ニュース

今日の急速な技術開発の時代において、自動運転は間違いなく最も革新的で挑戦的な分野の 1 つです。ただし、データ、計算能力、大規模モデルの最適化に関してはまだ多くの課題があり、この技術はまだ完成しておらず、大規模なレプリケーションには依然として一定の困難があります。しかし、車両、道路、クラウドの統合の発展により、AI はこの分野で奇跡を起こすことができるのでしょうか?

車両、道路、クラウドの統合は、その名前が示すように、車両、道路、クラウドを密接に組み合わせて、協調的なインテリジェント システムを形成します。このシステムでは、車両はもはや孤立した個体ではなく、相互に接続され、交通環境全体と通信します。国内をリードする車両・道路・クラウド統合、自動運転フルスタック技術および運用サービスプロバイダーである Momogu AutoLink は、路側、車両エンド、およびクラウドベースの車両・道路・クラウド統合において大きな利点を実証しました。自動運転の課題をパズルが強力にサポートします。

道路側での Mushroom AutoLink の利点は、強力なセンシング機能とデータ収集機能にあります。自社開発のAIデジタル道路基地局と路側エッジセンシングシステム（MRS）を道路の両側に配置することで、道路状況、交通の流れ、歩行者や他車両の挙動などの豊富な道路情報をリアルタイムに取得できます。 。これらのデータは、車両により包括的な環境認識を提供するだけでなく、大型モデルのトレーニングに貴重な資料も提供します。従来の単一車両センシングと比較して、路側センシングは車両自体のセンサーの限界を突破し、潜在的な危険や複雑な状況を事前に検出し、自動運転の意思決定により多くの時間と情報を提供できます。たとえば、信号機のない交差点では、路側装置が交差点方向の車両と歩行者の動態を事前に感知し、通過しようとしている自動運転車両に正確に警告を発し、潜在的な衝突リスクを回避できます。雨、雪、霧などの厳しい気象条件下では、路側の高解像度カメラと気象監視装置が車両により鮮明で正確な道路状況情報を提供し、車両がより安全な運転の意思決定を行うのに役立ちます。

カーエンドはドライバーや乗客と直接対話する重要なリンクであり、Mogou AutoLink は L4 自動運転技術に基づいて MogoAP 自動運転システムを完全に開発し、さまざまな自動運転車に搭載しています。同社は、自動車会社と多数のプリインストール量産自動運転モデル​​を共同開発し、より優れた可能性と性能を備えた半固体レーザーレーダーと自社開発の Orin ドメインコントローラーをさまざまなモデルに適用しています。

インテリジェント コネクテッド ビークルに効率的なローカル コンピューティング機能と最適化されたアルゴリズムを提供することで、大量のデータを処理し、瞬時にリアルタイムの意思決定を行うことができます。クラウドや路側との接続が一時的に遮断された場合でも、車両は独自のインテリジェントシステムを利用してある程度の自動運転機能を維持し、運転の安全性と安定性を確保します。さらに、Mushroom AutoLink は、エネルギー消費を削減し、パフォーマンスを向上させるために、車両のハードウェアとソフトウェアを協調的に最適化することに重点を置いています。正確なセンサーフュージョンとインテリジェントな制御戦略を通じて、車両はリアルタイムの道路状況とエネルギー消費に基づいて走行モードと出力を自動的に調整し、エネルギーの効率的な利用とスムーズで快適な運転を実現します。

Mushroom AutoLink はクラウド上に強力なデータ処理および分析センターを確立しました。クラウド制御プラットフォームは、リアルタイムのデジタル処理を通じて交通の全体像を提示し、すべての交通参加者の位置、方向、速度などの大量のデータを取得できます。スマート交通 AI クラウド制御プラットフォームは、リアルタイムの交通を提供できます。クラウド制御プラットフォームの役割はすでに道路交通に現れており、人々、ネットワークに接続されたインテリジェント車両、自動運転車両、交通管理者が一緒に参加できるようになり、システムの体系性、安全性、効率性が大幅に向上します。交通機関。

