非洲黑客自动驾驶视频教程-黑客 自动驾驶

本文目录一览:

在速度与激情8里面有一段是黑客控制那些汽车自动驾驶,我想问问是不是什么汽车都可以被控制啊?

不是什么车都能被控制。黑客再怎么黑也只能黑软件,没有硬件的支持汽车不会动的,比如说一辆手动档的车人不去挂档,再牛逼的黑客也只能望车兴叹。速8里的桥段虽然有点科幻,但从目前汽车电控技术发展方向上看,如果哪天新闻真报导发生了类似电影里的事件,大家都不必怀疑也不必讶异。

你看好无人驾驶吗?

无人驾驶技术一般是在电影电视中看到的,不过,随着科学技术的不断发展,无人驾驶也会在未来实现,那么,无人驾驶怎么样呢

1.尽管无人驾驶技术看上去就是个属于未来的概念,但早在15世纪就已经有人在进行着相关研究了。当时,列奥纳多 达 芬奇设计了一辆可自动驾驶的小车,尽管他的设计只达到了最基本概念也没有考虑到安全性。有些人认为这辆自助车是世界上第一个机器人,因为它不需要借助外力就能自行移动。行驶路线是根据路线提前规划好的,这一点和后来出现的自动驾驶汽车并无太大差别。但是无人驾驶技术在现在的科学技术还不成熟,不能实现真正意义上的无人驾驶,但我相信未来无人驾驶会更加成熟

2.在现在国内的道路是不可行的,我国人多路少地少,路况及其复杂,短期内都无法开展无人智能驾驶,这个是客观环境条件限制的,一些路段极其复杂,中国有很多山路,无人驾驶的危险系数也大大提高,要真正做到安全驾驶,还有很长一段路要走。

3.无人驾驶本身的收费如何。

如果是早些年的时候,很多车型要想加装GPS车载导航系统,那就需要一笔很可观的加装费,这基本上都是一锤子买卖。消费者不想劳心续费,厂家也不用急着维护和升级。但到了现在,越来越多的一次性付费内容逐渐转为订阅制制。进行订阅制之后,一方面厂家可以获得更稳定更高的收入,另一方面用户也因此得到即时的保障,服务的时效性更加明显

然而,无人驾驶技术多元化的发展势必导致市场多元化的竞争,可以预见的是,在初步推向市场之时,势必会像当初中国优步与滴滴的补贴大战一样,初期定会低价让利给消费者进而占领市场。

最后,无人驾驶还不是刚需,未来的无人驾驶汽车任重而道远啊

聪明的车or智慧的路?自动驾驶的未来将走向何方

易车原创 前面几期,易车科技从自动驾驶企业到自动驾驶的技术,做了深度解析,主要围绕车端的硬件设备、软件算法以及底层架构等方面,今天我们将视野拉高,更加宏观的来聊聊自动驾驶目前的两大发展方向——单车智能和车路协同。

单车智能:它的重心更倾向于车辆驾驶的自动化程度,而单车智能的技术实现路线也被分为两种,一种是以Waymo为代表的,以多线激光雷达、多种传感器进行感知;第二类以特斯拉为代表,基于摄像头和视觉感知。

车路协同:则是在单车智能的基础上,通过车联网将“人-车-路-云”交通参与要素有机地联系在一起,助力自动驾驶车辆在环境感知、计算决策和控制执行等方面的能力升级,加速自动驾驶应用成熟。

简单来说,单车智能和车路协同的本质是技术和成本在车侧和路侧的分配。

其中,单车智能是国内外大多数无人驾驶企业所在推进的方案,但是这并不意味着这将成为实现无人驾驶的最优解,也不能笃定说车路协同就是最优解。虽然L4-L5级的自动驾驶最理想的模式是实现“车端-路端-云端”的高度协同,从聪明的车配上智慧的路,车端智能和路侧智能协同呼应,但车端智能和路端智能的发展不是完全同步的关系,自动驾驶的路线选择面临感知能力、决策能力(算力)等不同能力在车侧和路侧分配的问题,所以对应的自动驾驶成本也不同。

目前来说在自动驾驶这条赛道内,各家企业的技术路线还真不是完全趋同的,有的是主攻单车智能,尽可能的把车武装到牙齿,激光雷达、毫米波雷达、摄像头、高精定位等硬件设备全都配全并且选用的都是参数拉满的配置,代表企业如AutoX和小马智行等;有的是单车智能和车路协同齐头并进,两手都要抓,代表企业如百度Apollo以及蘑菇车联等。

