новости

В современную эпоху быстрого развития технологий автономное вождение, несомненно, является одной из самых инновационных и сложных областей. Однако по-прежнему существует множество проблем с точки зрения данных, вычислительной мощности и оптимизации больших моделей. Технология еще не доработана, и все еще существуют определенные трудности с крупномасштабным тиражированием. Но с развитием интеграции транспортных средств, дорог и облаков мы, возможно, сможем увидеть новую надежду. Сможет ли ИИ творить чудеса в этой области?

Интеграция транспортных средств, дорог и облаков, как следует из названия, тесно объединяет транспортные средства, дороги и облако, образуя совместную интеллектуальную систему. В этой системе транспортные средства больше не являются изолированными личностями, а взаимосвязаны и взаимодействуют со всей дорожной средой. Ведущий отечественный поставщик комплексных технологий автономного вождения и эксплуатационных услуг Momogu AutoLink продемонстрировал значительные преимущества в придорожной, автомобильной и облачной интеграции транспортных средств и дорожных облаков. Проблемы автономного вождения. Головоломка обеспечивает сильную поддержку.

На дороге преимущество Mushroom AutoLink заключается в ее мощных возможностях обнаружения и сбора данных. Развертывая самостоятельно разработанные цифровые дорожные базовые станции с искусственным интеллектом и системы определения края дороги (MRS) по обе стороны дороги, можно получать обширную информацию о дороге в режиме реального времени, включая дорожные условия, транспортный поток, поведение пешеходов и других транспортных средств и т. д. . Эти данные не только дают транспортным средствам более полное представление об окружающей среде, но и предоставляют ценный материал для обучения крупных моделей. По сравнению с традиционным датчиком для одного транспортного средства, датчики на дороге могут преодолеть ограничения собственных датчиков транспортного средства, заранее обнаружить потенциальные опасности и сложные ситуации, а также предоставить больше времени и информации для принятия решений по автономному вождению. Например, на перекрестках без светофоров придорожное оборудование может заранее определять динамику транспортных средств и пешеходов в направлении перехода, обеспечивая точные предупреждения для автономных транспортных средств, которые собираются проехать, тем самым избегая потенциальных рисков столкновения. В суровых погодных условиях, таких как дождь, снег и дымка, камеры высокой четкости и оборудование для мониторинга погоды на обочине дороги могут предоставить транспортным средствам более четкую и точную информацию о состоянии дороги и помочь транспортным средствам принимать более безопасные решения при вождении.

Автомобильный терминал является ключевым звеном, которое напрямую взаимодействует с водителями и пассажирами. На основе технологии автономного вождения L4 компания Mogou AutoLink полностью разработала систему автономного вождения MogoAP и установила ее на различные автономные транспортные средства. Совместно с автомобильными компаниями компания разработала ряд предустановленных серийных моделей автономного вождения, а также внедрила применение полутвердого лазерного радара и контроллеров домена Orin собственной разработки в различных моделях, которые имеют лучший потенциал и производительность.

Предоставляя эффективные локальные вычислительные возможности и оптимизированные алгоритмы для интеллектуальных подключенных транспортных средств, они могут обрабатывать большие объемы данных и мгновенно принимать решения в режиме реального времени. Даже когда связь с облаком и дорогой временно прерывается, автомобиль может полагаться на свою собственную интеллектуальную систему для поддержания определенной степени автономного вождения, чтобы обеспечить безопасность и устойчивость вождения. Кроме того, Mushroom AutoLink фокусируется на совместной оптимизации аппаратного и программного обеспечения транспортных средств для снижения энергопотребления и повышения производительности. Благодаря точному объединению датчиков и интеллектуальным стратегиям управления автомобили могут автоматически регулировать режимы вождения и выходную мощность в зависимости от дорожных условий и энергопотребления в реальном времени, обеспечивая эффективное использование энергии и плавное и комфортное вождение.

В облаке Mushroom AutoLink создала мощный центр обработки и анализа данных. Платформа облачного управления может представлять полную картину трафика посредством цифровой обработки в реальном времени и получать большие объемы данных, таких как местоположение, направление, скорость и т. д. всех участников трафика. Платформа интеллектуального облачного управления трафиком с искусственным интеллектом может предоставлять информацию о трафике в реальном времени. Поддержка данных и алгоритмов. Роль облачной платформы управления уже проявилась в дорожном движении, позволяя людям, интеллектуальным транспортным средствам, подключенным к сети, автономным транспортным средствам и диспетчерам дорожного движения участвовать вместе, что значительно повышает систематичность, безопасность и эффективность дорожного движения. транспорт.

