소식

오늘날 급속한 기술 발전 시대에 자율주행은 의심할 여지 없이 가장 혁신적이고 도전적인 분야 중 하나입니다. 그러나 데이터, 컴퓨팅 성능, 대형 모델의 최적화 측면에서 여전히 많은 과제가 남아 있으며, 아직 기술이 완성되지 않았으며 대규모 복제에는 여전히 어려움이 있습니다. 그러나 차량-도로-클라우드 통합의 발전으로 AI가 이 분야에서 기적을 이룰 수 있을까?

차량-도로-클라우드 통합은 이름에서 알 수 있듯이 차량, 도로 및 클라우드를 긴밀하게 결합하여 협업 지능형 시스템을 형성합니다. 이 시스템에서 차량은 더 이상 고립된 개인이 아니라, 전체 교통 환경과 상호 연결되어 소통합니다. 국내 최고의 차량-도로-클라우드 통합, 자율주행 풀스택 기술 및 운영 서비스 제공업체인 모모구오토링크(Momogu AutoLink)는 도로변, 차량단, 클라우드 기반 차량-도로-클라우드 통합에서 상당한 이점을 입증했습니다. 자율주행의 문제점 퍼즐은 강력한 지지력을 제공합니다.

도로 측면에서 Mushroom AutoLink의 장점은 강력한 감지 및 데이터 수집 기능에 있습니다. 자체 개발한 AI 디지털 도로 기지국과 노변 가장자리 감지 시스템(MRS)을 도로 양쪽에 배치해 도로 상황, 교통 흐름, 보행자 및 기타 차량의 행동 등 풍부한 도로 정보를 실시간으로 얻을 수 있다. . 이러한 데이터는 차량에 보다 포괄적인 환경 인식을 제공할 뿐만 아니라 대형 모델 교육을 위한 귀중한 자료도 제공합니다. 기존 단일 차량 감지와 비교하여 도로변 감지는 차량 자체 센서의 한계를 극복하고 잠재적인 위험과 복잡한 상황을 사전에 감지하며 자율 주행 결정을 위한 더 많은 시간과 정보를 제공할 수 있습니다. 예를 들어, 신호등이 없는 교차로에서 길가 장비는 교차 방향의 차량과 보행자의 역학을 사전에 감지하여 곧 지나갈 자율주행차에 정확한 경고를 제공함으로써 잠재적인 충돌 위험을 피할 수 있습니다. 비, 눈, 안개 등 악천후 상황에서 도로변의 고화질 카메라와 기상 모니터링 장비는 차량에 보다 명확하고 정확한 도로 상황 정보를 제공하고 차량이 보다 안전한 운전 결정을 내릴 수 있도록 도와줍니다.

자동차 단말은 운전자와 승객과 직접 상호작용하는 핵심 링크다. 모고오토링크는 L4 자율주행 기술을 기반으로 모고AP 자율주행 시스템을 완벽하게 개발해 다양한 자율주행차에 탑재했다. 다수의 사전 설치된 양산형 자율주행 모델을 자동차 업체와 공동 개발했으며, 반고체 레이저 레이더와 자체 개발한 오린 도메인 컨트롤러를 다양한 모델에 적용해 더 나은 잠재력과 성능을 갖췄다.

지능형 커넥티드 차량에 효율적인 로컬 컴퓨팅 기능과 최적화된 알고리즘을 제공함으로써 대량의 데이터를 처리하고 실시간 의사결정을 즉각적으로 내릴 수 있습니다. 클라우드 및 길가와의 연결이 일시적으로 중단되더라도 차량은 자체 지능형 시스템을 통해 어느 정도 자율 주행 기능을 유지하여 주행 안전과 안정성을 보장할 수 있습니다. 또한 Mushroom AutoLink는 차량 하드웨어와 소프트웨어의 공동 최적화에 중점을 두어 에너지 소비를 줄이고 성능을 향상시킵니다. 정밀한 센서 융합과 지능형 제어 전략을 통해 차량은 실시간 도로 상황과 에너지 소비량에 따라 주행 모드와 출력을 자동으로 조정하여 에너지를 효율적으로 사용하고 부드럽고 편안한 주행을 실현합니다.

클라우드에서 Mushroom AutoLink는 강력한 데이터 처리 및 분석 센터를 구축했습니다. 클라우드 관제 플랫폼은 실시간 디지털 처리를 통해 완전한 교통 상황을 제시하고, 모든 교통 참여자의 위치, 방향, 속도 등 방대한 데이터를 얻을 수 있으며, 스마트 교통 AI 클라우드 관제 플랫폼은 실시간 교통을 제공할 수 있다. 클라우드 관제 플랫폼의 역할은 이미 도로 교통에 나타나 사람, 지능형 네트워크 연결 차량, 자율주행차, 교통 관리자가 함께 참여할 수 있어 시스템의 체계성, 안전성, 효율성이 크게 향상됩니다. 운송.

