yùn)營成本。

場景化仿真、基于因果推斷的驗(yàn)證方法、合成數(shù)據(jù)增強(qiáng)稀有場景、形式化驗(yàn)證關(guān)鍵子模塊、冗余系統(tǒng)與持續(xù)在線健康度監(jiān)測等可以從技術(shù)上解決可解釋性差的問題。但這些方法要么成本高、要么在某些邊界上仍缺乏社會接受的權(quán)威性證據(jù)。也就是說,技術(shù)上的不完備直接引發(fā)了制度上的不放行,形成反饋環(huán),阻礙普及。

wKgZO2jxm3aAUomKAAASG3BOmsQ562.jpg

成本與商業(yè)模式,誰為安全買單?

感知硬件(特別是高精度LiDAR)、高性能算力、冗余執(zhí)行機(jī)構(gòu)、持續(xù)的高精地圖和云端更新,以及大規(guī)模數(shù)據(jù)標(biāo)注與訓(xùn)練,這些都是非常巨大的成本投入。早期的Robotaxi公司主要靠風(fēng)投與補(bǔ)貼支撐“先投入、后找規(guī)?!钡牟呗?,但長期來看,想要商業(yè)化自負(fù)盈虧,就必須控制成本。

為了能夠讓自動駕駛商業(yè)化應(yīng)用,有兩條路可以走。一是降本,把硬件成本、算力功耗和地圖維護(hù)成本壓下去,讓系統(tǒng)變得經(jīng)濟(jì)可復(fù)制;二是限定ODD,把業(yè)務(wù)先集中在能夠形成規(guī)模效益的場景(如固定路線的園區(qū)物流、封閉或低速的城中接駁、工業(yè)園區(qū)無人配送),用規(guī)模和頻次攤薄單次成本。兩種路線都必須配套相應(yīng)的法規(guī)與保險(xiǎn)機(jī)制,否則即使成本能夠下降,也難以大規(guī)模推廣。

除了硬件成本外,運(yùn)維成本、地圖與軟件的持續(xù)更新、法律合規(guī)成本、以及面對事故后的賠付和信譽(yù)恢復(fù),都可能占到總成本相當(dāng)大的比例。若想把自動駕駛推向大眾市場,必須找到可持續(xù)的商業(yè)模式,比如按里程計(jì)費(fèi)的出行服務(wù)、以數(shù)據(jù)驅(qū)動的差異化定價(jià)、或與城市交通基礎(chǔ)設(shè)施合作分擔(dān)成本。但這些商業(yè)模式的落地又取決于法律能否明確責(zé)任和降低營運(yùn)風(fēng)險(xiǎn)。

wKgZPGjxm3eAJs2EAAASAJELks8755.jpg

法規(guī)、責(zé)任與公眾接受度,互相影響的三角關(guān)系

對于自動駕駛技術(shù)來說,公眾接受度是個敏感指標(biāo),一次致命事故就足以讓輿論和監(jiān)管收緊。公眾是否愿意把生命交給算法,取決于他們是否理解風(fēng)險(xiǎn)、是否信任監(jiān)管能在事后追責(zé)、以及是否看到系統(tǒng)在長期統(tǒng)計(jì)上真的更安全。監(jiān)管在這中間既要保護(hù)公眾安全,又不能扼殺技術(shù)創(chuàng)新。

責(zé)任劃分也是自動駕駛難以推廣的核心問題之一。當(dāng)汽車以更高比例自動化運(yùn)行時,事故發(fā)生后是歸咎于車輛制造商、軟件開發(fā)者、地圖提供商、還是運(yùn)營商?保險(xiǎn)業(yè)也在觀望如何定價(jià)自動駕駛風(fēng)險(xiǎn)。缺乏清晰的法律框架會抑制投資者和運(yùn)營方的積極性,延緩規(guī)?;渴稹?/p>

wKgZPGjxm3iAG8ldAAARwcz1hbg411.jpg

最后的話

讀到這里你可能會問,那到底哪個是最大攔路虎?我的結(jié)論是,不能把阻礙歸結(jié)為單一因素。自動駕駛難以推廣的關(guān)鍵在于“可證明的長期安全性”缺失,這個缺失又把技術(shù)成熟度、成本壓力、法規(guī)滯后和公眾信任四者緊密綁在一起。技術(shù)無法在所有長尾場景里做到可預(yù)測的表現(xiàn),于是監(jiān)管不能放心放行;監(jiān)管不放行導(dǎo)致規(guī)?;芟?,規(guī)?;芟抟馕吨鵁o法攤薄成本和積累足夠的數(shù)據(jù)來進(jìn)一步提升技術(shù);沒有規(guī)模和明確法規(guī),公眾缺乏長期安全記錄,接受度也難以提高。它是個閉環(huán),任何單點(diǎn)突破都難以立刻打破這個系統(tǒng)性瓶頸。