クラウド サーバーは大規模な高性能ハードウェア リソースを備えており、大規模な並列処理と大量のデータの保存をサポートできます。これらのデータは、路側や車両端でのリアルタイム収集から得られるものだけでなく、履歴データやシミュレーション データも含まれます。高度な機械学習アルゴリズムと人工知能テクノロジーを使用したこれらのデータの詳細なマイニングと分析を通じて、クラウドはより正確でインテリジェントな大規模モデルをトレーニングできます。たとえば、大規模なモデルは、大量の極端な交通状況データから学習することで、同様のシナリオにおける車両の最適な運転戦略を予測し、早期に警告や決定を下すことができます。同時に、クラウドは車両モデルをリアルタイムで更新および最適化することもでき、車両が常に最新のインテリジェント運転機能を備えていることを保証します。

自動運転が直面する課題に戻ると、車両、道路、クラウドの統合モデルは、これらの問題を解決するための新しいアイデアを提供します。

データ収集、ラベル付け、メンテナンスの問題に対応して、車両、道路、クラウドの統合により、マルチソース データの融合を実現できます。路側設備によって収集された大量のリアルタイム データと車両の走行データを組み合わせることで、データの多様性と豊富さが保証されます。同時に、クラウドの強力なコンピューティング能力を通じて、これらのデータに自動的に注釈が付けられ、クリーニングされ、データの品質と使いやすさが向上します。特に、まれではあるが重要な交通極限状況データの場合、車両、道路、クラウドの統合により、複数の角度からのモニタリングとデータ融合を通じて、これらの状況をより包括的に記録および分析でき、大規模モデルのトレーニングにより多くの貴重なサンプルを提供できます。

コンピューティング能力の点では、Chelu と Cloud の統合により、リソースの合理的な割り当てが実現されます。カーエンドは、限られたコンピューティング リソースを使用して主要な機能を確実に実行する、リアルタイムの意思決定とローカル データ処理に重点を置いています。複雑なモデルのトレーニングと大規模なデータ処理はクラウドで完結し、クラウドの強力なコンピューティング能力を最大限に発揮します。同時に、路側装置は一部のデータの前処理などの一部のコンピューティング タスクを共有することもでき、車両とクラウドの負担を軽減します。この連携アプローチにより、車両の限られたコンピューティング能力と増大するクラウド コンピューティング能力の需要との間の矛盾が効果的に解決され、システム全体の運用効率が向上します。

大規模モデルの最適化を合理化するには、車両、道路、クラウドの統合にも独自の利点があります。クラウドでトレーニングされた大規模なモデルは、車両の特定のニーズやハードウェア条件に応じてカスタマイズ、合理化、最適化できます。モデル圧縮技術により、性能と精度を維持したままモデルのパラメータ数と計算量を削減します。路側装置は、車両やクラウドからのデータを適応および変換するための中間リンクとして機能し、情報のスムーズな送信とモデルの効果的な実行を保証します。

しかし、車両、道路、クラウドの統合の発展は順風満帆ではありません。また、実用化においては、異なる機器間の通信プロトコルの統一、データプライバシーの保護、システムの信頼性と安定性など一連の課題を解決する必要があります。しかし、技術の継続的な進歩と業界の協力により、これらの問題は徐々に解決されつつあります。

要約すると、車両、道路、クラウドの統合は、自動運転の開発に新たな機会と可能性をもたらします。 AI は依然として多くの課題に直面していますが、データ、コンピューティング能力、モデルの最適化における相乗的な利点、および Momogu Auto Network のような企業の継続的な革新と探求により、AI が車両分野で役割を果たすことができると信じる理由があります。私たちは、自動運転技術の早期の大規模適用を促進し、人々により安全で便利で効率的な旅行体験をもたらすために精力的に取り組んでいきます。

（出典：金融ビジネスインフォメーション）

さらに興味深い情報については、アプリケーションマーケットで「Jimu News」クライアントをダウンロードしてください。許可なく転載しないでください。ニュースのヒントを提供することは歓迎されており、受け入れられたら報酬が支払われます。