berita

Di era perkembangan teknologi yang pesat saat ini, kendaraan otonom tidak diragukan lagi merupakan salah satu bidang yang paling inovatif dan menantang. Namun, masih banyak tantangan dalam hal data, daya komputasi, dan optimalisasi model besar. Teknologi ini belum terselesaikan, dan masih terdapat kesulitan tertentu dalam replikasi skala besar. Namun dengan berkembangnya integrasi kendaraan-jalan-cloud, kita mungkin bisa melihat harapan baru. Bisakah AI melakukan keajaiban di bidang ini?

Integrasi kendaraan-jalan-cloud, seperti namanya, menggabungkan kendaraan, jalan raya, dan cloud secara erat untuk membentuk sistem cerdas kolaboratif. Dalam sistem ini, kendaraan tidak lagi menjadi individu yang terisolasi, namun saling berhubungan dan berkomunikasi dengan seluruh lingkungan lalu lintas. Integrasi kendaraan-jalan-cloud domestik terkemuka, teknologi full-stack mengemudi otonom dan penyedia layanan operasi Momogu AutoLink telah menunjukkan keunggulan signifikan dalam integrasi tepi jalan, kendaraan, dan kendaraan-jalan-cloud berbasis cloud masalah mengemudi otonom Teka-teki ini memberikan dukungan yang kuat.

Di sisi jalan, keunggulan Mushroom AutoLink terletak pada kemampuan penginderaan dan pengumpulan datanya yang kuat. Dengan menerapkan stasiun pangkalan jalan digital AI yang dikembangkan sendiri dan sistem penginderaan tepi jalan (MRS) di kedua sisi jalan, informasi jalan yang kaya dapat diperoleh secara real-time, termasuk kondisi jalan, arus lalu lintas, perilaku pejalan kaki dan kendaraan lain, dll. . Data ini tidak hanya memberikan persepsi lingkungan yang lebih komprehensif pada kendaraan, tetapi juga memberikan materi berharga untuk pelatihan model besar. Dibandingkan dengan penginderaan kendaraan tunggal tradisional, penginderaan pinggir jalan dapat menembus keterbatasan sensor kendaraan, mendeteksi potensi bahaya dan situasi kompleks terlebih dahulu, serta memberikan lebih banyak waktu dan informasi untuk mengambil keputusan mengemudi secara otonom. Misalnya, di persimpangan tanpa lampu sinyal, peralatan pinggir jalan dapat mendeteksi dinamika kendaraan dan pejalan kaki pada arah penyeberangan terlebih dahulu, memberikan peringatan yang akurat bagi kendaraan otonom yang akan melintas, sehingga menghindari potensi risiko tabrakan. Dalam kondisi cuaca buruk, seperti hujan, salju, dan kabut, kamera definisi tinggi dan peralatan pemantauan cuaca di pinggir jalan dapat memberikan informasi kondisi jalan yang lebih jelas dan akurat kepada kendaraan serta membantu kendaraan membuat keputusan berkendara yang lebih aman.

Terminal mobil merupakan penghubung utama yang berinteraksi langsung dengan pengemudi dan penumpang. Berdasarkan teknologi penggerak otonom L4, Mogou AutoLink telah sepenuhnya mengembangkan sistem penggerak otonom MogoAP dan memasangnya pada berbagai kendaraan otonom. Perusahaan ini bersama-sama mengembangkan sejumlah model penggerak otonom yang diproduksi secara massal dan telah dipasang sebelumnya dengan perusahaan mobil, dan menerapkan penerapan radar laser semi-padat dan pengontrol domain Orin yang dikembangkan sendiri dalam berbagai model, yang memiliki potensi dan kinerja lebih baik.

Dengan menyediakan kemampuan komputasi lokal yang efisien dan algoritma yang dioptimalkan untuk kendaraan yang terhubung secara cerdas, mereka dapat memproses data dalam jumlah besar dan membuat keputusan secara real-time dalam sekejap. Bahkan ketika koneksi dengan cloud dan pinggir jalan terputus untuk sementara, kendaraan dapat mengandalkan sistem cerdasnya sendiri untuk mempertahankan kemampuan mengemudi otonom pada tingkat tertentu guna memastikan keselamatan dan stabilitas berkendara. Selain itu, Mushroom AutoLink berfokus pada optimalisasi kolaboratif perangkat keras dan perangkat lunak kendaraan untuk mengurangi konsumsi energi dan meningkatkan kinerja. Melalui fusi sensor yang presisi dan strategi kontrol cerdas, kendaraan dapat secara otomatis menyesuaikan mode berkendara dan output daya berdasarkan kondisi jalan real-time dan konsumsi energi, sehingga mencapai penggunaan energi yang efisien serta berkendara yang mulus dan nyaman.

Di cloud, Mushroom AutoLink telah membangun pusat pemrosesan dan analisis data yang kuat. Platform kontrol cloud dapat menyajikan gambaran lengkap lalu lintas melalui pemrosesan digital waktu nyata dan memperoleh data besar-besaran seperti lokasi, arah, kecepatan, dll. dari semua peserta lalu lintas. Platform kontrol cloud AI lalu lintas pintar dapat menyediakan lalu lintas waktu nyata dukungan data dan algoritme. Peran platform kontrol cloud telah terlihat dalam lalu lintas jalan raya, memungkinkan manusia, kendaraan cerdas yang terhubung ke jaringan, kendaraan otonom, dan pengelola lalu lintas untuk berpartisipasi bersama, sehingga sangat meningkatkan sistematika, keamanan, dan efisiensi lalu lintas. angkutan.