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 自動駕駛
    +關(guān)注

    關(guān)注

    791

    文章

    14551

    瀏覽量

    174280
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    一文讀懂特斯拉自動駕駛FSD輔助端的演進(jìn)

    [首發(fā)于智駕最前沿微信公眾號]自動駕駛行業(yè)發(fā)展至今,特斯拉一直被很多企業(yè)對標(biāo),其FSD系統(tǒng)的每一次更新,都會獲得非常多人的關(guān)注。早期自動駕駛是一個分層的、由多模塊組成的系統(tǒng),感知、定位、預(yù)測、規(guī)劃
    的頭像 發(fā)表于 10-11 09:13 ?168次閱讀
    一文讀懂特斯拉<b class='flag-5'>自動駕駛</b>FSD<b class='flag-5'>從</b>輔助<b class='flag-5'>到</b>端<b class='flag-5'>到</b>端的演進(jìn)

    自動駕駛相較傳統(tǒng)自動駕駛到底有何提升?

    各自專業(yè)模塊獨(dú)立承擔(dān),再通過預(yù)定的接口協(xié)議將信息有序傳遞。與之相對照,“端端”(end-to-end)自動駕駛以統(tǒng)一的大規(guī)模神經(jīng)網(wǎng)絡(luò)為核心,將從攝像頭、雷達(dá)、激光雷達(dá)等傳感器采集的原始數(shù)據(jù)直接映射為
    的頭像 發(fā)表于 09-02 09:09 ?392次閱讀
    端<b class='flag-5'>到</b>端<b class='flag-5'>自動駕駛</b>相較傳統(tǒng)<b class='flag-5'>自動駕駛</b>到底有何提升?

    為什么自動駕駛端大模型有黑盒特性?

    [首發(fā)于智駕最前沿微信公眾號]隨著自動駕駛技術(shù)落地,端端(End-to-End)大模型也成為行業(yè)研究與應(yīng)用的熱門方向。相較于傳統(tǒng)自動駕駛系統(tǒng)中的模塊化結(jié)構(gòu),端端模型嘗試直接
    的頭像 發(fā)表于 07-04 16:50 ?461次閱讀
    為什么<b class='flag-5'>自動駕駛</b>端<b class='flag-5'>到</b>端大模型有黑盒特性?

    自動駕駛是為了“增強(qiáng)人”,還是為了“替代人”?

    [首發(fā)于智駕最前沿微信公眾號]隨著自動駕駛技術(shù)的日益成熟,人們對它的定位也在不斷演進(jìn),究竟是要打造一個能為駕駛者提供更佳體驗(yàn)的“智能副駕”,還是完全替代人駕駛員,讓汽車在任何道路環(huán)境
    的頭像 發(fā)表于 06-25 11:07 ?395次閱讀

    自動駕駛技術(shù)落地前為什么要先測試?

    大量的傳感器、復(fù)雜的算法和強(qiáng)大的計(jì)算平臺來取代人駕駛員的感知、判斷和操作。在技術(shù)落地之前,“測試”便成了自動駕駛從實(shí)驗(yàn)室走向真實(shí)道路的“安全閥”和“試金石”。如果沒有充分的測試,無論
    的頭像 發(fā)表于 06-09 09:42 ?378次閱讀

    新能源車軟件單元測試深度解析:自動駕駛系統(tǒng)視角

    、道路塌陷)的測試用例庫,通過虛擬仿真和真實(shí)路測數(shù)據(jù)回灌驗(yàn)證算法的魯棒性。 ?第二部分:自動駕駛軟件單元測試技術(shù)體系****? ?測試對象分類與測試策略? ? 數(shù)據(jù)驅(qū)動型模塊(如傳感器融合
    發(fā)表于 05-12 15:59

    自動駕駛經(jīng)歷了哪些技術(shù)拐點(diǎn)?