클라우드 서버는 대규모 고성능 하드웨어 자원을 보유하고 있으며 대용량 데이터의 대규모 병렬 처리 및 저장을 지원할 수 있습니다. 이러한 데이터는 길가와 차량 끝부분에서 실시간으로 수집될 뿐만 아니라 과거 데이터와 시뮬레이션 데이터도 포함합니다. 클라우드는 고급 기계 학습 알고리즘과 인공 지능 기술을 사용하여 이러한 데이터에 대한 심층적인 마이닝 및 분석을 통해 보다 정확하고 지능적인 대형 모델을 훈련할 수 있습니다. 예를 들어 대규모 모델은 대량의 극한 교통 상황 데이터를 학습하여 유사한 시나리오에서 차량의 최적 운전 전략을 예측하고 조기 경고 및 결정을 내릴 수 있습니다. 동시에 클라우드는 차량 모델을 실시간으로 업데이트하고 최적화하여 차량이 항상 최신 지능형 주행 기능을 갖도록 보장할 수 있습니다.

자율 주행이 직면한 과제로 돌아가서, 차량-도로-클라우드 통합 모델은 이러한 문제를 해결하기 위한 새로운 아이디어를 제공합니다.

데이터 수집, 라벨링 및 유지 관리 문제에 대응하여 차량-도로-클라우드 통합을 통해 다중 소스 데이터의 융합을 달성할 수 있습니다. 도로 장비에서 수집된 대량의 실시간 데이터는 차량의 주행 데이터와 결합되어 데이터의 다양성과 풍부함을 보장합니다. 동시에 클라우드의 강력한 컴퓨팅 성능을 통해 이러한 데이터에 자동으로 주석을 달고 정리하여 데이터 품질과 유용성을 향상시킬 수 있습니다. 특히 드물지만 중요한 교통 극한 상황 데이터의 경우 차량-도로-클라우드 통합을 통해 여러 각도의 모니터링 및 데이터 융합을 통해 이러한 상황을 보다 포괄적으로 기록하고 분석할 수 있어 대형 모델 교육을 위한 더 가치 있는 샘플을 제공할 수 있습니다.

컴퓨팅 성능 측면에서 차량, 도로 및 클라우드의 통합은 합리적인 리소스 할당을 달성합니다. 자동차 끝 부분은 제한된 컴퓨팅 리소스를 사용하여 주요 기능의 실행을 보장하는 실시간 의사 결정 및 로컬 데이터 처리에 중점을 둡니다. 복잡한 모델 훈련과 대규모 데이터 처리는 클라우드로 완료되어 클라우드의 강력한 컴퓨팅 성능을 최대한 활용합니다. 동시에 도로변 장비는 일부 데이터 전처리와 같은 일부 컴퓨팅 작업을 공유하여 차량과 클라우드에 대한 부담을 줄일 수도 있습니다. 이러한 협업적 접근 방식을 통해 차량의 제한된 컴퓨팅 성능과 클라우드 컴퓨팅 성능에 대한 수요 증가 사이의 모순이 효과적으로 해결되고 전체 시스템의 운영 효율성이 향상됩니다.

대형 모델의 간소화된 최적화를 위해 차량-도로-클라우드 통합에도 고유한 이점이 있습니다. 클라우드에서 훈련된 대형 모델은 차량의 특정 요구 사항과 하드웨어 조건에 따라 맞춤화, 간소화 및 최적화될 수 있습니다. 모델 압축 기술을 통해 모델의 성능과 정확성을 유지하면서 모델의 매개변수 수와 계산량을 줄입니다. 도로변 장비는 차량과 클라우드의 데이터를 조정하고 변환하는 중간 링크 역할을 하여 정보의 원활한 전송과 모델의 효과적인 실행을 보장할 수 있습니다.

그러나 차량-도로-클라우드 통합 개발은 순조롭게 진행되지 않습니다. 실제 적용에서는 서로 다른 장치 간의 통신 프로토콜 통합, 데이터 개인 정보 보호, 시스템 신뢰성 및 안정성과 같은 일련의 문제를 해결하는 것도 필요합니다. 그러나 지속적인 기술 발전과 업계의 공동 노력으로 이러한 문제는 점차 해결되고 있습니다.

요약하자면, 차량-도로-클라우드 통합은 자율주행 개발에 새로운 기회와 가능성을 제공합니다. 데이터, 컴퓨팅 성능 및 모델 최적화의 시너지 이점과 Momogu Auto Network와 같은 기업의 지속적인 혁신 및 탐색 등 여전히 많은 과제에 직면해 있지만 AI가 차량에서 역할을 할 수 있다고 믿을 수 있는 이유가 있습니다. 도로-클라우드 통합을 통해 자율주행 기술의 조기 대규모 적용을 촉진하고 사람들에게 보다 안전하고 편리하며 효율적인 여행 경험을 제공하기 위해 열심히 노력할 것입니다.

(출처: 금융사업정보)

더 흥미로운 정보를 보려면 애플리케이션 마켓에서 "Jimu News" 클라이언트를 다운로드하세요. 승인 없이 재인쇄하지 마십시오. 뉴스 단서를 제공하는 것을 환영하며 승인되면 비용이 지급됩니다.