单车智能的代表企业,国内来说AutoX算是较为突出的,AutoX总裁肖健雄曾表示:自动驾驶不能单纯依靠路车协同实现,目前道路智能化还难以真正做到全覆盖。要提升自动驾驶的安全性以及驾驶体验,必须改进单车智能的技术,以应对雨雾等各种极端天气,确保用户能够得到安全的Robotaxi体验。

同时,车路协同与单车智能相辅相成,车路协同是对单车智能的一种有益补充。假如国家层面加大道路基础设施建设,可以辅助提升自动驾驶的道路精准度,同时也能增加道路交通的安全性。

可见肖健雄对于单车智能还是更加看重的,其认为路侧的设施存在故障、维修、养护等一系列问题,只能当做是一种辅助作用,重点还要把车做到最为智能与安全,提升传感器冗余,做到万无一失。

今年7月,AutoX发布了第五代全无人驾驶系统AutoX Gen5,是为无人驾驶而从零开始打造的,一共具备了超过50个传感器,配备了规模庞大的传感器集群,总像素达到2.2亿像素每帧,配备了高清的4D毫米波雷达并可实现0.9度分辨率。每秒钟成像的激光雷达点云实现了1500万,算力平台支持2200TOPS的算力平台。这套惊人的硬件总成表现了AutoX要把车做到最“聪明”的决心。

车路协同以百度Apollo为例,百度的技术路径是“聪明的车+智能的路”双剑合璧力图实现自动驾驶最优解。

单车智能方面,百度Apollo推出了联合北汽极狐共同打造的新一代共享无人车Apollo Moon。

硬件方面,Apollo Moon搭载的第五代套件采用了1颗主激光雷达,13颗摄像头和5颗毫米波雷达的多冗余传感器组合。车辆前部加装了一颗成本很低的前向激光雷达,将在系统失效情况下用于冗余系统。虽然减少了激光雷达的使用,但Apollo Moon增加了摄像头的个数,同时还大幅度提升了图像分辨率和帧率,视觉感知能力正在发挥越来越大的作用。

另外Apollo采用的计算平台提供的算力超过800TOPS,用了更多车规级的器件,为无人化实现了主计算系统和备份安全系统的一体化设计,采用水冷散热设计,不仅体积减小,结构简化,整体噪音也极低,车内非常静谧。

在路侧方面,Apollo Air是目前全球唯一仅通过路侧感知就能实现开放道路L4自动驾驶闭环的技术。

Apollo Air技术可以在没有车端传感器、仅借助路端轻量感知和红绿灯信息的情况下,通过利用V2X、5G等无线通信技术实现“车-路-云”的信息交互,从而赋能自动驾驶。

相较于单车智能,车路协同技术路线通过超视距的道路感知、车路云多个终端的智能信息互通互联,不仅可以扩大车辆感知范围、保障自动驾驶安全,还能降低对车端感知系统的要求,从而进一步降低单车自动驾驶的成本。

根据百度自身统计,车路协同已经可以解决单车智能在路测时遇到的54%左右的问题,减少62%的接管次数,降低30%的单车成本。

目前百度已经在北京、广州、上海开展了车路协同方案的落地实践。

在北京,百度针对12.1公里28个路口进行车路协同智能化改造,搭建支撑L4级自动驾驶车辆测试运行的基础环境;建设车路协同边缘计算支撑平台,搭建了边缘计算服务框架,实现设备管理、车路协同算法同步等边云一体化功能。

2020年8月,黄埔区、广州开发区与百度Apollo开启“广州市黄埔区广州开发区面向自动驾驶与车路协同的智慧交通‘新基建’项目”,覆盖黄埔133公里城市开放道路的102个路口和路段。

上海嘉定汽车城开展开放道路智能网联汽车测试环境建设,项目建设里程37.8公里,覆盖范围约65平方公里,通过对56个路口以及重点路段进行智慧化改造,提供了更加丰富的测试场景。

通过这两家的技术路线我们看出,各家虽然都表达了单车智能+车路协同两条腿走路的愿景和目标,但实际实施过程中还是各有侧重的,这也让双方走向了不同的岔路,未来哪方能立足于市场还得拭目以待了。

单车智能存在的局限性:

1、超视距感知、视觉盲区无法感知到。

无论是摄像头还是激光雷达,本质上都是探测电磁波,与人类的视觉感官类似,人看不到的地方,这些设备也探测不到。视觉盲区典型的例子就是“鬼探头”,如下图中,行人出现时,减速已经来不及了。

2、恶劣环境感知。

单车智能有许多长尾问题有待解决,比如暴雨天气下,单车感知系统几近失灵,激光雷达因积水反射,噪点增多,摄像头画面模糊,目标识别的置信度降低。

在黑夜场景下,单车视觉感知条件严重不足,曝光时间延长,感光范围缩小,雷达因缺少摄像头反馈的颜色和语义信息支持,无法辨别障碍物。

3、高成本设备利用率低。

在一辆车上装激光雷达等设备,很贵。然而一辆车大部分时间是停着不动的,行驶的时间只占一小部分(停一晚上开车去上班,停一天开车下班)。这样昂贵的设备利用率很低,不划算。

讲单车局限性一定要讲两个例子,Uber自动驾驶撞出事故、特斯拉自动驾驶车祸,这是典型的单车智能局限性的体现。数据表明,传统汽车大约每50万英里发生一起事故,单车智能自动驾驶汽车大约每4.2万英里发生一起事故。

所以要有车路协同。把昂贵的设备安装在路上,由路上的设备来进行感知(有时候也做一些计算工作)。车路协同是由“路”来“告诉”车周边的情况,例如前方200米有车,注意减速;在路线上前方5公里处有车祸,提前绕行。(车速很快,需要高带宽低时延的传输方式,所以车路协同是5G很好的应用工具)

这样车和路就成了一个统一的整体。

路侧设备采集到了所有的车的信息,这些数据可以上报到一个统一的中心,由这个中心根据这些数据进行分析并加以应用,这个中心就是所谓的“云脑”:

1、出现车祸、拥堵能及时的告诉所有车辆,设定了目的地之后根据交通状况计算出行时间;

2、通过大数据提前预知什么时间、什么地方会发生拥堵,提出预警;

3、根据预测的交通流,给出出行建议,几点出发走那条路会最顺畅。

从车路协同道路设施来说,智能路牌、信号灯等车路协同的设施能够保证单车智能对于外界数据和信息的获取,保证交通的统一调度以及安全行驶。在理想状态下,车路协同确实是能很好地解决单车智能的这些弱点。

车路协同存在的局限性:

车路协同对单车智能也是存有依赖性的,其中有一点是十分重要的,不论是车路协同和单车智能的网络安全防护并非不可破。

对于黑客来说,破坏单车智能网络,可能只是几辆车的交通事故,但是车路协同网络安全性故障,带来的可能是整个交通网络的瘫痪甚至更严重。所以,一旦车路协同遭到侵入,这时单车智能的重要性就体现出来了,暂且不提如何实现不堵车的问题,保证车辆行驶时的安全性则只能由单车智能接管。

另外要想实现全域范围的L5自动驾驶,那就需要全路段都铺设智能设备,那么且不说政策何时能够完全匹配,光是这些路端设备的维修、保养和检测就需要投入很大的人力和物力,并且如果某一个路口的设备出了问题,还是要看车辆能否足够智能来应对。

从双向通讯的角度来看,车路协同中的每一辆单车都是体系中十分重要的一环,是平台数据的重要来源,如果车辆非智能,那么车联网也无法落地,也将失去意义。

总的来说,根据美国交通部的说法,车联网的核心价值是提升消费者的出行安全,减少交通事故。那么,窥一斑而见全豹,从最重要的网络安全与道路安全的角度去看车路协同和单车智能,两者未来一定需要融合发展。

对于美国而言,人工智能领域全球领先,人才储备充足,基础科研实力强,美国的人工智能企业数量位居全球首位,遍布基础层、技术层和应用层。另外,美国拥有发达的集成电路技术,高端芯片设计领域一直保持领先态势,为高性能车载芯片的发展打下良好基础。另一方面,美国在通信行业和5G领域落后于中国的发展,且基础设施的投资一般由市场主导而非政府主导,网联化推动进程缓慢。不论是单车智能“谷歌派”还是“特斯拉派”,背后的核心能力都是人工智能算法和决策芯片,而这正是美国的战略优势所在。

对于中国而言,以华为为代表的通信企业在5G技术方面世界领先,且4G和5G基站数量多,覆盖广,2020年底中国5G基站数超过60万个。2020年2月《智能汽车创新发展战略》预计到2025年,智能交通系统和智慧城市相关设施建设取得积极进展,车用无线通信网络(LTE-V2X 等)实现区域覆盖。另外,从中国的道路情况来看,中国高速公路总里程世界第一,公路总a class="49c7-1529-f562-9a16 hidden" href="" tit

当自动驾驶车遇上黑客,我们只能坐以待毙吗??