    ,如今以AI為核心驅(qū)動的自動駕駛系統(tǒng),各大車企都在不斷加碼研發(fā)投入,試圖在未來市場中占據(jù)制高點(diǎn)。那自動駕駛發(fā)展至今,經(jīng)歷了哪些技術(shù)拐點(diǎn)呢? 自動駕駛系統(tǒng)的發(fā)展歷程
    的頭像 發(fā)表于 04-27 15:54 ?466次閱讀
    <b class='flag-5'>自動駕駛</b>經(jīng)歷了哪些技術(shù)拐點(diǎn)?

    L0L5自動駕駛技術(shù)的演進(jìn)階段

    高盛(Goldman Sachs)估計(jì),2030年,L3級自動駕駛汽車或占全球新車銷量的10%。自動駕駛汽車需要經(jīng)過多達(dá)6個層級的技術(shù)演進(jìn),才能最終實(shí)現(xiàn)上路自主駕駛。
    的頭像 發(fā)表于 04-24 10:42 ?1020次閱讀

    NVIDIA Halos自動駕駛汽車安全系統(tǒng)發(fā)布

    NVIDIA 整合了云端車端的安全自動駕駛開發(fā)技術(shù)套件,涵蓋車輛架構(gòu) AI 模型,包括芯片、軟件、工具和服務(wù)。 物理 AI 正在為自動駕駛
    的頭像 發(fā)表于 03-25 14:51 ?837次閱讀

    自動駕駛地圖數(shù)據(jù)規(guī)范》聊高精地圖在自動駕駛中的重要性

    自動駕駛地圖作為L3級及以上自動駕駛技術(shù)的核心基礎(chǔ)設(shè)施,其重要性隨著智能駕駛技術(shù)的發(fā)展愈發(fā)顯著?!?b class='flag-5'>自動駕駛地圖數(shù)據(jù)規(guī)范》(DB11/T 2041-2022)由北京市規(guī)劃和自然資源委員會
    的頭像 發(fā)表于 01-05 19:24 ?2656次閱讀
    <b class='flag-5'>從</b>《<b class='flag-5'>自動駕駛</b>地圖數(shù)據(jù)規(guī)范》聊高精地圖在<b class='flag-5'>自動駕駛</b>中的重要性

    自動駕駛宣傳鋪天蓋地,真實(shí)體驗(yàn)卻寡淡如水?

    自動駕駛作為汽車行業(yè)的“第四次革命”,幾乎成了各大車企、科技公司和資本追逐的風(fēng)口。令人眼花繚亂的宣傳標(biāo)語,高度刷屏的自動駕駛廣告,這場以未來為藍(lán)圖的技術(shù)競賽吸引了無數(shù)目光。但當(dāng)消費(fèi)
    的頭像 發(fā)表于 12-29 13:45 ?1271次閱讀

    標(biāo)貝科技:自動駕駛中的數(shù)據(jù)標(biāo)注類別分享

    自動駕駛訓(xùn)練模型的成熟和穩(wěn)定離不開感知技術(shù)的成熟和穩(wěn)定,訓(xùn)練自動駕駛感知模型需要使用大量準(zhǔn)確真實(shí)的數(shù)據(jù)。據(jù)英特爾計(jì)算,L3+級自動駕駛每輛汽車每天產(chǎn)生的數(shù)據(jù)高達(dá)4000GB,作為
    的頭像 發(fā)表于 11-22 15:07 ?2460次閱讀
    標(biāo)貝科技:<b class='flag-5'>自動駕駛</b>中的數(shù)據(jù)標(biāo)注類別分享

    標(biāo)貝科技:自動駕駛中的數(shù)據(jù)標(biāo)注類別分享

    自動駕駛訓(xùn)練模型的成熟和穩(wěn)定離不開感知技術(shù)的成熟和穩(wěn)定,訓(xùn)練自動駕駛感知模型需要使用大量準(zhǔn)確真實(shí)的數(shù)據(jù)。據(jù)英特爾計(jì)算,L3+級自動駕駛每輛汽車每天產(chǎn)生的數(shù)據(jù)高達(dá)4000GB,作為
    的頭像 發(fā)表于 11-22 14:58 ?4899次閱讀
    標(biāo)貝科技:<b class='flag-5'>自動駕駛</b>中的數(shù)據(jù)標(biāo)注類別分享

    智能駕駛自動駕駛的關(guān)系

    智能駕駛自動駕駛在概念上存在一定的聯(lián)系和區(qū)別,以下是對兩者關(guān)系的介紹: 一、概念定義 智能駕駛 : 智能駕駛是一個更為寬泛的概念,它指的是通過機(jī)器輔助人類進(jìn)行
    的頭像 發(fā)表于 10-23 16:02 ?2023次閱讀