Облачные серверы обладают огромными высокопроизводительными аппаратными ресурсами и могут поддерживать крупномасштабную параллельную обработку и хранение больших объемов данных. Эти данные поступают не только в режиме реального времени на обочинах дорог и транспортных средствах, но также включают исторические данные и данные моделирования. Благодаря углубленному анализу этих данных с использованием передовых алгоритмов машинного обучения и технологий искусственного интеллекта облако может обучать более точные и интеллектуальные большие модели. Например, изучая большой объем данных об экстремальных дорожных ситуациях, большие модели могут прогнозировать оптимальную стратегию вождения транспортных средств в аналогичных сценариях и принимать ранние предупреждения и решения. В то же время облако может также обновлять и оптимизировать модель автомобиля в режиме реального времени, чтобы гарантировать, что автомобиль всегда будет иметь новейшие интеллектуальные возможности вождения.

Возвращаясь к проблемам, с которыми сталкивается автономное вождение, модель интеграции транспортного средства, дороги и облака предлагает новые идеи для решения этих проблем.

В ответ на проблемы сбора, маркировки и обслуживания данных интеграция транспортных средств, дорог и облаков может обеспечить объединение данных из нескольких источников. Большой объем данных в режиме реального времени, собираемых придорожным оборудованием, в сочетании с данными о движении транспортного средства обеспечивает гарантию разнообразия и полноты данных. В то же время, благодаря мощной вычислительной мощности облака, эти данные могут автоматически аннотироваться и очищаться для повышения качества данных и удобства их использования. Специально для редких, но критически важных данных об экстремальных дорожно-транспортных ситуациях интеграция транспортного средства, дороги и облака может более полно записывать и анализировать эти ситуации посредством мониторинга и объединения данных под разными углами, предоставляя более ценные образцы для обучения больших моделей.

С точки зрения вычислительной мощности интеграция транспортных средств, дорог и облаков обеспечивает разумное распределение ресурсов. Конечная часть автомобиля ориентирована на принятие решений в режиме реального времени и локальную обработку данных, используя ограниченные вычислительные ресурсы для обеспечения выполнения ключевых функций. Сложная подготовка моделей и крупномасштабная обработка данных выполняются в облаке, позволяя в полной мере использовать мощные вычислительные мощности облака. В то же время придорожное оборудование также может совместно выполнять некоторые вычислительные задачи, например, предварительную обработку некоторых данных, снижая нагрузку на транспортное средство и облако. Благодаря такому совместному подходу противоречие между ограниченной вычислительной мощностью автомобиля и растущим спросом на мощность облачных вычислений эффективно разрешается, а эффективность работы всей системы повышается.

Для упрощенной оптимизации больших моделей интеграция транспортных средств, дорог и облаков также имеет уникальные преимущества. Большую модель, обученную в облаке, можно настроить, оптимизировать и оптимизировать в соответствии с конкретными потребностями и состоянием оборудования автомобиля. Благодаря технологии сжатия модели количество параметров и объем вычислений модели уменьшаются при сохранении ее производительности и точности. Придорожное оборудование может служить промежуточным звеном для адаптации и преобразования данных от автомобиля и облака, чтобы обеспечить плавную передачу информации и эффективное выполнение модели.

Однако развитие интеграции транспортных средств, дорог и облаков не проходит гладко. В практических приложениях также необходимо решить ряд проблем, таких как унификация протоколов связи между различными устройствами, защита конфиденциальности данных, надежность и стабильность системы. Однако благодаря постоянному развитию технологий и совместным усилиям отрасли эти проблемы постепенно решаются.

Подводя итог, можно сказать, что интеграция автомобиля, дороги и облака открывает новые возможности и возможности для развития автономного вождения. Несмотря на то, что он по-прежнему сталкивается со многими проблемами, учитывая его синергетические преимущества в области данных, вычислительной мощности и оптимизации моделей, а также постоянные инновации и исследования таких предприятий, как Momogu Auto Network, у нас есть основания полагать, что ИИ может сыграть роль в автомобильной промышленности. Интеграция дорог и облаков Мы будем активно работать над продвижением скорейшего широкомасштабного применения технологий автономного вождения и предоставления людям более безопасных, удобных и эффективных путешествий.

(Источник: Информация о финансовом бизнесе)

Для получения более интересной информации загрузите клиент «Jimu News» на рынке приложений. Не перепечатывайте без разрешения. Вы можете предоставить подсказки для новостей, и вам заплатят, как только вы примете.