这要看那时候的无人驾驶汽车发展到那种地步,无人驾驶一般都会有应急手动装置。想科幻片那些飞船那样,驾驶系统故障都会以手动驾驶

自动驾驶汽车的行驶模式如何?

美国交通部的国家公路交通安全管理局(NHTSA)最近发布了一份关于自动驾驶技术现状的概述报告。

根据该报告,自动化车辆技术仍处于研发阶段。下面给出的地图描绘了美国的受控测试站点,其中自动驾驶汽车组件和系统使用建模,模拟和在路上。

自动驾驶汽车的自主水平

据SAE International称,自动驾驶汽车有五个级别的自主权:

级别1:这是一个低级自动化系统,系统和人类驾驶员共享控制权。例如,自适应巡航控制功能控制发动机和制动功率,以便在驾驶员控制转向时进行速度变化和维护。1级系统可随时保证完全人为控制。

等级2 :在此级别,当加速,制动和转向等车辆操作受系统控制时,驾驶员需要对自动系统进行持续监控。许多2级车辆要求驾驶员握住方向盘以使自动系统连续运转。

等级3 :属于此类别的自主车辆允许驾驶员执行其他任务(如发短信或观看电影),同时系统控制大多数车辆操作。然而,对于车辆制造商规定的某些操作,系统需要在有限时间内对驾驶员进行干预。

级别4 :此级别支持自动驾驶,只需最少的驾驶员干预,但仅在选定的映射位置(称为地理围栏区域)中执行此操作。

5级:无需人为干预。

虽然5级自治是许多自动驾驶汽车公司的共同梦想,但它们各自达到5级自治的路径却截然不同。一些公司认为3级和4级自治是太危险的,因为从机器到人的交接可能是不可预测和危险的(从发短信或看电影到转向远离事故可能是不切实际的期望)。

自驾车如何与周围环境相互作用

根据美国交通部的数据,连接和自动驾驶车辆以三种方式相互通信及与周围环境相通:

车辆到车辆(V2V)的相互作用

自动驾驶汽车之间的V2V互动允许在路线拥堵,障碍物和危险方面进行信息交换。

例如,如果自动驾驶汽车遇到事故或高容量但行驶缓慢的车辆,它就能够将信息转发给其他自动驾驶汽车,然后可以根据收到的数据调整航线,并可能避免事故和交通。

车辆到基础设施(V2I)交互

自动驾驶汽车可以与基础设施组件(如智能停车系统)进行通信,以便在行程之前规划路线和预留停车位。

当自动驾驶汽车必须决定在到达目的地时如何停车时,此信息特别有用:平行,垂直或有角度。此外,其他无人驾驶汽车将事先“知道”特定停车位是否已经预订或是否已经开放。

车辆到行人(V2P)的互动

该V2P相互作用主要是进行自驾车和行人的智能手机应用程序之间。

据明尼苏达大学消息,它资助了一种称为移动无障碍行人信号(MAPS)的V2P原型。视力受损的行人可以使用MAPS分别接收和提供有关交叉路口和行人位置的信息。除了汽车传感器和激光雷达提供的数据之外,自动驾驶汽车将使用这些数据,以更准确地定位行人并可能避免碰撞。

示例和用例

博世在以下两分钟视频中解释了V2V和V2I技术的一些简单用例:

中国现在陷入困境的硬件制造商华为在2018年的演示视频中展示了各种潜在的“V2”用例:

虽然该技术仍处于起步阶段,但“V2”技术正在为完全的自主性铺平道路,并且有希望为司机和行人提供更加安全的道路。目前还不清楚不同的国家是否会开发完全不同的V2用例和标准,现在判断哪些V2应用程序将在未来几年成为标准并且将被放弃还为时尚早。

当前自动驾驶汽车和工作部件的例子

谷歌和特斯拉是目前自动驾驶汽车领域最大的参与者。为了更好地了解自动驾驶汽车如何实时工作,本文包含有关Google Waymo和特斯拉自动驾驶仪的工作和操作的详细信息。