Server cloud memiliki sumber daya perangkat keras berkinerja tinggi yang sangat besar dan dapat mendukung pemrosesan paralel berskala besar dan penyimpanan data dalam jumlah besar. Data ini tidak hanya berasal dari pengumpulan real-time di pinggir jalan dan ujung kendaraan, namun juga mencakup data historis dan data simulasi. Melalui penambangan mendalam dan analisis data ini, menggunakan algoritma pembelajaran mesin canggih dan teknologi kecerdasan buatan, cloud dapat melatih model besar yang lebih akurat dan cerdas. Misalnya, dengan belajar dari sejumlah besar data situasi lalu lintas ekstrem, model besar dapat memprediksi strategi mengemudi kendaraan yang optimal dalam skenario serupa serta membuat peringatan dan keputusan dini. Pada saat yang sama, cloud juga dapat memperbarui dan mengoptimalkan model kendaraan secara real time untuk memastikan bahwa kendaraan selalu memiliki kemampuan berkendara cerdas terkini.

Kembali ke tantangan yang dihadapi oleh pengemudian otonom, model integrasi kendaraan-jalan-cloud memberikan ide-ide baru untuk memecahkan masalah tersebut.

Menanggapi masalah pengumpulan, pelabelan, dan pemeliharaan data, integrasi kendaraan-jalan-cloud dapat mencapai perpaduan data multi-sumber. Sejumlah besar data real-time yang dikumpulkan oleh peralatan pinggir jalan, dikombinasikan dengan data mengemudi kendaraan, memberikan jaminan atas keragaman dan kekayaan data. Pada saat yang sama, melalui kekuatan komputasi cloud yang kuat, data ini dapat dianotasi dan dibersihkan secara otomatis untuk meningkatkan kualitas dan kegunaan data. Khusus untuk data situasi lalu lintas ekstrem yang jarang namun kritis, integrasi kendaraan-jalan-cloud dapat merekam dan menganalisis situasi ini secara lebih komprehensif melalui pemantauan dan penggabungan data dari berbagai sudut, sehingga memberikan sampel yang lebih berharga untuk pelatihan model besar.

Dalam hal daya komputasi, integrasi kendaraan, jalan raya, dan cloud mencapai alokasi sumber daya yang wajar. Car end berfokus pada pengambilan keputusan real-time dan pemrosesan data lokal, menggunakan sumber daya komputasi terbatas untuk memastikan pelaksanaan fungsi-fungsi utama. Pelatihan model yang kompleks dan pemrosesan data skala besar diselesaikan oleh cloud, memberikan pengaruh penuh pada kekuatan komputasi cloud yang kuat. Pada saat yang sama, peralatan pinggir jalan juga dapat berbagi beberapa tugas komputasi, seperti memproses beberapa data terlebih dahulu, mengurangi beban pada kendaraan dan cloud. Melalui pendekatan kolaboratif ini, kontradiksi antara terbatasnya daya komputasi kendaraan dan meningkatnya permintaan akan daya komputasi awan dapat diselesaikan secara efektif, dan efisiensi pengoperasian seluruh sistem dapat ditingkatkan.

Untuk optimalisasi model besar yang efisien, integrasi kendaraan-jalan-cloud juga memiliki keunggulan unik. Model besar yang dilatih di cloud dapat disesuaikan, disederhanakan, dan dioptimalkan sesuai dengan kebutuhan spesifik dan kondisi perangkat keras kendaraan. Melalui teknologi kompresi model, jumlah parameter dan jumlah perhitungan model dikurangi dengan tetap menjaga performa dan akurasinya. Peralatan pinggir jalan dapat berfungsi sebagai penghubung untuk mengadaptasi dan mengubah data dari kendaraan dan cloud guna memastikan kelancaran transmisi informasi dan pelaksanaan model yang efektif.

Namun, pengembangan integrasi kendaraan-jalan-cloud tidak berjalan mulus. Dalam aplikasi praktis, serangkaian masalah juga perlu diselesaikan seperti penyatuan protokol komunikasi antara perangkat yang berbeda, perlindungan privasi data, serta keandalan dan stabilitas sistem. Namun, dengan kemajuan teknologi yang berkelanjutan dan upaya bersama dari industri, masalah ini secara bertahap dapat diatasi.

Singkatnya, integrasi kendaraan-jalan-cloud membawa peluang dan peluang baru bagi pengembangan kendaraan otonom. Meskipun masih menghadapi banyak tantangan, dengan keunggulan sinergisnya dalam data, daya komputasi dan optimalisasi model, serta inovasi dan eksplorasi berkelanjutan dari perusahaan seperti Momogu Auto Network, kami memiliki alasan untuk percaya bahwa AI dapat berperan dalam kendaraan- integrasi road-cloud. Kami akan bekerja keras untuk mempromosikan penerapan awal teknologi mengemudi otonom dalam skala besar dan menghadirkan pengalaman perjalanan yang lebih aman, nyaman, dan efisien bagi masyarakat.

(Sumber: Informasi Bisnis Keuangan)

Untuk informasi lebih menarik, silakan unduh klien "Jimu News" di pasar aplikasi. Mohon jangan mencetak ulang tanpa izin. Anda dipersilakan untuk memberikan petunjuk berita dan Anda akan dibayar setelah diterima.