谷歌的Waymo

根据Google的说法,Waymo是一个4级自治系统,只需要很少的人为干预。

Waymo的硬件基础设施

Waymo硬件的描述图片如下:

Waymo的基础设施包括各种传感器,雷达和摄像系统。

LiDAR传感器

根据谷歌的说法,Waymo有一个多层传感器套件,能够在不同的光照条件下运行。该传感器套件基本上是一个全向LiDAR系统,包括短程,高分辨率中频和远程激光雷达。这些激光雷达每秒投射数百万个激光脉冲并计算光束从表面或人体反射并返回自动驾驶汽车所需的时间。

根据从LiDAR光束收到的数据,Waymo据报道创建了一个周围环境的3D地图,识别移动和固定物体,包括其他车辆,骑自行车者,行人,交通信号灯和各种道路特征。

视力

Waymo的视觉系统是另一种全方位,高分辨率的相机套件,据称能够在低光条件下识别颜色。这有助于检测不同的交通信号灯,其他车辆,施工区域和应急灯。

雷达

谷歌称,Waymo使用雷达系统通过波长“环绕”不同光线和天气条件(如雨,雪和雾)来感知物体和运动。该雷达系统也是全方位的,可以在自动驾驶汽车周围360度跟踪行人和其他车辆的速度。

补充传感器

Waymo还增加了额外的传感器,其中包括用于检测紧急警报器的音频检测系统和用于跟踪物理位置的GPS。

Waymo的自动驾驶软件

谷歌宣称,Waymo的自动驾驶软件已经过“50亿英里的模拟驾驶和500万英里的公路驾驶体验”的培训和测试。它由机器学习算法提供支持。

以下视频详细介绍了Waymo如何在路上运行:

根据谷歌的说法,Waymo的4级技术能够检测并“理解”物体及其行为,并因此以三重过程调整自动驾驶汽车的行为。

知觉

据报道,Waymo可以检测,识别和分类道路上的物体,包括行人和其他车辆,同时测量它们的速度,方向和加速度。

例如,Waymo的感知软件从传感器和雷达收集数据,并创建周围环境的模拟“视图”。由于这种能力,Waymo能够确定当灯变绿时是否可以通过,或者由于交通锥指示的车道被阻挡而调整其路线。

行为预测

根据谷歌的说法,Waymo可以通过推断使用“数百万英里的驾驶经验”构建的训练模型中的数据,根据其分类来预测道路上物体的行为。

例如,自驾车软件“理解”虽然行人可能看起来与骑车人相似,但他们的移动速度比后者慢,并且表现出更多突然的方向变化。

规划人员

据报道,计划软件使用感知和行为预测软件捕获的信息来规划Waymo的适当路线。谷歌称,Waymo的策划者就像一名“防御性驾驶员”,他选择远离盲点并为骑车人和行人提供回旋余地。

特斯拉的自动驾驶仪

据特斯拉称,自动驾驶仪是一款二级自动驾驶汽车。与大多数二级系统一样,自动驾驶仪要求驾驶员始终握住方向盘,准备接管控制。

特斯拉还警告说,驾驶员必须在自主操作期间充分发挥作用。

自动驾驶仪硬件

下图显示了Autopilot的硬件组件。

根据特斯拉的说法,2014年至2016年10月期间生产的自动驾驶汽车包括有限的超声波传感器,低功率雷达和一台摄像机。

自2016年以来建造的包括12个用于附近物体和行人识别的超声波传感器,能够“感知”不同天气条件的正面雷达,8个用作特斯拉内部神经网络馈送的外部摄像头和处理输入的计算机系统以毫秒为单位。

自动驾驶仪软件

交通意识巡航控制,以保持响应周围交通的速度。

司机协助的“自动驾驶仪”在标记清晰的车道范围内

用于在车道之间转换的自动车道更改

驾驶员辅助“在自动驾驶仪上导航”,用于将车辆从高速公路的入口匝道引导至出口匝道,包括建议和改变车道,导航高速公路交汇处和出口。

Autopark自动平行或垂直停车

从停车位“召唤”汽车

以下简要说明上述功能的工作原理:

在Autopilot上导航

Navigate on Autopilot功能允许驾驶员将目的地输入车辆的导航系统,从而启动显示计划路线的“360度可视化”。出于安全原因,必须为每次旅行启用此功能。根据特斯拉的说法,它不能在默认模式下运行。

汽车换道

导航自动驾驶功能包括两种类型的车道变换:基于路线和基于速度。前者允许车辆无论速度如何都坚持导航路线。后者基于一些设置建议过渡到车道,车辆比自动驾驶仪更快或更慢地参考设定的巡航速度。

当驾驶员选择退出车道变更确认通知时,将进入自动车道模式。然而,特斯拉警告司机,这个功能不是完全自主的,需要他们完全注意并抓住方向盘。特斯拉声称驱动程序可以随时手动覆盖此功能。

自动和召唤

当汽车以低速行驶时,驾驶员可以启动自动停车,检测合适的停车位。然而,在汽车开始独立控制速度,改变档位和转向角度之前,需要手动干预将汽车倒车并按下启动。

当乘客想要“呼叫”汽车并通过一系列正向和反向按钮点击时,自动驾驶仪还有一个通过应用程序触发的召唤按钮。

自治的障碍

虽然自驾车辆投资在过去五年中飙升,但仍然存在一些重要挑战,使第5级自治无法成为现实:

发展中国家的道路规则与加州高速公路、开罗或班加罗尔的交通不同。除非开发自主系统来处理其独特的环境和道路规范,否则发展中国家可能会在自动车辆采用方面(因此在安全性,低排放和提高工人生产率方面)落后。这可能涉及这些国家的驾驶习惯和规范的显著变化,或者适用不同道路规则的“测试区域”以及可以测试自动驾驶技术的地方。

统一标准 - 为了使车辆与自己或基础设施进行通信,必须开发新的通信渠道。这些渠道应允许不同品牌和型号的车辆进行通信,并且应尽可能安全地进行黑客攻击和欺骗。虽然美国和其他国家正在努力推进这些标准,但要确保安全并在车辆和基础设施之间建立统一的智能层,还有许多工作要做。

安全门槛 - 2000年至2010年间美国商业航空公司每乘客英里的死亡人数约为每100亿人0.2人死亡客运里程(维基百科)。似乎可以肯定地说,自动驾驶汽车的标准将更加严格,但目前尚不清楚截止的位置。不同国家的政府必须确定可接受的死亡率,以及各种自动驾驶车辆的安全标准和准则。

天气和灾害 - 暴风雪,洪水或街道标志和“V2”技术的损坏可能使自动驾驶汽车面临严重错误和致命危险的风险。建设道路基础设施以应对灾难,建造车辆以处理异常或不太理想的情况(能见度,轮胎牵引力等)更具挑战性,因为自动驾驶汽车不是随时都在晴朗的天气运行。


原文链接:http://527256.com/7238.html

相关文章

访客
访客
发布于 2022-07-06 03:32:36  回复
可能是不可预测和危险的(从发短信或看电影到转向远离事故可能是不切实际的期望)。自驾车如何与周围环境相互作用根据美国交通部的数据,连接和自动驾驶车辆以三种方式相互通信及与周围环境相通:
访客
访客
发布于 2022-07-05 19:32:20  回复
益补充。假如国家层面加大道路基础设施建设,可以辅助提升自动驾驶的道路精准度,同时也能增加道路交通的安全性。可见肖健雄对于单车智能还是更加看重的,其认为路侧的设施存在故障、维修、养护等一系列问
访客
访客
发布于 2022-07-05 20:33:14  回复
之后根据交通状况计算出行时间;2、通过大数据提前预知什么时间、什么地方会发生拥堵,提出预警;3、根据预测的交通流,给出出行建议,几点出发走那条路会最顺畅。从车路协同道路设施来
访客
访客
发布于 2022-07-05 19:09:30  回复
时间内对驾驶员进行干预。级别4 :此级别支持自动驾驶,只需最少的驾驶员干预,但仅在选定的映射位置(称为地理围栏区域)中执行此操作。5级:无需人为干预。虽然5级自治是许多自动驾驶汽车公司的共同梦想,但它们各自达到5级自治的路径却截然不同。一些公司认为3级和4级自治是太
访客
访客
发布于 2022-07-06 03:50:45  回复
自身统计,车路协同已经可以解决单车智能在路测时遇到的54%左右的问题,减少62%的接管次数,降低30%的单车成本。目前百度已经在北京、广州、上海开展了车路协同方案的落地实践。在北京,百度针对12.1公里28个路口进行车

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。

返回顶部